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
907 публикаций
Поиск: 151 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 761 с найденным полным текстом
OBJECTIVE: The aim of this study is to construct a deep learning-based prediction model to accurately predict the risk of autoimmune thyroiditis (AIT) in patients with connective tissue disease (CTD) using whole section images (WSI) of labial gland pathological tissue.
METHODS: This was a retrospective study. The labial gland pathological sections of total 121 CTD patients were collected. According to the results of thyroid autoantibodies, including thyroglobulin antibody (TgAb) and thyroid peroxidase antibody (TPOAb), the patients were divided into positive group (Ab+ Group) and negative gro
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.
OBJECTIVE: To develop and validate a deep learning-based multi-instance learning (MIL) model that integrates CT imaging and clinical data to improve the accuracy of discriminating between strangulated small bowel obstruction (StSBO) from simple small bowel obstruction (SiSBO) in pediatric patients.
MATERIALS AND METHODS: This multicenter retrospective study, conducted between January 2018 and June 2024, enrolled hospitalized pediatric patients aged 1-14 years with a diagnosis of small bowel obstruction. We developed the clinical, multi-instance learning, and combined models based on CT and cl
СтатьяМногоцентровое исследованиеВалидационное исследованиеПолный 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.
Early cancer detection using T-cell receptor sequencing (TCR-seq) and multiple instances learning methods has shown significant effectiveness. We introduce a multiple instance learning method based on convolutional neural networks and self-attention (MICA). First, MICA preprocesses TCR-seq using word vectors and then extracts features using convolutional neural networks. Second, MICA uses an enhanced self-attention mechanism to extract relational features of instances. Finally, MICA can extract the crucial TCR-seq. After cross-validation, MICA achieves an area under the curve (AUC) of 0.911 an
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.
Fibrous dysplasia (FD), cemento-ossifying fibroma (COF), and cemento-osseous dysplasia (COD) are fibro-osseous lesions of the jaw that share histologic features, making their differentiation in routine pathology practice challenging. Distinguishing these conditions is crucial for clinical management due to their varying prognoses. To address these limitations, we developed and validated a deep learning model using 1,218 hematoxylin and eosin whole slide images from 338 cases (FD, n = 130; COF, n = 146; COD, n = 62) across 3 institutions. After digital scanning and image preprocessing, we compa
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: Accurate assessment of Ki-67 expression levels in breast cancer is crucial for determining prognosis and making informed treatment decisions. Current immunohistochemical methods relying on needle biopsy introduce sampling errors due to tumor spatial heterogeneity, making the development of non-invasive, precise preoperative prediction methods of significant clinical importance. This study aims to explore and compare advanced deep learning models based on dynamic contrast-enhanced magnetic resonance imaging (DCE-MRI) for noninvasive assessment of Ki-67 expression.
METHODS: This ret
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: Gastric cancer (GC) is one of the leading causes of cancer-related deaths globally, with a 5-year survival rate of less than 40%. While immune checkpoint inhibitors have provided promising therapeutic options for advanced GC, only a small proportion of patients benefit. In this study, we developed a deep learning model using whole-slide images to predict prognoses and sensitivity to immune checkpoint inhibitors in GC patients by predicting a novel marker. METHODS: Formalin-fixed, paraffin-embedded whole-slide images from 292 patients in the Cancer Genome Atlas-Stomach Adenocarcinom
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.
AIMS: This research was designed to establish an innovative diagnostic strategy employing whole-slide imaging (WSI) technology to address the diagnostic difficulties arising from the intricate histological architecture and morphological diversity observed in oral squamous cell carcinoma (OSCC). The developed methodology enables precise early identification and histomorphology-driven prognostic stratification of malignant lesions, thereby improving clinical management and patient prognosis.
METHODS: We propose a multi-task learning framework that combines local-global attention mechanisms with
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.
UNLABELLED: Papillary thyroid microcarcinomas (PTMCs) account for about 30% of papillary thyroid cancer cases, and the BRAF V600E mutation is one of the driver mutations in the development of papillary thyroid carcinomas. However, traditional molecular diagnostic methods are time-consuming and costly, highlighting the need for alternative approaches, such as machine learning-based analysis of histopathological images.
OBJECTIVE: To evaluate the feasibility of using a Multiple-Instance Learning (MIL) model to predict BRAF status in PTMC patients based on histopathological whole-slide images wi
Аннотация на английскомСтатьяПоиск 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.
Nuclei instance segmentation in hematoxylin and eosin (H&E)-stained images plays an important role in automated histological image analysis, with various applications in downstream tasks. While several machine learning and deep learning approaches have been proposed for nuclei instance segmentation, most research in this field focuses on developing new segmentation algorithms and benchmarking them on a limited number of arbitrarily selected public datasets. In this work, rather than focusing on model development, we focused on the datasets used for this task. Based on an extensive literature r
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.
Pancreatic ductal adenocarcinoma (PDAC) is a highly mortal cancer whose only potentially curative treatment is surgical resection. Intraoperative assessment of its surgical margins is vital for patient survival. Frozen section biopsy is routinely performed for this purpose. However, its heavy reliance on pathologists' expertise often leads to diagnostic discrepancies. The inherent invasiveness of PDAC also leads to sampling errors. This study developed an intelligent molecular cytology approach that improves diagnostic objectivity and broadens sampling coverage. Our method, Multi-Instance Cyto
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: The accurate prediction of lymph node metastasis (LNM) is crucial for managing locally advanced (T3/T4) colorectal cancer (CRC). However, both traditional histopathology and standard slide-level deep learning often fail to capture the sparse and diagnostically critical features of metastatic potential.
AIM: To develop and validate a case-level multiple-instance learning (MIL) framework mimicking a pathologist's comprehensive review and improve T3/T4 CRC LNM prediction.
METHODS: The whole-slide images of 130 patients with T3/T4 CRC were retrospectively collected. A case-level MIL
СтатьяВалидационное 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.
Accurate differentiation of BCR::ABL1-negative myeloproliferative neoplasms (MPNs) based on bone marrow smear morphology remains challenging. While previous artificial intelligence (AI) approaches have primarily focused on bone marrow core biopsies, the diagnostic potential of routine bone marrow smears has remained largely unexplored. Using 460 digitized bone marrow smear whole-slide images, we developed an attention-based multi-instance learning model using features extracted from a self-supervised vision foundation model to classify polycythemia vera (PV), essential thrombocythemia (ET), an
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.
Automated Screening of COVID-19 from chest CT is of emergency and importance during the outbreak of SARS-CoV-2 worldwide in 2020. However, accurate screening of COVID-19 is still a massive challenge due to the spatial complexity of 3D volumes, the labeling difficulty of infection areas, and the slight discrepancy between COVID-19 and other viral pneumonia in chest CT. While a few pioneering works have made significant progress, they are either demanding manual annotations of infection areas or lack of interpretability. In this paper, we report our attempt towards achieving highly accurate and
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.
Parkinson's Disease (PD) is a progressive neurodegenerative disorder with substantial impact on patients' quality of life. Subthalamic nucleus deep brain stimulation (STN-DBS) is an effective treatment for advanced PD, but patient responses vary, necessitating predictive models for personalized care. Recent advancements in medical imaging and machine learning offer opportunities to enhance predictive accuracy, particularly through deep learning and multi-instance learning (MIL) techniques. This retrospective study included 127 PD patients undergoing STN-DBS. Medical records and imaging data we
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.
INTRODUCTION: R1 margin status after pancreatoduodenectomy (PD) for pancreatic ductal adenocarcinoma (PDAC) remains common and is associated with inferior survival. Preoperative imaging inadequately predicts microscopic margin involvement, particularly at the superior mesenteric artery interface. This study evaluated whether deep learning applied to preoperative CT imaging could predict pathological margin status.
METHODS: Patients who underwent PD for PDAC between 2007-2021 were identified from a prospectively maintained database. Preoperative triphasic CT scans were processed into standardi
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.
Conventional ascitic fluid cytology for detecting ovarian cancer is limited by its low sensitivity. To address this issue, this multicenter study developed patch image (PI)-based fully supervised convolutional neural network (CNN) models and clustering-constrained attention multiple-instance learning (CLAM) algorithms for detecting ovarian cancer using ascitic fluid cytology. Whole-slide images (WSIs), 356 benign and 147 cancer, were collected, from which 14,699 benign and 8025 cancer PIs were extracted. Additionally, 131 WSIs (44 benign and 87 cancer) were used for external validation. Six CN
СтатьяМногоцентровое 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.
BACKGROUND AND AIMS: With the advent of computer vision algorithms, we hypothesize that histopathology images from endoscopic biopsies may be utilized for automated classification of histologic phenotypes, thus guiding Crohn's disease and ulcerative colitis diagnosis and treatment. The aim of our study is to assess whether artificial intelligence can be used to improve pediatric inflammatory bowel disease outcomes by aiding pathologists with accurate detection of abnormal tissue sections.
METHODS: Three two-dimensional (2D) convolutional neural networks with multiple instance learning were de
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.
Single-cell sequencing offers profound insights into tumor complexity. However, reliably linking individual cellular profiles to overall sample-level phenotypes remains computationally challenging, particularly when cell-specific annotations are absent. This disconnect limits the technology's utility in studying underlying tumor mechanisms. Here we show how scTransMIL, an artificial intelligence framework, bridges this gap. By conceptualizing a biological sample as a collection of individual cells, scTransMIL employs a transformer-based multi-instance learning approach to directly connect sing
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: Bone marrow (BM) is the most common site of metastatic disease at diagnosis and a frequent site of relapse in neuroblastoma. Digital cytology images of BM smears offer a rich data source for artificial intelligence models, which may potentially facilitate more cost-effective risk stratification within the diagnostic workflow. This study aims to develop an interpretable cytology model for detecting BM metastasis in pediatric neuroblastoma. METHODS: This retrospective diagnostic study used Wright-Giemsa–stained BM cytology images from 359 neuroblastoma patients who underwent BM scree
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.
PURPOSE: Differentiating between a choroidal melanoma and metastatic carcinoma to the choroid on cytological specimens presents significant diagnostic challenges due to subtle morphological differences in the sparse cells available in the sample and the increasing scarcity of specialist ocular pathologists. This study developed and evaluated deep learning models for automated classification of May-Grünwald-Giemsa-stained cytospin whole slide images (WSIs) to support diagnostic decision-making.
METHODS: Cytospin WSIs from 87 patients (50 with choroidal melanoma and 37 with metastatic carcinoma
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.