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
1044 публикаций
Поиск: 144 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 47 с найденным полным текстом
Understanding how neural networks transform inputs into outputs is crucial for interpreting and manipulating their behavior. Most existing approaches analyze internal representations by identifying hidden-layer activation patterns correlated with human-interpretable concepts. Here we take a direct approach to examine how hidden neurons act to drive network outputs. We introduce CODEC (Contribution Decomposition), a method that uses sparse autoencoders to decompose network behavior into sparse motifs of hidden-neuron contributions, revealing causal processes that cannot be determined by analyzi
СтатьяПрепринтПоиск 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.
Efficient drug discovery is essential to mitigate the high attrition rates and capital-intensive nature of traditional pharmaceutical research. Deep learning (DL) has catalyzed a paradigm shift, offering unprecedented computational capabilities to accelerate this process. This review systematically summarizes advancements in DL methodologies for drug discovery. First, the critical data foundations, Molecular Representation Learning, and core architectures underpinning artificial intelligence (AI)-driven therapeutics are elucidated, with a particular emphasis on the evolution of generative AI f
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.
The exponential growth of biomedical literature has made manual curation and systematic knowledge extraction increasingly impractical, driving the need for robust and automated text mining. This chapter traces the evolution of biomedical text mining (BioTM) from rule-based and classical machine learning to deep learning, with a particular focus on transformer architectures and generative AI (GenAI). We examine how domain-adaptive pretraining, ontology-aware modeling, and long-context transformers improve foundational tasks (named entity recognition, normalization, and relation extraction) whil
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.
Chronic pain is a widespread phenomenon affecting over 21% of the United States population. Despite the significant impact of pain on a patient's quality of life, the detection and identification of pain relies on subjective methods such as self-reporting. To address the challenges in identifying and treating chronic pain, a quantifiable biomarker for pain is needed. Here we present novel AI-driven method for the identification and isolation of localized pain signals in the brain during both acute and chronic pain. By using Matching Pursuit (MP) to decompose Local Field Potential (LFP) recordi
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 world is moving toward communication networks of 6G, so security will become a very essential aspect for the integrity and reliability of the system. Advanced anomaly detection and dropout rate estimation techniques are required due to the exponential rise in network traffic, diversity in applications, and interconnectivity of devices. Most of the anomaly detection models until now are encumbered with the issues of scalability, being adaptable to new types of attacks, and the capability of processing large, dynamic network data efficiently. In order to address these challenges, this paper
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.
In healthcare applications, automatic and intelligent movement recognition systems in Ambient Assisted Living (AAL) are designed for elderly and disabled persons. The AAL provides assistance as well as secure feelings to disabled persons and elderly individuals. In AAL, the movement recognition process has been emerging in recent days. The automatic and safe living of the disabled person is ensured by performing movement recognition in AAL. Movement recognition in the AAL is developed for disabled and elderly people and is also performed to provide healthcare assistance to the elderly and disa
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.
The design of novel central nervous system (CNS) drugs presents formidable challenges due to the restrictive nature of the blood-brain barrier, which imposes stringent physicochemical requirements. Recent advances in deep learning, particularly Transformer-based architectures, have shown great potential for de novo molecular design. In this study, we present CNSGT, a novel generative framework that integrates variational autoencoders (VAE) with self-attention mechanisms to address the complexity of CNS drug design. By overcoming the limitations of traditional SMILES-based representations, CNSG
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 increasing availability of large-scale omics data calls for robust analytical frameworks capable of handling complex gene expression datasets while offering interpretable results. Recent advances in artificial intelligence have enabled the identification of aberrant molecular patterns distinguishing disease states from healthy controls. Coupled with improvements in model interpretability, these tools now support the identification of genes potentially driving disease phenotypes. However, current approaches to gene anomaly detection often remain limited to single datasets and lack accessibl
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.
Leukemia is a type of blood tumour that occurs because of abnormal enhancement in WBCs (white blood cells) in the bone marrow of the human body. Blood-forming tissue cancer influences the lymphatic and bone marrow system. The early diagnosis and detection of leukaemia, i.e., the accurate difference of malignant leukocytes with little expense at the beginning of the disease, is a primary challenge in the disease analysis field. Despite the higher occurrence of leukemia, there is a lack of flow cytometry tools, and the procedures accessible at medical diagnostics centres are time-consuming. Dist
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.
Pathological brain appearances may be so heterogeneous as to be intelligible only as anomalies, defined by their deviation from normality rather than any specific set of pathological features. Amongst the hardest tasks in medical imaging, detecting such anomalies requires models of the normal brain that combine compactness with the expressivity of the complex, long-range interactions that characterise its structural organisation. These are requirements transformers have arguably greater potential to satisfy than other current candidate architectures, but their application has been inhibited by
Поиск 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.
To ensure the normal operation of the system, the enterprise's operations engineer will monitor the system through the KPI (key performance indicator). For example, web page visits, server memory utilization, etc. KPI anomaly detection is a core technology, which is of great significance for rapid fault detection and repair. This paper proposes a novel dual-stage attention-based LSTM-VAE (DA-LSTM-VAE) model for KPI anomaly detection. Firstly, in order to capture time correlation in KPI data, long-short-term memory (LSTM) units are used to replace traditional neurons in the variational autoenco
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.
Pipelines are integral components for storing and transporting liquid and gaseous petroleum products. Despite being durable structures, ruptures can still occur, resulting not only in financial losses and energy waste but, most importantly, in immeasurable environmental disasters and possibly in human casualties. The objective of the ESTHISIS project is the development of a low-cost and efficient wireless sensor system for the instantaneous detection of leaks in metallic pipeline networks transporting liquid and gaseous petroleum products in a noisy industrial environment. The implemented meth
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: Dementia presents a significant global health burden, with an increasing prevalence and considerable economic implications. In the intensive care unit (ICU), the number of dementia patients has steadily increased, highlighting the need for more accurate risk stratification. Traditional methods of patient classification often assume homogeneity, limiting their ability to identify subgroups at varying levels of mortality risk. This study explored the potential of graph attention networks (GATs) in addressing this gap, aiming to better characterize high-risk dementia subgroups in the
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.
This experimental study investigates whether the temporal evolution of received laser-beam intensity can be forecast from intensity images alone under controlled underwater turbulence. Conventional adaptive-optics systems commonly rely on present wavefront measurements and are therefore reactive to measured turbulence-induced distortions. We examine a different prerequisite problem: whether established deep-learning components can be assembled into short-horizon predictors of experimentally measured intensity evolution, without phase measurements or iterative wavefront reconstruction. Synchron
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.
Study of single-cell spatial biology reveals the importance of integrating single-cell and spatial data for capturing spatial structure at individual cell resolution in various fields. With the lack of cellular-level information in most spatial data, it is necessary to integrate single-cell and spatial data. Here, we developed a deep learning computational framework for alignment and mapping of unpaired single-cell and the spatial data by using adversarial joint-variational autoencoder and Random Forest model (SPCC). SPCC will generate a mapping matrix for single-cell and spatial positions tha
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.
Long-term inhalation of crystalline silica particles causes silicosis, a chronic and irreversible occupational lung disease that requires prompt and precise diagnosis to avoid serious clinical problems. Precise detection from chest X-ray (CXR) images is still a major difficulty, due to small inter-class texture changes and the lack of well-annotated datasets. This paper suggests a novel hybrid deep learning framework that combines transformer-based classification, latent feature representation, metaheuristic optimization, and generative data augmentation in order to overcome these drawbacks. C
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.
Advances in single-cell RNA sequencing (scRNA-seq) enable the exploration of cellular heterogeneity at single-cell resolution. Accurate cell clustering is a prerequisite for delineating these identities; however, the inherent sparsity and prevalent dropout noise of scRNA-seq data pose major algorithmic challenges. Existing graph-based deep learning methods often struggle in this regime, suffering from the structural fragility of static neighbor graphs and the dimensional redundancy of latent embeddings. Thus, we introduce a novel method named Hypergraph-Attention-Guided Graph Refinement and Fe
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.
Identifying driving styles is essential for personalizing driving assistance systems and enhancing intelligent transportation services. However, existing approaches predominantly rely on experience-driven feature engineering and annotated data, limiting objectivity and hindering the exploitation of unlabeled naturalistic driving datasets. To address these limitations, this paper proposes an unsupervised framework for driving style identification from naturalistic driving data through context normalization. A Constrained Convolutional Autoencoder (CCAE) integrated with a global self-attention m
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.
LncRNA-disease association (LDA) identification can provide valuable insights for understanding disease pathogenesis. Existing most deep learning-based LDA prediction models remain limitations in effectively fusing various features of lncRNAs and diseases and accurately classifying unknown lncRNA-disease pairs (LDPs). Here, we introduce a deep learning-based LDA prediction frame work named LDA-RMGPB based on multi-representation fusion and boosting with Gaussian process. First, a randomized singular value decomposition model is presented to extract LDP linear features. Subsequently, a masked g
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.
Traditionally recognized for guiding rRNA modifications, small nucleolar RNAs (snoRNAs) are increasingly appreciated as key regulators of drug response. However, snoRNA and drug association data remain limited, and computational approaches capable of capturing their complex, high-order relationships are scarce. Here, we present HMHLVI, a hybrid multi-view hypergraph learning with variational inference framework that integrates sequence, structural, and association information to predict snoRNA-drug response associations. HMHLVI constructs three higher-order networks called attribute, topology,
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.