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
3381 публикаций
Поиск: 155 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 829 с найденным полным текстом
IEEE journal of biomedical and health informatics2019eng
Breast cancer is a high-incidence type of cancer for women. Early diagnosis plays a crucial role in the successful treatment of the disease and the effective reduction of deaths. In this paper, deep learning technology combined with ultrasound imaging diagnosis was used to identify and determine whether the tumors were benign or malignant. First, the tumor regions were segmented from the breast ultrasound (BUS) images using the supervised block-based region segmentation algorithm. Then, a VGG-19 network pretrained on the ImageNet dataset was applied to the segmented BUS images to predict wheth
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.
INTRODUCTION: Operating theatres significantly contribute to hospital expenditures. Traditional surgery scheduling, which is often based on manual methods or historical averages, lacks precision. This inefficiency impacts cost, timely care delivery and patient experience, particularly in high-volume surgeries. To address this, we aimed to create data-driven predictive models for cataract surgery durations, a largely unexplored area in local literature.
METHODS: We utilised supervised machine learning models, including linear regression, random forest and extreme gradient boosting (XGBoost). P
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: Helicobacter pylori (H. pylori) infection is widespread globally and is linked to outcomes ranging from chronic gastritis to gastric cancer. However, only a minority of infected individuals progress to malignancy, influenced by a mix of bacterial, host, and environmental factors. Current predictive approaches are limited due to relying mainly on clinical and lifestyle data. Genomic approaches have been sparsely used, and thus their incorporation into machine learning models could ensure early and personalized detection. This study aimed to evaluate the impact of integrating host me
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: Accurate and scalable behavioral annotation remains a challenge in behavioral neuroscience. Manual scoring is time-consuming, variable across annotators, and may overlook transient behaviors critical for phenotyping. By learning from annotated datasets, supervised machine learning (ML) enables automated classification of behavior with high consistency and reduced bias.
NEW METHOD: We benchmarked five supervised ML algorithms, Random Forest, XGBoost, Support Vector Machine, k-Nearest Neighbors, and Multilayer Perceptron (MLP), and compared data against expert human annotations of s
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.
The forensic analysis of bloodstains on various substrates plays a crucial role in criminal investigations. This study presents a novel approach for analyzing bloodstains using Attenuated Total Reflectance Fourier Transform Infrared spectroscopy (ATR-FTIR) in combination with machine learning. ATR-FTIR offers non-destructive and non-invasive advantages, requiring minimal sample preparation. By detecting specific chemical bonds in blood components, it enables the differentiation of various body fluids. However, the subjective interpretation of the spectra poses challenges in distinguishing diff
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: Accurate classification of aortic stenosis (AS) severity remains challenging despite detailed echocardiographic assessment. Adjudication of severity is informed by subjective interpretation of aortic leaflet motion from the first image parasternal long axis (PLAX) view, but quantitative metrics of leaflet motion currently do not exist. The objectives of the study were to echocardiographically quantify aortic leaflet motion using the PLAX view and correlate motion data with Doppler-derived hemodynamic indices of disease severity, and predict significant AS using these isolated motio
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.
A portable Raman spectroscopy system was developed for in vivo diagnosis of oral squamous cell carcinoma (OSCC) in clinical settings. 46 patients with histopathologically confirmed OSCC were involved. The preprocessed dataset was used to train four supervised machine learning classifiers, support vector machine (SVM), k-nearest neighbors (KNN), ensemble algorithms (EA), and linear discriminant analysis (LDA), under a stratified ten-fold cross-validation scheme. Comparative evaluation demonstrated that SVM achieved perfect classification accuracy (100%), outperforming LDA (96.6%), EA (90.7%), a
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.
Technological advances together with machine learning techniques give health science disciplines tools that can improve the accuracy of evaluation and diagnosis. The objectives of this study were: (1) to design a web application based on cloud technology (eEarlyCare-T) for creating personalized therapeutic intervention programs for children aged 0-6 years old; (2) to carry out a pilot study to test the usability of the eEarlyCare-T application in therapeutic intervention programs. We performed a pilot study with 23 children aged between 3 and 6 years old who presented a variety of developmenta
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.
Behavioral testing is an essential tool for evaluating cognitive function and dysfunction in preclinical research models. This is of special importance in the study of neurological disorders such as Alzheimer's disease. However, the reproducibility of classic behavioral assays is frequently compromised by interstudy variation, leading to ambiguous conclusions about the behavioral markers characterizing the disease. Here, we identify age- and genotype-driven differences between 3xTg-AD and non-transgenic control mice using a low-cost, highly customizable behavioral assay that requires little hu
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.
MOTIVATION: Perineural invasion (PNI) is an important pathological phenotype associated with poor prognosis in multiple malignancies. The primary detection method is visual inspection of whole slide images (WSIs), which is labor-intensive, time-consuming, subjective, and prone to high inter-observer variability. Developing reliable, accurate deep learning models for PNI detection is constrained by the lack of pixel-level annotated WSIs.
RESULTS: We evaluated four backbone architectures and two different approaches to improve PNI detection in a multi-organ dataset of colon, prostate, and pancr
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.
Medical images have become indispensable for decision-making and significantly affect treatment planning. However, increasing medical imaging has widened the gap between medical images and available radiologists, leading to delays and diagnosis errors. Recent studies highlight the potential of deep learning (DL) in medical image diagnosis. However, their reliance on labelled data limits their applicability in various clinical settings. As a result, recent studies explore the role of self-supervised learning to overcome these challenges. Our study aims to address these challenges by examining 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.
Despite that deep learning has achieved state-of-the-art performance for automatic medical image segmentation, it often requires a large amount of pixel-level manual annotations for training. Obtaining these high-quality annotations is time-consuming and requires specialized knowledge, which hinders the widespread application that relies on such annotations to train a model with good segmentation performance. Using scribble annotations can substantially reduce the annotation cost, but often leads to poor segmentation performance due to insufficient supervision. In this work, we propose a novel
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 AND OBJECTIVE: Cervical cancer poses a major health threat to women globally. Optical coherence tomography (OCT) imaging has recently shown promise for non-invasive cervical lesion diagnosis. However, obtaining high-quality labeled cervical OCT images is challenging and time-consuming as they must correspond precisely with pathological results. The scarcity of such high-quality labeled data hinders the application of supervised deep-learning models in practical clinical settings. This study addresses the above challenge by proposing CMSwin, a novel self-supervised learning (SSL) fra
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.
Accurate prediction of anthropometric body composition variables, such as Appendicular Lean Mass (ALM), Body Fat Percentage (BFP), and Bone Mineral Density (BMD), is essential for early diagnosis of several chronic diseases. Currently, researchers rely on Dual-Energy X-ray Absorptiometry (DXA) scans to measure these metrics; however, DXA scans are costly and time-consuming. This work proposes an alternative to DXA scans by applying statistical and machine learning models on biomarkers (height, volume, left calf circumference, etc.) obtained from 3D optical images. The dataset consists of 847 p
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.
Accurately assessing the severity of pediatric pneumonia using AI-based lung ultrasound (LUS) video scoring remains challenging due to three main limitations: 1) limited availability of expert annotations, 2) underutilization of temporal dynamics, and 3) lack of mechanisms to capture the directional patterns and temporal evolution of diagnostic artifacts. To address these challenges, we introduce PedLUS, a self-supervised video learning framework for Pediatric Lung Ultrasound Scoring, together with a dedicated dataset comprising 1,646 unlabeled clips for pretraining and 464/156 labeled clips f
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.
Accurate segmentation of skin lesions in dermoscopy images remains challenging due to the scarcity of densely annotated medical images, as manual pixel-level annotation demands significant expert effort. Conversely, textual descriptions are more readily obtainable and can potentially provide rich semantic context for improving segmentation models. In this paper, we propose a novel framework leveraging text-guided pseudo descriptions to enhance semi-supervised skin lesion segmentation. Our approach capitalizes on the emerging capabilities of vision large-language models to generate approximate
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.
Contrast-free myocardial infarction (MI) segmentation is essential for mitigating the health risks associated with contrast agents (CAs) in clinical diagnostics. However, existing approaches are limited by their reliance on strictly paired CINE sequences and contrast-enhanced images, which are often difficult to obtain because patient conditions and imaging protocols often cause inter-modality slice misalignments. Therefore, we propose MTMS, the first label-free training and contrast-free MI segmentation model, enabling effective training without requiring paired datasets. Notably, MTMS is the
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.
Echocardiography video segmentation is critical for cardiovascular disease diagnosis. However, it still suffers from the challenge of dual-level bias. This challenge derives from the frame-level bias in temporal dimension and the object-level bias in the spatial dimension on echocardiography video. To overcome this challenge, we propose a spatial-temporal consistency (STC) model based on semi-supervised learning for echocardiography video segmentation. This model aligns and fuses inter-frame and inter-object context-aware feature representations. First, the STC explores a temporal context-awar
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 pixel-level segmentation of ultrasound (US) images is vital for computer-aided disease screening, diagnosis, and treatment response evaluation. The weakly supervised methods have the potential to reduce the time-consuming and labor-intensive workload for radiologists, paving the way for further automation in the quantitative analysis of US images. Among these methods, the multiple instance learning (MIL) has proven effective and is often applied to prediction tasks with insufficiently labeled data. In US examinations, the elliptical region formed by intersecting lines used by radiolog
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.
Automated acid-fast bacilli (AFB) detection with digital microscopy is important for the improvement of tuberculosis diagnosis in communities or populations where expert annotations are not available. In this paper, we propose a semi-supervised graph-based learning approach with label spreading and effectively make use of both the small number of labeled images and the huge collection of unlabeled high-resolution smear microscopy images. The approaches diffuse label evidence over graph-derived representations of the images and use smooth diffusion-over-graph algorithms with soft constraints to
СтатьяОбзорПолный 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.