Уникальные публикации PubMed, Europe PMC и Crossref, сохранённые в библиотеке. Одна статья учитывается один раз, даже если получена из нескольких источников. Личные исследования и документы команд не публикуются.
Идёт проверка счётчикаДоступно в поиске—
Публикации, уже подготовленные для быстрого поиска. Остальная библиотека подключается в фоне.
Переведено на русский—
Готовые переводы среди доступных в поиске публикаций. Автоматический медицинский перевод и проверка специалистом учитываются отдельно.
Полные тексты—
Найденные полные тексты среди доступных в поиске публикаций. Доступность определяется первоисточником и условиями использования.
Оригиналов на русском—
Русскоязычные оригиналы доступны без ожидания перевода. Ниже — языки остальных оригиналов; для них готовится медицинский перевод на русский.
Пополняем библиотеку по диагнозам—Проверяем состояние обновлений
Для каждого диагноза из справочника МКБ-10 ищем связанные публикации в научных базах и добавляем их в библиотеку. Числа ниже — диагнозы, а не статьи.
Если сбор прервался, тема требует повторной попытки. Уже сохранённые статьи остаются в библиотеке.
Нажмите на показатель для подробностей. Показатели поиска обновляются автоматически; размер всей библиотеки сверяется отдельно. Время последней проверки указано явно.
Результаты поиска
4039 публикаций
Поиск: 184 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 376 с найденным полным текстом
The Internet of Medical Things (IoMT) is becoming a vital part of modern healthcare, enabling ongoing patient monitoring and remote diagnosis. However, as more devices connect to the internet, healthcare systems become more vulnerable to serious security issues such as unauthorized access, patient data manipulation, and Man-in-the-Middle attacks. Conventional Intrusion Detection Systems (IDSs) often struggle with the unclear and uncertain characteristics of IoMT traffic, which leads to reduced detection accuracy and increased false alarms. To address these challenges, this paper proposes ML-FS
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Scrub typhus (ST) is a life-threatening infectious disease caused by Orientia tsutsugamushi. Early prediction of whether the disease will progress to a severe state is crucial for clinicians to provide targeted medical care in advance.
METHODS: This study retrospectively collected severe and mild ST cases in two hospitals in Fujian Province, China from 2011 to 2022. Eighteen objective clinical and laboratory features collected at admission were screened using various feature selection algorithms, and used to construct models based on six machine learning algorithms.
RESULTS: The
СтатьяПоддержка исследования: вне правительства СШАПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Predicting thyroid cancer (TC) and its accompanying metastasis remains challenging because of the complexity of the disease and its diverse pathological subtypes. The complexity and variability of TC necessitate innovative approaches that leverage machine learning (ML) and deep learning (DL) for enhanced accuracy in diagnosis and lymph node metastasis (LNM) prediction. METHODS: 803 patients were examined using ultrasound for thyroid nodules, inculing 369 benign nodules, and 433 malignant nodules, of which 118 were LNM. All patients were diagnosed by pathologists based on preoperati
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVE: This study aimed to develop a predictive model for left atrial appendage thrombus (LAAT) in patients with non-valvular atrial fibrillation by integrating clinical and echocardiographic features using machine learning algorithms. The SHapley Additive exPlanations (SHAP) framework was applied to interpret the model and quantify the contribution of each predictor, thereby enhancing the accuracy and clinical interpretability of LAAT risk prediction.
METHODS: In this retrospective study, 325 patients with non-valvular atrial fibrillation who underwent transesophageal echocardiography at
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVES: To extract structured injury features of knee trauma from forensic case files, and to assess knee functional impairment using a machine learning model combined with the voting method.
METHODS: A total of 490 forensic cases involving knee trauma were retrospectively collected and randomly divided into training and testing sets at an 8:2 ratio. Structured injury features were extracted and systematically organized and stored using a MySQL database. Six machine learning models, including support vector classification, random forest, logistic regression, gradient boosting, k-nearest n
Аннотация на английскомСтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
AIMS: This study aimed to develop and validate an interpretable machine learning (ML) model to predict the risk of immune-related hyperthyroidism (irHT) in patients receiving immune checkpoint inhibitors (ICIs). METHODS: A retrospective cohort study included 711 patients who received ICIs treatment at the First Affiliated Hospital of Ningbo University. Patients were randomly divided into training and validation sets in a ratio of 7:3. This study used six ML algorithms: logistic regression (LR), deep neural network (DNN), random forest classifier (RF), support vector machine (SVM), light gradie
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: To identify clinical profiles associated with conduct disorder (CD) among adolescents with attention-deficit/hyperactivity disorder (ADHD) using integrated statistical and machine learning approaches.
METHODS: A total of 138 adolescents aged 11-18 years (100 ADHD; 38 ADHD+CD) were assessed using multidimensional sociodemographic and psychometric measures. Ninety-nine variables were analyzed. Feature selection and classification analyses were performed using χ2 and mRMR methods combined with supervised machine learning models, including logistic regression, support vector machine (SVM
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Accurate quantification of forest carbon fluxes is essential for improving regional carbon budget assessments and supporting China's carbon neutrality goals under climate change. However, global data-driven products rely heavily on FLUXNET sites with sparse coverage across China, and existing machine learning studies in China predominantly focus on coarse daily or monthly scales. Thus, high-temporal-resolution carbon flux simulations remain critically limited for China's forests. To address these gaps, we developed a fusion ensemble model (denoted as the Fusion model) that combines Random Fore
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Obstructive sleep apnea (OSA) is common after stroke. Still, routine screening of OSA with polysomnography (PSG) is often unfeasible in clinical practice, primarily because of how limited resources are and the physical condition of patients. In this study, we used several artificial intelligence techniques to predict moderate-to-severe OSA and identify its features in patients with acute ischemic stroke.
METHODS: A total of 146 patients with acute ischemic stroke underwent PSG screening for OSA. Their baseline demographic characteristics, including age, sex, body mass index (BMI),
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Takotsubo syndrome (TTS) is an acute heart failure syndrome with symptoms similar to acute myocardial infarction. TTS is often triggered by acute emotional or physical stress and is a significant cause of morbidity and mortality. Predictors of mortality in patients with TS are not well understood, and there is a need to identify high-risk patients and tailor treatment accordingly. This study aimed to assess the importance of various clinical factors in predicting 30-day mortality in TTS patients using a machine learning algorithm.
METHODS: We analyzed data from the nationwide Swed
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Fixation choice (polymethyl-methacrylate bone cement or cementless implants) in total knee arthroplasty (TKA) varies widely across surgeons, reflecting differences in clinical judgment. While traditional statistical approaches are commonly used to study surgical decision-making, they may be limited in capturing complex and multifactorial relationships inherent in such data. This study evaluates how different supervised machine learning (SML) algorithms characterize fixation choice and prioritize predictors, rather than developing a clinical decision-support tool. METHODS: We analyz
СтатьяСравнительное исследованиеПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
While suicide prevention is a major global health priority in youth, it remains challenging to identify those at risk for future suicidal behavior. This study aimed to investigate the potential of machine learning (ML) based approaches to predict suicide attempts (SA) among high-risk adolescents. We applied three ML-algorithms – elastic net, random forest and extreme gradient boosting – to longitudinal clinical data, and compared their performance to a traditional statistical approach – logistic regression (LR). Models were trained using patient data from a clinical cohort (N = 255) of adolesc
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: Reliable prediction of nanomaterial toxicity from physicochemical properties remains a critical challenge in nanosafety assessment, particularly when experimental datasets are small and mechanistic validation is limited. This study proposes an artificial intelligence (AI)-driven nano-QSAR framework for predicting carbon nanotube (CNT)-induced cytotoxicity by systematically linking the physicochemical descriptor patterns with experimentally measured toxicity outcomes.
METHODS: A curated dataset containing cytotoxicity measurements for 80 CNTs in THP-1 cells was analyzed. Each CNT was
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Gestational anemia significantly elevates the risk of adverse maternal and neonatal outcomes, necessitating early predictive tools for targeted intervention. This study aimed to develop and validate a robust machine learning (ML) framework to forecast perinatal complications and facilitate early risk identification.
METHODS: Perinatal mortality, preterm birth, low birth weight and macrosomia are defined as adverse outcomes. Analyzing a retrospective cohort of 5,710 pregnant women, we identified 22 initial variables using Lasso regression integrated with seven ML-based screening al
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Effective risk stratification is crucial for managing cervical lesions. This study aimed to develop and evaluate machine learning models to improve the detection of cervical intraepithelial neoplasia (CIN) grade 2 or worse (CIN2+) and CIN3+. METHODS: This retrospective study included 2,863 participants. We developed three models: a Logistic Regression (Logit.Model), a Random Forest (RF.Model), and an XGBoost (XGBoost.Model) to predict CIN2 + and CIN3 + status. The dataset was split into training (60%) and test (40%) sets. Model performance was assessed using AUC, calibration curves
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Diabetic foot is a severe chronic complication of diabetes, mainly resulting from peripheral neuropathy and vasculopathy, and may progress to ulcers, infections, and amputation if not treated in a timely manner. Early identification of patients who already present a high-risk diabetic foot profile at clinical evaluation is therefore critical for guiding preventive interventions. This study aimed to develop an interpretable machine learning-based risk classification platform for classifying current diabetic foot risk status in patients with diabetes and supporting clinical risk stratification a
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BackgroundConventional breast cancer screening is limited by cost, access, and patient discomfort. Whether a lightweight machine-learning model trained on routine laboratory indicators can support opportunistic screening remains unsettled.MethodsA retrospective cohort of 13,285 individuals (1,216 ICD-10 C50 cases, 12,069 controls) from a Chinese tertiary hospital during 2022 to 2024 was analysed with a leakage-controlled pipeline. Six classical learners and LightGBM were trained on twenty indicators, then assessed by discrimination, calibration, decision-curve analysis, and zero-shot UK Bioban
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Lung cancer remains one of the leading causes of cancer-related mortality worldwide, where early detection and reliable risk assessment are critical for improving outcomes. This study develops and evaluates a range of ensemble learning models for lung cancer prediction using lifestyle and clinical indicators, with an emphasis on both predictive performance and interpretability. Five base learners-logistic regression, k-nearest neighbors, naïve Bayes, support vector machine, and linear discriminant analysis-were used to construct multiple boosting and bagging models. Building on these, voting a
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The objective of this study was to explore the potential of machine-learning techniques in the automatic identification and classification of brain metastases from a radiomic perspective, aiming to improve the accuracy of tumor volume assessment for radiotherapy. By using various machine-learning algorithms, including random forest, support vector machine, gradient boosting machine, XGBoost, decision tree, artificial neural network, k-nearest neighbors, LightGBM, and CatBoost algorithms, a stacking ensemble model was developed to classify gross tumor volume (GTV), brainstem, and normal brain t
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Basal cell carcinoma (BCC) is the most common human malignancy, yet its diagnosis relies on invasive histopathological biopsy with considerable inter-observer variability. Attenuated Total Reflectance Fourier Transform Infrared (ATR-FT-IR) spectroscopy provides non-destructive macromolecular fingerprinting of tissues, and machine learning enables high-dimensional pattern recognition in spectral data. This study aimed to characterize macromolecular alterations in BCC tissues and develop optimized machine learning classifiers for BCC detection.
METHODS: ATR-FT-IR spectra were acquir
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.