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
51896 публикаций
Поиск: 159 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1514 с найденным полным текстом
Frontiers in pain research (Lausanne, Switzerland)2022eng
Pain is one of the most common symptoms reported by individuals presenting to hospitals and clinics and is associated with significant disability and economic impacts; however, the ability to quantify and monitor pain is modest and typically accomplished through subjective self-report. Since pain is associated with stereotypical physiological alterations, there is potential for non-invasive, objective pain measurements through biosensors coupled with machine learning algorithms. In the current study, a physiological dataset associated with acute pain induction in healthy adults was leveraged t
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.
PURPOSE: Compliance to the Surviving Sepsis Campaign (SSC) guidelines is limited. This is known to be associated with increased mortality. The aim of this retrospective cohort study was to identify among the SCC guidelines the optimal bundle of recommendations that minimize 28-day mortality.
METHODS: We used a training cohort to identify, using a least absolute shrinkage and selection operator penalized machine learning model, this bundle. Patients with sepsis/septic shock admitted to the intensive care unit (ICU) were extracted from two US databases, the Medical Information Mart for Intensiv
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: Though significant progress in disease elimination has been made over the past decades, trachoma is the leading infectious cause of blindness globally. Further efforts in trachoma elimination are paradoxically being limited by the relative rarity of the disease, which makes clinical training for monitoring surveys difficult. In this work, we evaluate the plausibility of an Artificial Intelligence model to augment or replace human image graders in the evaluation/diagnosis of trachomatous inflammation-follicular (TF).
METHODS: We utilized a dataset consisting of 2300 images with a 5
СтатьяПоддержка NIH: внешняя программаПолный 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.
Machine learning (ML) methods have the potential to automate clinical EEG analysis. They can be categorized into feature-based (with handcrafted features), and end-to-end approaches (with learned features). Previous studies on EEG pathology decoding have typically analyzed a limited number of features, decoders, or both. For a I) more elaborate feature-based EEG analysis, and II) in-depth comparisons of both approaches, here we first develop a comprehensive feature-based framework, and then compare this framework to state-of-the-art end-to-end methods. To this aim, we apply the proposed featur
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
Письмо в редакциюКомментарийПолный 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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
НовостьПолный 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: Bicuspid aortic valves (BAV) are associated with incompletely characterized aortopathy. Our objectives were to identify distinct patterns of aortopathy using machine-learning methods and characterize their association with valve morphology and patient characteristics.
METHODS: We analyzed preoperative 3-dimensional computed tomography reconstructions for 656 patients with BAV undergoing ascending aorta surgery between January 2002 and January 2014. Unsupervised partitioning around medoids was used to cluster aortic dimensions. Group differences were identified using polytomous ran
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.
Asthma is not a single disease, but an umbrella term for a number of distinct diseases, each of which are caused by a distinct underlying pathophysiological mechanism. These discrete disease entities are often labelled as 'asthma endotypes'. The discovery of different asthma subtypes has moved from subjective approaches in which putative phenotypes are assigned by experts to data-driven ones which incorporate machine learning. This review focuses on the methodological developments of one such machine learning technique-latent class analysis-and how it has contributed to distinguishing asthma a
СтатьяПоддержка исследования: вне правительства СШАОбзорПолный 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.
Tuberculosis (TB) remains to be a global major public-health threat, causing millions of deaths each year. A major difficulty in dealing with TB is that the causative bacterium, Mycobacterium tuberculosis, can persist in host tissue for a long period of time even after treatment. Mycobacterial persistence has become a central research focus for developing next-generation TB drugs. Latest genomic technology has enabled a high-throughput approach for identifying potential TB drug targets. Each gene product can be screened for its uniqueness to the TB metabolism, host-pathogen discrimination, ess
СтатьяОбзорПоиск 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.
Specific learning disorder (SLD) is a common neurodevelopmental disorder in children that significantly affects academic performance and quality of life. At present, diagnosis mainly relies on standardized tests and professional evaluations, a process that is complex and time-consuming. Multiple studies have shown that machine learning can analyze diverse data, including test scores, handwriting samples, eye movement data, neuroimaging data, and genetic data, to automatically learn the relationships between input features and output labels and achieve efficient prediction. It shows great poten
СтатьяОбзорАннотация на английскомПоиск 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.
A central problem in machine learning is often formulated as follows: Given a dataset [Formula: see text] , which is a sample drawn from an unknown probability distribution, the goal is to construct a functional model f such that f(x) ≈ y for any (x, y) drawn from the same distribution. Neural networks and kernel-based methods are commonly employed for this task due to their capacity for fast and parallel computation. The approximation capabilities, or expressive power, of these methods have been extensively studied over the past 35 years. In this paper, we will present examples of key ideas i
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.
PURPOSE: Heterogeneity among people diagnosed with schizophrenia-spectrum disorders (schizophrenia) and high prevalence of co-occurring disorders makes identification of optimal treatments difficult. This study identified behavioral health phenotypes using machine learning with Medicaid claims of adults with schizophrenia. We compared the phenotypes' clinical outcomes and psychotropic medication prescription patterns for clinical validity.
METHODS: Using national Medicaid claims from January 2010 - December 2012 we identified 249,006 adults ages 18-64, with ≥ 1 inpatient and/or ≥ 2 outpatient
СтатьяПоддержка NIH: внешняя программаПолный 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.
Preeclampsia is a multisystem hypertensive disorder that manifests itself after 20 weeks of pregnancy, along with proteinuria. The pathophysiology of preeclampsia is incompletely understood. Artificial intelligence, especially machine learning with its capability to identify patterns in complex data, has the potential to revolutionize preeclampsia research. These data-driven techniques can improve early diagnosis, personalize risk assessment, uncover the disease's molecular basis, optimize treatments, and enable remote monitoring. This brief review discusses the recent applications of artifici
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.
Artificial intelligence is the future of clinical practice and is increasingly utilized in medical management and clinical research. The release of ChatGPT3 in 2022 brought generative AI to the headlines and rekindled public interest in software agents that would complete repetitive tasks and save time. Artificial intelligence/machine learning underlies applications and devices which are assisting clinicians in the diagnosis, monitoring, formulation of prognosis, and treatment of patients with a spectrum of neuromuscular diseases. However, these applications have remained in the research spher
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.
Detecting doping agents in sports poses a significant challenge due to the continuous emergence of new prohibited substances and methods. Traditional detection methods primarily rely on targeted analysis, which is often labor-intensive and is susceptible to errors. In response, machine learning offers a transformative approach to enhancing doping screening and detection. With its powerful data analysis capabilities, machine learning enables the rapid identification of patterns and features in complex compound data, increasing both the efficiency and the accuracy of detection. Moreover, when in
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.
The diagnosis of keratoconus is closely related to artificial intelligence. Machine learning is the core of artificial intelligence, machine learning models combined with corneal information are effective supplements in keratoconus diagnosis and provide decision support. These artificial intelligence systems can bring efficiency, reduce artificial misjudgment and effectively reduce manpower costs. In this paper, by summarizing the previous machine learning models that assisted the diagnosis of keratoconus, we may help researchers understand the relevant knowledge in the field of intelligent di
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
Письмо в редакциюПоддержка исследования: вне правительства СШАКомментарийПолный 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.
Machine learning (ML) revolves around the concept of using experience to teach computer-based programs to reliably perform specific tasks. Healthcare setting is an ideal environment for adaptation of ML applications given the multiple specific tasks that could be allocated to computer programs to perform. There have been several scoping reviews published in literature looking at the general acceptance and adaptability of surgical specialities to ML applications, but very few focusing on the application towards craniofacial surgery. This study aims to present a detailed scoping review regarding
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.
Following a previous paper describing how memory appeared in the nervous system in mammalians, during evolution, and how its significant growth led to hominization, the present paper intends to show the prevailing place it occupies in human brain. Memory, an attribute of cortex, is an engraving of neuronal circuits created during information analysis of data input in the cortex. It is created either by repetition of information or by increase in brain activity, under the influence of a central brain system. In the brain of human newborns, immature and unprogrammed, but endowed with a great cap
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 prediction of freeway incident duration is important for traffic management and emergency resource allocation. This study evaluates 32 machine-learning model configurations using 828 incident records from the G2504 Hangzhou Ring Freeway in China. Four fixed feature sets containing the top 6, 11, 16, and 21 predictors were defined from a Minimum Redundancy Maximum Relevance (MRMR) ranking. Each feature setting was evaluated using a 15% hold-out test set, seven repeated random splits, and sevenfold cross-validation within the training subset. All 32 machine-learning models were tuned wi
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.