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
1766 публикаций
Поиск: 213 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 220 с найденным полным текстом
The use of machine learning techniques to identify problem gamblers has been widely established. However, existing methods often rely on self-reported labeling, such as temporary self-exclusion or account closure. In this study, we propose a novel approach that combines two documented methods. First we create labels for problem gamblers in an unsupervised manner. Subsequently, we develop prediction models to identify these users in real-time. The methods presented in this study offer useful insights that can be leveraged to implement interventions aimed at guiding or discouraging players from
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.
Recently, there has been growing concern about the discharge of water-soluble polymers (especially synthetic polymers) into the environment. Therefore, the identification of water-soluble polymers in water samples is becoming increasingly crucial. In this study, a chemical tongue system to simply and precisely identify water-soluble polymers using multiple fluorescently responsive peptide sensors was demonstrated. Fluorescence spectra obtained from the mixture of each peptide sensor and water-soluble polymer were changed depending on the combination of the polymer species and peptide sensors.
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: Amyotrophic lateral sclerosis (ALS) is known to represent a collection of overlapping syndromes. Various classification systems based on empirical observations have been proposed, but it is unclear to what extent they reflect ALS population substructures. We aimed to use machine-learning techniques to identify the number and nature of ALS subtypes to obtain a better understanding of this heterogeneity, enhance our understanding of the disease, and improve clinical care.
METHODS: In this retrospective study, we applied unsupervised Uniform Manifold Approximation and Projection [UMA
СтатьяResearch Support, N.I.H., IntramuralПоддержка 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.
BACKGROUND: Artificial intelligence (AI) has influenced all aspects of human life and neurology is no exception to this growing trend. The aim of this paper is to guide medical practitioners on the relevant aspects of artificial intelligence, i.e., machine learning, and deep learning, to review the development of technological advancement equipped with AI, and to elucidate how machine learning can revolutionize the management of neurological diseases. This review focuses on unsupervised aspects of machine learning, and how these aspects could be applied to precision neurology to improve patien
СтатьяОбзорПоиск 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: The role of cell death in the pathogenesis of Moyamoya disease (MMD) remains unclear.
METHODS: Gene expression data from two publicly available MMD datasets (GSE157628 and GSE189993) were integrated. Differential expression analysis of cell death-related genes was performed, followed by immune cell infiltration analysis using the CIBERSORT algorithm. Unsupervised clustering identified molecular subgroups within MMD patients, and these were further analyzed using Gene Set Variation Analysis (GSVA) and Weighted Gene Co-expression Network Analysis (WGCNA). Diagnostic models were cons
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: Heart failure (HF) guidelines place patients into 3 discrete groups according to left ventricular ejection fraction (LVEF): reduced (<40%), mid-range (40-49%), and preserved LVEF (≥50%). We assessed whether clinical phenogroups offer better prognostication than LVEF.
METHODS AND RESULTS: This was a sub-study of the Patient-Centered Care Transitions in HF trial. We analysed baseline characteristics of hospitalized patients in whom LVEF was recorded. We used unsupervised machine learning to identify clinical phenogroups and, thereafter, determined associations between phenogroups and outc
СтатьяМногоцентровое исследованиеРандомизированное исследованиеПоддержка 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.
BACKGROUND: Ovarian torsion is a gynecologic emergency requiring timely management to preserve ovarian function and future fertility. Clinical presentation is heterogeneous and frequently non-specific, making the decision between operative and conservative management challenging, particularly in reproductive-aged patients.
OBJECTIVE: Develop and evaluate a machine learning-based prognostic model to support individualized management decisions in ovarian torsion.
METHODS: We conducted a retrospective cohort study of 219 patients diagnosed with ovarian torsion. Demographic characteristics, repr
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/AIMS: : Distal esophageal spasm (DES) is a rare, heterogeneous esophageal motility disorder with variable treatment responses. Machine learning methods are well suited to distinguish DES phenotypes that could inform therapeutic decisions and outcomes. This exploratory study aims to identify and characterize unique DES phenotypes using unsupervised machine learning clustering.
METHODS: : Adults undergoing high-resolution esophageal manometry (HRM) for esophageal symptoms between 2005-2025 were included. Uniform manifold approximation and projection (UMAP) was used for dimensionality
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.
INTRODUCTION: This study addresses automatic detection of skin changes especially asymmetry and symmetry of the lesions and their crucial role in the definition of dermatological asymmetry measure.
METHOD: The present research employs an integrated methodology, combining systematic evaluation of skin lesions. In the paper, we use unsupervised learning methods to assess the asymmetry of the lesions for dermatology as tool for computer-aided diagnostic systems. The asymmetry features are extracted from the images as vectors and then calculated using two dermatological shape asymmetry measure (D
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.
Age-related macular degeneration (ARMD), a major cause of sight impairment for elderly people, is still not well understood despite intensive research. Measuring the size of the lesions in the fundus is the main biomarker of the severity of the disease and as such is widely used in clinical trials yet only relies on manual segmentation. Artificial intelligence, in particular automatic image analysis based on neural networks, has a major role to play in better understanding the disease, by analyzing the intrinsic optical properties of dry ARMD lesions from patient images. In this paper, we prop
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.
PURPOSE: Clustering by unsupervised learning with machine learning classifiers was shown to segment clusters of patterns in standard automated perimetry (SAP) for glaucoma in previous publications. In this study, unsupervised learning by independent component analysis decomposed SAP field patterns into axes, and the information represented by these axes was evaluated.
METHODS: SAP fields were used that were obtained with the Humphrey Visual Field Analyzer (Carl Zeiss Meditec, Dublin, CA) from 189 normal eyes and 156 eyes with glaucomatous optic neuropathy (GON) determined by masked review wit
СтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПоддержка службы здравоохранения 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.
Impaired sleep in Parkinson's Disease (PD) is a significant unmet need. Targeting sleep stage-specific neurophysiologies with adaptive Deep Brain Stimulation (aDBS) may ameliorate sleep disruption. This study analyzes the efficacy of personalized machine learning approaches on classifying sleep stages from participants receiving deep brain stimulation. We acquired 283 hours of multi-night intracranial cortico-basal recordings with synchronized sleep stage labels derived from scalp EEG across 5 participants during chronic stimulation. Five-stage classification accuracy across PD subjects averag
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.
Dilated cardiomyopathy (DCM) is a leading cause of heart failure. Due to its complex pathogenesis, effective treatment strategies remain limited. Therefore, it is particularly important to identify novel candidate biomarkers from the pathogenesis level. In recent years, lactylation modification plays an important role in various cardiovascular diseases; however, its specific involvement in DCM remains unclear. Therefore, it is of great significance to identify lactylation-related biomarkers associated with DCM to provide insights for future mechanistic investigations. The DCM gene expression d
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 sense of smell is based on sensory detection of the molecule(s), which is then further perceptually interpreted. A possible measure of olfactory perception is an odor-independent olfactory perceptual fingerprint (OPF) defined by Snitz et al. We aimed to investigate whether OPF can distinguish patients with olfactory dysfunction (OD) due to coronavirus disease (COVID-19) from controls and which perceptual descriptors are important for that separation. Our study included 99 healthy controls and 41 patients. They rated 10 odors using 8 descriptors such as "pleasant," "intense," "familiar," "w
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.
OBJECTIVES: Flow cytometry (FC) is critical for the diagnosis and monitoring of hematologic malignancies. Machine learning (ML) methods rapidly classify multidimensional data and should dramatically improve the efficiency of FC data analysis. We aimed to build a model to classify acute leukemias, including acute promyelocytic leukemia (APL), and distinguish them from nonneoplastic cytopenias. We also sought to illustrate a method to identify key FC parameters that contribute to the model's performance.
METHODS: Using data from 531 patients who underwent evaluation for cytopenias and/or acute
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.
In this paper, a method to classify behavioural patterns of cattle on farms is presented. Animals were equipped with low-cost 3-D accelerometers and GPS sensors, embedded in a commercial device attached to the neck. Accelerometer signals were sampled at 10 Hz, and data from each axis was independently processed to extract 108 features in the time and frequency domains. A total of 238 activity patterns, corresponding to four different classes (grazing, ruminating, laying and steady standing), with duration ranging from few seconds to several minutes, were recorded on video and matched to accele
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: Exposure to nitrogen dioxide (NO2), ozone (O3), fine particulate matter (PM2.5), and heat has previously been associated with preterm birth. However, individuals are often exposed to a mixture of pollutants, which may exacerbate health effects. Unsupervised neural networks are highly suitable for characterizing high-dimensional exposures, but few studies of environmental mixtures have utilized these algorithms.
OBJECTIVES: To implement a novel epidemiologic machine learning framework for linking high-dimensional mixture exposures and health outcomes, with an application in preterm
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 relationship between temporal lobe epilepsy and psychopathology has had a long and contentious history with diverse views regarding the presence, nature and severity of emotional-behavioural problems in this patient population. To address these controversies, we take a new person-centred approach through the application of unsupervised machine learning techniques to identify underlying latent groups or behavioural phenotypes. Addressed are the distinct psychopathological profiles, their linked frequency, patterns and severity and the disruptions in morphological and network properties that
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.
T2 hyperintensities in spinal cord MR images are crucial biomarkers for conditions such as degenerative cervical myelopathy (DCM). However, current clinical diagnoses primarily rely on manual evaluation. Deep learning methods have shown promise in lesion detection, but most supervised approaches are heavily dependent on large, annotated datasets. Unsupervised anomaly detection (UAD) offers a compelling alternative by eliminating the need for abnormal data annotations. However, existing UAD methods face challenges of domain shifts and task conflict. We propose an Uncertainty-based Unsupervised
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.
Diabetes is a heterogenous, multimorbid disorder with a large variation in manifestations, trajectories, and outcomes. The aim of this study is to validate a novel machine learning method for the phenotyping of diabetes in the context of comorbidities. Data from 9967 multimorbid patients with a new diagnosis of diabetes were extracted from Clinical Practice Research Datalink. First, using BEHRT (a transformer-based deep learning architecture), the embeddings corresponding to diabetes were learned. Next, topological data analysis (TDA) was carried out to test how different areas in high-dimensi
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.