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
9467 публикаций
Поиск: 699 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 281 с найденным полным текстом
BACKGROUND: Skin neglected tropical diseases (NTDs) pose significant diagnostic and management challenges in resource-limited settings due to constrained dermatological expertise, frontline health worker (FHW) training, and limited access to diagnostic resources. Mobile health apps with artificial intelligence (AI)-enabled diagnostic imaging capabilities have the potential to enhance clinical decision-making and professional development at the primary care level. The World Health Organization (WHO) skin NTD mobile app uses convolutional neural networks to analyze images of skin lesions and gen
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/Objectives: Tissue fold artifacts observed in hematoxylin-eosin (H&E)- stained preparations used in histology education can complicate the assessment of normal tissue architecture and affect students' accurate interpretation of microscopic structures. This study aimed to automatically detect and localize tissue fold artifacts in histology teaching preparations using deep learning methods. Methods: A total of 2127 hematoxylin and eosin (H&E)-stained histological images of brain, kidney, liver, small intestine, and testis tissues obtained at 10× magnification were used in the study. 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.
BACKGROUND: The integration of artificial intelligence (AI) and machine learning (ML) into biomedical research requires a workforce fluent in both computational methods and clinical applications. Structured, interdisciplinary training opportunities remain limited, creating a gap between data scientists and clinicians. The National Institutes of Health's Bridge to Artificial Intelligence (Bridge2AI) initiative launched the Artificial Intelligence-Ready and Exploratory Atlas for Diabetes Insights (AI-READI) data generation project to address this gap. AI-READI is creating a multimodal, FAIR (fin
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 CONTEXT: Degenerative scoliosis (DS) is a common spinal disorder among adults, characterized by lateral curvature of the spine. Recent advancements in biplanar full-body imaging, a low-dose and weight-bearing X-ray modality, facilitate safer and longitudinal imaging of DS patients. Quantifying spinal curvature serves as a valuable metric for assessing DS severity and informing surgical planning. However, manual annotation of vertebral structures in radiographic images is labor-intensive, necessitating specialized expertise and resulting in significant inter- and intraobserver variab
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.
Pediatric viral encephalitis is an acute central nervous system infection caused by various viruses, with diverse clinical manifestations and challenges in early diagnosis. The traditional diagnostic methods lack sufficient sensitivity and specificity, highlighting the urgent need for an efficient, accurate, and non-invasive early diagnostic tool to guide clinical decision-making. This study aims to develop a clinical-imaging fusion model for pediatric viral encephalitis (VE) leveraging clinical factors and advanced magnetic resonance imaging (MRI) features. The diagnostic efficacy and applica
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: Automatic segmentation techniques based on Convolutional Neural Networks (CNNs) are widely adopted to automatically identify any structure of interest from a medical image, as they are not time consuming and not subject to high intra- and inter-operator variability. However, the adoption of these approaches in clinical practice is slowed down by some factors, such as the difficulty in providing an accurate quantification of their uncertainty.
PURPOSE: This work aims to evaluate the uncertainty quantification provided by two Bayesian and two non-Bayesian approaches for a multi-clas
СтатьяСравнительное исследованиеПоиск 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: Temporal bone computed tomography (CT) helps diagnose chronic otitis media (COM). However, its interpretation requires training and expertise. Artificial intelligence (AI) can help clinicians evaluate COM through CT scans, but existing models lack transparency and may not fully leverage multidimensional diagnostic information.
OBJECTIVE: We aimed to develop an explainable AI system based on 3D convolutional neural networks (CNNs) for automatic CT-based evaluation of COM.
METHODS: Temporal bone CT scans were retrospectively obtained from patients operated for COM between December
СтатьяВалидационное исследованиеПоддержка 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: Human biological rhythms are commonly assessed through physical activity (PA) measurement, but mental activity may offer a more substantial reflection of human biological rhythms.
OBJECTIVE: This study proposes a novel approach based on human-smartphone interaction to compute mental activity, encompassing general mental activity (GMA) and working mental activity (WMA).
METHODS: A total of 24 health care professionals participated, wearing wrist actigraphy devices and using the "Staff Hours" app for more than 457 person-days, including 332 workdays and 125 nonworkdays. PA was meas
СтатьяСравнительное исследованиеПоддержка 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.
Pulmonary Embolism (PE) represents a thrombus ("blood clot"), usually originating from a lower extremity vein, that travels to the blood vessels in the lung, causing vascular obstruction and in some patients death. This disorder is commonly diagnosed using Computed Tomography Pulmonary Angiography (CTPA). Deep learning holds great promise for the Computer-aided Diagnosis (CAD) of PE. However, numerous deep learning methods, such as Convolutional Neural Networks (CNN) and Transformer-based models, exist for a given task, causing great confusion regarding the development of CAD systems for PE. T
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.
BACKGROUND: Lung cancer is the most lethal malignant tumor globally. Accurate differentiation between benign and malignant pulmonary nodules (PNs) is the core of early screening and diagnosis for lung cancer. Deep learning (DL) models can autonomously extract high-dimensional information from medical images, demonstrating technical advantages in this task. Our study systematically evaluates the accuracy and efficacy of DL models in differentiating benign from malignant PNs, providing systematic, high-quality integrated evidence for their diagnostic performance.
METHODS: Our study was conducte
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: Radiation necrosis (RN) is an important complication of radiation therapy (RT) and is challenging to assess radiographically because lesions are prone to inconsistent delineation, often necessitating intracranial surgery to obtain a diagnosis. This study evaluated how established deep learning segmentation models can be retrained on an institutional RN cohort, assessed external generalization, and integrated the best components into RN-D3, an end-to-end pipeline for RN detection, differentiation, and delineation.
METHODS AND MATERIALS: We trained models on a cohort of 52 patients wit
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.
Brain tumors are becoming more prevalent, often leading to severe disability and high mortality rates due to their poor prognoses. Early detection is critical for improving patient outcomes. These tumors pose substantial diagnostic challenges because of their varied manifestations, necessitating timely and accurate diagnosis. Recent advancements in artificial intelligence (AI) have shown the potential to enhance diagnostic accuracy, especially through MRI analysis. We analyzed the performance of AI algorithms for various types of tumors as well as for different diagnostic goals, with special c
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: Aneurysmal subarachnoid hemorrhage (SAH) is a life-threatening neurological emergency with mortality rates exceeding 30%. While deep learning techniques show promise for automated SAH segmentation, their clinical application is limited by the scarcity of labeled data and challenges in cross-institutional generalization. Transfer learning from related hematoma types represents a potentially valuable but underexplored approach. Although Unet architectures remain the gold standard for medical image segmentation due to their effectiveness on limited datasets, Low-Rank Adaptation (LoRA)
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: Endometrial CD138+ plasma cells serve as a diagnostic biomarker for endometrial inflammation, and their elevated occurrence correlates positively with adverse pregnancy outcomes. Infertility-related conditions like polycystic ovary syndrome (PCOS) and recurrent implantation failure (RIF) are closely associated with systemic and local chronic inflammatory status, wherein endometrial CD138+ plasma cell accumulation could also contribute to endometrial pathology. Current methods for quantifying CD138+ cells typically involve laborious and time-consuming microscopic assessments of only
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: Missed diagnosis of evolving or coexisting idiopathic (IIH) and spontaneous intracranial hypotension (SIH) is often the reason for persistent or worsening symptoms after foramen magnum decompression for Chiari malformation (CM) I. We explore the role of artificial intelligence (AI)/convolutional neural networks (CNN) in Chiari I malformation in a combinatorial role for the first time in literature, exploring both upstream and downstream magnetic resonance findings as initial screening profilers in CM-1. We have also put together a review of all existing subtypes of CM and discuss 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.
BACKGROUND: Occult scaphoid fractures on initial radiographs of an injury are a diagnostic challenge to physicians. Although artificial intelligence models based on the principles of deep convolutional neural networks (CNN) offer a potential method of detection, it is unknown how such models perform in the clinical setting.
QUESTIONS/PURPOSES: (1) Does CNN-assisted image interpretation improve interobserver agreement for scaphoid fractures? (2) What is the sensitivity and specificity of image interpretation performed with and without CNN assistance (as stratified by type: normal scaphoid, occ
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: It is a critical challenge to diagnose leptomeningeal metastasis (LM), given its technical difficulty and the lack of typical symptoms. The existing gold standard of diagnosing LM is to use positive cerebrospinal fluid (CSF) cytology, which consumes significantly more time to classify cells under a microscope.
OBJECTIVE: This study aims to establish a deep learning model to classify cancer cells in CSF, thus facilitating doctors to achieve an accurate and fast diagnosis of LM in an early stage.
METHOD: The cerebrospinal fluid laboratory of Xijing Hospital provides 53,255 cells fr
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 and background This study aimed to develop a deep convolutional neural network (DCNN) model capable of generating synthetic 4D magnetic resonance angiography (MRA) from 3D time-of-flight (TOF) images, allowing estimation of temporal changes in arterial flow. TOF MRA provides static information about arterial structures through maximum intensity projection (MIP) processing, but it does not capture the dynamic information of contrast agent circulation, which is lost during MIP processing. Considering the principles of TOF, it is hypothesized that dynamic information about arterial bloo
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: Atherosclerotic plaque quantification from coronary CT angiography (CCTA) enables accurate assessment of coronary artery disease burden and prognosis. We sought to develop and validate a deep learning system for CCTA-derived measures of plaque volume and stenosis severity.
METHODS: This international, multicentre study included nine cohorts of patients undergoing CCTA at 11 sites, who were assigned into training and test sets. Data were retrospectively collected on patients with a wide range of clinical presentations of coronary artery disease who underwent CCTA between Nov 18, 20
СтатьяМногоцентровое исследованиеПоддержка NIH: внешняя программаПоддержка 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: In the case of Korean institutions and enterprises that collect nonstandardized and nonunified formats of electronic medical examination results from multiple medical institutions, a group of experienced nurses who can understand the results and related contexts initially classified the reports manually. The classification guidelines were established by years of workers' clinical experiences and there were attempts to automate the classification work. However, there have been problems in which rule-based algorithms or human labor-intensive efforts can be time-consuming or limited o
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.