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
28968 публикаций
Поиск: 355 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1526 с найденным полным текстом
Uterine fibroids are common benign tumors originating from the uterus's smooth muscle layer, often leading to symptoms such as pelvic pain, and reproductive issues. Early detection is crucial to prevent complications such as infertility or the need for invasive treatments like hysterectomy. One of the main challenges in diagnosing uterine fibroids is the lack of specific symptoms, which can mimic other gynecological conditions. This often leads to under-diagnosis or misdiagnosis, delaying appropriate management. In this research, an attention based fine-tuned EfficientNetB0 model is proposed f
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: No research has been conducted on the use of deep learning for breastfeeding support.
RESEARCH AIM: This study aims to develop a nipple trauma evaluation system using deep learning.
METHODS: We used an exploratory data analysis approach to develop a deep-learning model for medical imaging. Employing object detection and classification, this Japanese study retrieved 753 images from a previous study. The classification protocol, based on the "seven signs of nipple trauma associated with breastfeeding," categorized the images into eight classes. For practical purposes, the eight ori
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.
AIM: Artificial intelligence (AI)-based systems are used in dentistry to ensure a more accurate and efficient diagnostic process. The objective of the present study was to evaluate the performance of a deep learning (DL) program for the detection and classification of dental structures and treatments on panoramic radiographs of pediatric patients.
MATERIALS AND METHODS: In total, 4821 anonymized digital panoramic radiographs of children between 5 and 13 years of age were analyzed by YOLOv4, a CNN (Convolutional Neural Networks)-based object detection model. The ability to make a correct diagn
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 pharynx is one of the few areas in the body where blood vessels and immune tissues can readily be observed from outside the body non-invasively. Although prior studies have found that sex could be identified from retinal images using artificial intelligence, it remains unknown as to whether individuals' sex could also be identified using pharyngeal images. Demographic information and pharyngeal images were collected from patients who visited 64 primary care clinics in Japan for influenza-like symptoms. We trained a deep learning-based classification model to predict reported sex, which inc
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.
Color Doppler echocardiography is a widely used noninvasive imaging modality that provides real-time information about intracardiac blood flow. In an apical long-axis view of the left ventricle, color Doppler is subject to phase wrapping, or aliasing, especially during cardiac filling and ejection. When setting up quantitative methods based on color Doppler, it is necessary to correct this wrapping artifact. We developed an unfolded primal-dual network (PDNet) to unwrap (dealias) color Doppler echocardiographic images and compared its effectiveness against two state-of-the-art segmentation app
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: In melanoma patients, surgical excision of the first draining lymph node, the sentinel lymph node (SLN), is a routine procedure to evaluate lymphogenic metastases. Metastasis detection by histopathological analysis assesses multiple tissue levels with hematoxylin and eosin and immunohistochemically stained glass slides. Considering the amount of tissue to analyze, the detection of metastasis can be highly time-consuming for pathologists. The application of artificial intelligence in the clinical routine has constantly increased over the past few years.
METHODS: In this multi-cente
Многоцентровое исследованиеСтатьяПоддержка исследования: вне правительства СШАПолный 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.
PURPOSE: To develop an automated deep learning system for detecting the presence and location of disc hemorrhages in optic disc photographs.
DESIGN: Development and testing of a deep learning algorithm.
METHODS: Optic disc photos (597 images with at least 1 disc hemorrhage and 1075 images without any disc hemorrhage from 1562 eyes) from 5 institutions were classified by expert graders based on the presence or absence of disc hemorrhage. The images were split into training (n = 1340), validation (n = 167), and test (n = 165) datasets. Two state-of-the-art deep learning algorithms based on eit
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.
According to twenty-first century climate-model projections, greenhouse warming will intensify rainfall variability and extremes across the globe1-4. However, verifying this prediction using observations has remained a substantial challenge owing to large natural rainfall fluctuations at regional scales3,4. Here we show that deep learning successfully detects the emerging climate-change signals in daily precipitation fields during the observed record. We trained a convolutional neural network (CNN)5 with daily precipitation fields and annual global mean surface air temperature data obtained fr
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
Defective wheels pose a significant challenge in railway transportation, impacting operational performance and safety. Excessive traction and braking forces give rise to deviations from the intended conical tread shape, resulting in amplified vibrations and noise. Moreover, these deviations contribute to the accelerated damage of track components. Detecting wheel defects at an early stage is crucial to ensure safe and comfortable operation, as well as to minimize maintenance costs. However, the presence of various vibrations, such as those induced by the track, traction motors, and other rolli
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.
The Internet of Things (IoT), big data, and artificial intelligence (AI) are all key technologies that influence the formation and implementation of digital medical services. Building Internet of Medical Things (IoMT) systems that combine advanced sensors with AI-powered insights is critical for intelligent medical systems. This paper presents an IoMT framework for brain magnetic resonance imaging (MRI) analysis to lessen the unavoidable diagnosis and therapy faults that occur in human clinical settings for the accurate detection of cerebral microbleeds (CMBs). The problems in accurate CMB det
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: Peripartum cardiomyopathy, one of the most fatal conditions during delivery, results in heart failure secondary to left ventricular systolic dysfunction. Left ventricular dysfunction can result in abnormalities in electrocardiography. However, the usefulness of electrocardiography in the identification of peripartum cardiomyopathy in pregnant women remains unclear.
OBJECTIVE: This study aimed to evaluate the effectiveness of a 12-lead electrocardiography-based artificial intelligence/machine learning-based software as a medical device for screening peripartum cardiomyopathy.
STUD
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.
Secondary hypertension is associated with higher risks of target organ damage and cardiovascular and cerebrovascular disease events. Early aetiology identification can eliminate aetiologies and control blood pressure. However, inexperienced doctors often fail to diagnose secondary hypertension, and comprehensively screening for all causes of high blood pressure increases health care costs. To date, deep learning has rarely been involved in the differential diagnosis of secondary hypertension. Relevant machine learning methods cannot combine textual information such as chief complaints with num
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.
OBJECTIVE: Neuronavigation and classification of craniopharyngiomas can guide surgical approaches and prognostic information. The QST classification has been developed according to the origin of craniopharyngiomas; however, accurate preoperative automatic segmentation and the QST classification remain challenging. This study aimed to establish a method to automatically segment multiple structures in MRIs, detect craniopharyngiomas, and design a deep learning model and a diagnostic scale for automatic QST preoperative classification.
METHODS: We trained a deep learning network based on sagitta
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.
Intraoperative identification of malignancies using indocyanine green (ICG)-based fluorescence imaging could provide real-time guidance for surgeons. Existing ICG-based fluorescence imaging mostly operates in the near-infrared (NIR)-I (700-1000 nm) or the NIR-IIa' windows (1000-1300 nm), which is not optimal in terms of spatial resolution and contrast as their light scattering is higher than the NIR-IIb window (1500-1700 nm). It is highly desired to achieve ICG-based fluorescence imaging in the NIR-IIb window, but it is hindered by its ultra-low NIR-IIb emission tail of ICG. Herein, we employ
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.
BACKGROUND: Processing Low-Intensity Medical Images (LI-MI) is difficult as outcomes are varied when it comes to manual examination, which is also a time-consuming process.
OBJECTIVE: To improve the quality of low-intensity images and identify the leukemia classification by utilizing CNN-based Deep Learning (DCNN) strategy.
METHODS: The strategies employed for the recognition of leukemia classifications in the advised strategy are DCNN (ResNet-34 & DenseNet-121). The histogram equalization-based adaptive gamma correction followed by guided filtering applies to study the improvement in intens
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.
PURPOSE: The purpose of this study was to determine the efficacy of using deep learning segmentation for endotracheal tube (ETT) position on frontal chest x-rays (CXRs).
MATERIALS AND METHODS: This was a retrospective trial involving 936 deidentified frontal CXRs divided into sets for training (676), validation (50), and 2 for testing (210). This included an "internal test" set of 100 CXRs from the same institution, and an "external test" set of 110 CXRs from a different institution. Each image was labeled by 2 radiologists with the ETT-carina distance. On the training images, 1 radiologist m
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.
Drug safety initiatives have endorsed human iPSC-derived cardiomyocytes (hiPSC-CMs) as an in vitro model for predicting drug-induced cardiac arrhythmia. However, the extent to which human-defined features of in vitro arrhythmia predict actual clinical risk has been much debated. Here, we trained a convolutional neural network classifier (CNN) to learn features of in vitro action potential recordings of hiPSC-CMs that are associated with lethal Torsade de Pointes arrhythmia. The CNN classifier accurately predicted the risk of drug-induced arrhythmia in people. The risk profile of the test drugs
СтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПолный 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.
Optimal and sustainable control of blood glucose levels (BGLs) is the aim of type-1 diabetes management. The automated prediction of BGL using machine learning (ML) algorithms is considered as a promising tool that can support this aim. In this context, this paper proposes new advanced ML architectures to predict BGL leveraging deep learning and ensemble learning. The deep-ensemble models are developed with novel meta-learning approaches, where the feasibility of changing the dimension of a univariate time series forecasting task is investigated. The models are evaluated regression-wise and cl
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.
Alzheimer's disease is an incurable neurodegenerative disease that affects brain memory mainly in aged people. Alzheimer's disease occurs worldwide and mainly affects people aged older than 65 years. Early diagnosis for accurate detection is needed for this disease. Manual diagnosis by health specialists is error prone and time consuming due to the large number of patients presenting with the disease. Various techniques have been applied to the diagnosis and classification of Alzheimer's disease but there is a need for more accuracy in early diagnosis solutions. The model proposed in this rese
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: Temporomandibular joint (TMJ) internal derangements (ID) represent the most prevalent temporomandibular joint disorder (TMD) in the population and its diagnosis typically relies on magnetic resonance imaging (MRI). TMJ articular discs in MRIs usually suffer from low resolution and contrast, and it is difficult to identify them. In this study, we applied two convolutional neural networks (CNN) to delineate mandibular condyle, articular eminence, and TMJ disc in MRI images.
METHODS: The models were trained on MRI images from 100 patients and validated on images from 40 patients usin
СтатьяПоддержка исследования: вне правительства СШАПолный 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.