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
2047 публикаций
Поиск: 136 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 707 с найденным полным текстом
Breast cancer remains one of the leading causes of cancer-related mortality among women worldwide. Early and accurate detection is critical for improving survival rates and enabling effective treatment. This research proposes a fine-tuned Multi-Deep Neural Network model with Multiple Datasets (FT-MDNNMDs). The proposed system employs a hierarchical classification strategy, first distinguishing cancer from normal cases, and subsequently classifying cancer-positive cases into Stage II and Stage III categories. The model integrates data from The Cancer Genome Atlas (TCGA) and a private clinical i
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.
Riemerella anatipestifer (R. anatipestifer) is a major pathogen in poultry worldwide, with multidrug resistance (MDR) and diverse serotypes complicating disease control. This study systematically investigated the molecular basis of serotyping and MDR characteristics in 92 R. anatipestifer strains isolated from 13 provinces in China between 2008 and 2023 by integrating pan-genome analysis with machine learning approaches. In this study, serotypes 2 (29.4 %), 7 (25.0 %), and 1 (21.7 %) were predominant. All isolates exhibited MDR and strains of serotypes 2 and 7 had significantly higher MICs for
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.
Since the emergence of high-risk clones worldwide, constant investigations have been undertaken to comprehend the molecular basis that led to their prevalent dissemination in nosocomial settings over time. So far, the complex and multifactorial genetic traits of this type of epidemic clones have allowed only the identification of biomarkers with low specificity. A machine learning algorithm was able to recognize unequivocally a biomarker for early and accurate detection of Acinetobacter baumannii global clone 1 (GC1), one of the most disseminated high-risk clones. A support vector machine mode
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.
Assembly of bacterial short-read whole-genome sequencing data frequently results in hundreds of contigs for which the origin, plasmid or chromosome, is unclear. Complete genomes resolved by long-read sequencing can be used to generate and label short-read contigs. These were used to train several popular machine learning methods to classify the origin of contigs from Enterococcus faecium, Klebsiella pneumoniae and Escherichia coli using pentamer frequencies. We selected support-vector machine (SVM) models as the best classifier for all three bacterial species (F1-score E. faecium=0.92, F1-scor
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.
Herein, a machine learning-assisted Cu-MOF/OPD/RB triple-emission ratiometric fluorescence sensing platform has been developed for the highly sensitive and selective detection of glutathione (GSH). The bifunctional Cu-MOF serves as the core, exhibiting intrinsic blue fluorescence at 450 nm and peroxidase-like activity to catalyze the oxidation of o-phenylenediamine (OPD) into fluorescent DAP (545 nm) in the presence of H2O2. Rhodamine B (RB) is further introduced to provide red emission at 580 nm. DAP quenches the fluorescence of the Cu-MOF through an inner filter effect (IFE) while simultaneo
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.
OBJECTIVE: To introduce and evaluate an efficient neural network approach for human pose estimation and correction during physical therapy exercises using wearable sensor data.
METHODS: We leveraged benchmark data consisting of 276,625 records from wearable inertial and magnetic sensors. A novel method termed Random Forest Long Short-Term Memory (RFL), which integrates long short-term memory and Random Forest neural networks, was implemented for transfer feature engineering. The smartphone sensor data was used to generate new temporal and probabilistic features. These features were then utili
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.
BackgroundMany migraine sufferers report difficulties in managing their attacks, leading to missed workdays, impaired cognitive function and reduced participation in social activities. This challenge underscores the importance of identifying reliable indicators of an impending attack. The present study aimed to develop and evaluate machine learning models for predicting migraine attacks based on continuous, non-invasive monitoring of autonomic nervous system activity.MethodsData from a wrist-worn biosensor device the Empatica EmbracePlus (Empatica Inc., Boston, MA, USA) capturing electrodermal
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: Scarce data on factors related to discharge disposition in patients hospitalized for acute heart failure (AHF) were available, and we sought to develop a parsimonious and simple predictive model for non-home discharge via machine learning.
METHODS: This observational cohort study using a Japanese national database included 128,068 patients admitted from home for AHF between April 2014 and March 2018. The candidate predictors for non-home discharge were patient demographics, comorbidities, and treatment performed within 2 days after hospital admission. We used 80% of the population
Наблюдательное исследованиеСтатьяПоиск 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.
PURPOSE: To develop a machine-learning image processing model for three-dimensional (3D) reconstruction of vitreous anatomy visualized with swept-source optical coherence tomography (SS-OCT).
METHODS: Healthy subjects were imaged with SS-OCT. Scans of sufficient quality were transferred into the Fiji is just ImageJ image processing toolkit, and proportions of the resulting stacks were adjusted to form cubic voxels. Image-averaging and Trainable Weka Segmentation using Sobel and variance edge detection and directional membrane projections filters were used to enhance and interpret the signals
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: Generally, brain-computer interfaces (BCIs) require calibration before usage to ensure efficient performance. Therefore, each BCI user has to attend a certain number of calibration sessions to be able to use the system. However, such calibration requirements may be difficult to fulfill especially for patients with disabilities. In this paper, we introduce a probabilistic transfer learning approach to reduce the calibration requirements of our EEG-fTCD hybrid BCI designed using motor imagery (MI) and flickering mental rotation (MR)/word generation (WG) paradigms. The proposed approa
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.
Using machine learning methods to estimate brain effective connectivity networks from functional magnetic resonance imaging (fMRI) data has gradually become one of the hot subjects in the fields of neuroscience. In particular, the encoder-decoder based methods can effectively extract the connections in fMRI time series, which have achieved promising performance. However, these methods generally use Granger causality model, which may identify false directions due to the non-stationary characteristic of fMRI data. Additionally, fMRI datasets have limited sample sizes, which significantly constra
СтатьяПоддержка исследования: вне правительства СШАПоиск 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.
Recently, multiple investigations were completed on the involuntary analysis of Alzheimer’s disease using various models. The primary intention of most of these investigation works has depended on the recognition of AD from neuroimaging data. On the other hand, diagnosing symptoms promptly as much as possible is critical as disease-adapting drugs will be most effective if managed timely in the development of the disease, before the happening of permanent brain damage. Magnetic Resonance Imaging is a non-invasive process, commonly assumed in hospitals to inspect mental abnormalities. It is one
СтатьяОтозванная публикацияПоиск 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.
Machine learning (ML) is necessary to efficiently identify potent drug combinations within a large candidate space to combat drug resistance. However, existing ML approaches cannot be applied to emerging and understudied pathogens with limited training data. Hence, we developed a computational framework (TACTIC [transfer-learning and cross-species training to infer combination therapies]) to train ML models on data from multiple model bacteria. TACTIC was built using 2,965 drug interactions from 12 bacterial strains and outperformed traditional ML models in predicting drug interaction outcomes
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.
Handwriting difficulty is a defining feature of Chinese developmental dyslexia (DD) due to the complex structure and dense information contained within compound characters. Despite previous attempts to use deep neural network models to extract handwriting features, the temporal property of writing characters in sequential order during dictation tasks has been neglected. By combining transfer learning of convolutional neural network (CNN) and positional encoding with the temporal-sequential encoding of long short-term memory (LSTM) and attention mechanism, we trained and tested the model with h
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.
AIMS AND OBJECTIVES: In the present paper, we compared the efficiency of six transfer learning models to detect malignant cells in urine cytology. We also applied an ensemble learning with weighted soft voting to assess its importance in the diagnostic accuracy in urine cytology.
MATERIALS AND METHODS: The voided urine samples of total 104 cases of urothelial cell carcinoma (UCC) and 86 cases with no malignancy (benign) were selected. All the 104 cases of UCC were histopathology proven high grade urothelial cell carcinoma (UCC). Urine with negative cytology reports were followed up clinically
СтатьяСравнительное исследованиеПолный 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.
Cationic polymers are considered promising delivery systems for mRNA, offering potential advantages over lipid nanoparticles. Here a library of tertiary amine-containing, methacrylate-based cationic polymers with diverse molecular characteristics and properties were prepared by combinatorial RAFT polymerization for mRNA delivery. The ability of the synthesized cationic polymers to complex with mRNA was thoroughly investigated. The biological responses, including cellular uptake, cytotoxicity, and mRNA transfection efficiency, of the formed mRNA-polymer polyplexes were systemically investigated
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: Current embryo selection is limited by fragmented morphological assessments, high resource demands of image-based Artificial Intelligence, and inadequate integration of clinical factors. This study aims to establish a unified multi-day assessment framework by developing an Improved Numerical Embryo Quality scoring index (INEQsi) and to provide a lightweight and robust tool for predicting embryo quality and pregnancy outcomes by integrating these standardized scores with clinical data through machine learning.
METHODS: This study developed a multidimensional embryo scoring system base
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.
UNLABELLED: Introduction:Breast cancer is a global issue impacting women's well-being, highlighting the importance of early detection to improve treatment outcomes and decrease mortality rates. This study aimed to assess various AI methodologies to classify breast images into normal, benign, and malignant.
METHODS: A hybrid of 4 CNN-pertained networks-Res-Net18, Mobile-Net, Shuffle-Net, and Inception-V3-were applied on 269 mammograms and 267 dynamic contrast-enhanced MRI examinations. Transfer learning was used, adapting the last fully connected layers to classify 3 classes (normal, benign, 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.
Tauopathies are characterised by a progressive accumulation of hyperphosphorylated tau. However, early and intermediate stages remain challenging to quantify due to subtle and heterogeneous morphological characteristics. This study evaluates a deep learning framework for classifying multiple temporal stages of tauopathy progression using AT8 (anti-phospho-tau antibody)-stained cortical micrographs in a controlled traumatic brain injury mouse model - an underexplored application. Three convolutional neural network (CNN) architectures were examined: a custom CNN and two transfer-learning models
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 propose a novel strategy for detecting upper-limb motion intentions from mechanical sensor signals using deep and heterogeneous transfer learning techniques. Three sensor types, surface electromyography (sEMG), force-sensitive resistors (FSRs), and inertial measurement units (IMUs), were combined to capture biometric signals during arm-up, hold, and arm-down movements. To distinguish motion intentions, deep learning models were constructed using the CIFAR-ResNet18 and CIFAR-MobileNetV2 architectures. The input features of the source models were sEMG, FSR, and
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.