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
9405 публикаций
Поиск: 430 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 281 с найденным полным текстом
Глубокое обучение описывает класс алгоритмов машинного обучения, которые способны объединять исходные ресурсы в слои промежуточных характеристик. Эти алгоритмы недавно продемонстрировали впечатляющие результаты в различных областях. Биология и медицина являются богатыми данными дисциплинами, однако данные являются сложными и зачастую недопонятными. Поэтому методы глубокого обучения могут быть особенно подходящими для решения проблем в этих областях. Мы изучаем возможности углубленного изучения различных биомедицинских проблем - стационарная классификация, фундаментальные биологические процессы
Полный текст найденМашинный перевод · не проверен
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.
Blood cancer is among the critical health concerns among people around the world and normally emanates from genetic and environmental issues. Early detection becomes essential, as the rate of death associated with it is high, to ensure that the rate of treatment success is up, and mortality reduced. This paper focuses on improving blood cancer diagnosis using advanced deep learning techniques like ResNetRS50, RegNetX016, AlexNet, Convnext, EfficientNet, Inception_V3, Xception, and VGG19. Among the models assessed, ResNetRS50 had better accuracy and speed with minimal error rates compared with
Полный текст 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.
Spinal metastasis is the most common malignant disease of the spine. Recently, major advances in machine learning and artificial intelligence technology have led to their increased use in oncological imaging. The purpose of this study is to review and summarise the present evidence for artificial intelligence applications in the detection, classification and management of spinal metastasis, along with their potential integration into clinical practice. A systematic, detailed search of the main electronic medical databases was undertaken in concordance with the PRISMA guidelines. A total of 30
Полный текст 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.
Текущий уход за многочисленными склерозами (МС) в первую очередь опирается на редко получаемые данные, такие, как магнитно-резонансная съемка, клинические лабораторные тесты или клиническая история, что приводит к незначительным изменениям, которые могут произойти в период между посещениями. Мобильные технологии позволяют осуществлять постоянный сбор данных и прокладывают путь к прогнозированию сложных аспектов НР, таких, как симптомы и заболевания. С этой целью мы провели первое в своем роде исследование по наблюдению под названием MS Mosail. Во-первых, мы разработали и публично запустили моб
СтатьяНаблюдательное исследованиеПолный текст найденМашинный перевод · не проверен
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.
Раннее обнаружение нейродегенеративных заболеваний имеет решающее значение для эффективного клинического лечения. Однако нынешние методы диагностики являются дорогостоящими и требуют много времени. В этом исследовании мы представляем " FundusNet " - модель глубокого обучения, разработанную на основе снимков фонда, для быстрой и эффективной с точки зрения затрат диагностики нейродегенеративных заболеваний. FundusNet добилась высоких показателей в области прогнозирования возраста (MAE 2,55 года), гендерной классификации (AUC 0,98) и нейродегенеративной диагностики заболеваний - болезнь
СтатьяПолный текст найденМашинный перевод · не проверен
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.
Сложные заболевания создают трудности в прогнозировании из-за их многофакторного и полигенного характера. В этом исследовании используется машинное обучение (ML) для анализа геномных данных из британского биобанка с целью прогнозирования геномной предрасположенности к таким сложным болезням, как множественный склероз (MS) и болезнь Альцгеймера (AD). Мы проверили логистическую регрессию (LR), методы ансамбля деревьев и модели глубокого обучения с этой целью. LR продемонстрировал замечательную стабильность в различных поднаборах данных, превосходя глубинные подходы к обучению, которые продемонст
СтатьяПолный текст найденМашинный перевод · не проверен
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: Valid stratification factors for patients with epithelial ovarian cancer are still lacking and individualisation of care remains an unmet need. Radiomics derived from routine contrast enhanced CT (CE-CT) is an emerging, highly promising approach for more accurate prognostic models to improve the preoperative stratification of patients with high-grade serous ovarian carcinoma (HGSOC). However, fine manual segmentation requirements limit its use. To enable broader implementation of CE-CT, we aimed to develop an end-to-end model that automates segmentation processes and prognostic eva
СтатьяМногоцентровое исследованиеНаблюдательное 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.
Множественный склероз (MS) — аутоиммунное заболевание, которое затрагивает различные части центральной нервной системы и часто происходит среди молодежи (между 20-40 возраст). С учетом того, что MS является заболеванием на протяжении всей жизни и что в настоящее время не существует окончательного лечения MS, ранняя диагностика, начало лечения наиболее подходящими лекарствами и наблюдение за пациентами являются: three :: сложные факторы при определении статуса пациентов с НР. Магнитная резонансная съемка (MRI) и оптическая последовательность (OCT) two важных и полезных методов визуализации thre
СтатьяОбзорПолный текст найденМашинный перевод · не проверен
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.
Перипростетическая суставная инфекция (ПСО) представляет собой one Из наиболее разрушительных осложнений, вызванных общей совместной артропластикой, часто требующих дополнительных операций и антимикробной терапии, и потенциально ведущих к инвалидности. Это значительно увеличивает нагрузку как на пациентов, так и на систему здравоохранения. С учетом значительных страданий, причиняемых ПСО, его профилактика и лечение уже давно являются ключевыми факторами, вызывающими озабоченность. Вместе с тем сохраняются проблемы, связанные с точной оценкой индивидуального риска, предотвращением инфекции, сов
Полный текст найденМашинный перевод · не проверен
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.
Radiomics has emerged as a transformative tool in medical imaging, offering the ability to extract complex quantitative features that are generally indiscernible to the human eye. These radiomic features can be interrogated non-invasively on medical imaging. Importantly, in contrast to traditional diagnostic methods reliant on a single, often scalar, measure, radiomics features can form a high-dimensional data space from imaging data suitable for machine learning. Within the framework of artificial intelligence, radiomic features can be harnessed for differentiating healthy from pathological t
Полный текст 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: The financial burden and the uncertain response of the anti-vascular endothelial growth factor (anti-VEGF) treatment often cause hesitation among patients with neovascular age-related macular degeneration (nAMD), highlighting the need for a reliable method to predict treatment outcomes. We aimed to develop and validate a deep learning model that can predict the visual and anatomical prognosis of patients with nAMD undergoing anti-VEGF therapy.
METHODS: This prospective, nationwide, multicentre study involved 18 tertiary referral hospitals from 12 provinces across China. A large da
СтатьяМногоцентровое исследованиеВалидационное исследованиеПоддержка 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.
STUDY QUESTION: Can artificial intelligence (AI) algorithms developed to assist embryologists in evaluating embryo morphokinetics be enriched with multi-centric clinical data to better predict clinical pregnancy outcome?
SUMMARY ANSWER: Training algorithms on multi-centric clinical data significantly increased AUC compared to algorithms that only analyzed the time-lapse system (TLS) videos.
WHAT IS KNOWN ALREADY: Several AI-based algorithms have been developed to predict pregnancy, most of them based only on analysis of the time-lapse recording of embryo development. It remains unclear, howe
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.
Artificial intelligence (AI) is increasingly advancing precision immunotherapy by integrating high-dimensional biomedical data to support diagnosis, treatment selection, and longitudinal monitoring in both cancer and autoimmune diseases. This review summarizes AI applications in biomarker discovery, prediction of immune checkpoint inhibitor (ICI) response and toxicity, neoantigen prioritization, CAR-T cell optimization, and therapeutic antibody engineering. In oncology, multimodal models combining multi-omics, medical imaging, and clinical variables improve patient stratification and non-invas
Полный текст 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.
Hematopoietic stem cell transplantation (HSCT) is a life-saving therapy for hematologic malignancies, such as leukemia and lymphoma and other severe conditions but is associated with significant risks, including graft versus host disease (GVHD), relapse, and treatment-related mortality. The increasing complexity of clinical, genomic, and biomarker data has spurred interest in machine learning (ML), which has emerged as a transformative tool to enhance decision-making and optimize outcomes in HSCT. This review examines the applications of ML in HSCT, focusing on donor selection, conditioning re
Полный текст 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.
Надежная автоматическая количественная оценка плотности аксонов в гистологовых сегментах имеет важное значение как для исследований, так и для клинической нейропатиологии, однако это по-прежнему является проблемой для пятен пропитки серебряных серебряных серебряных пятен, таких, как Бильшовский. Классические подходы к окраске и разложению цветов плохо работают на серебряных пятнах, а ручная аннотация плотно упакованных аксонов занимает много времени и подвержена взаимозависимости. Мы разработали автоматизированный аксонный сегментационный трубопровод в Биельшовском серебряном гистологическом о
СтатьяПолный текст найденМашинный перевод · не проверен
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 role of machine learning (a part of artificial intelligence-AI) in the diagnosis and treatment of various types of oncology is steadily increasing. It is expected that the use of AI in oncology will speed up both diagnostic and treatment planning processes. This review describes recent applications of machine learning in oncology, including medical image analysis, treatment planning, patient survival prognosis, and the synthesis of drugs at the point of care. The fast and reliable analysis of medical images is of great importance in the case of fast-flowing forms of cancer. The introductio
Полный текст 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.
ЦЕЛЬ: Автоматизированный мониторинг развития множественных склерозов (МС) по-прежнему сопряжен с трудностями в клинической практике. В рамках этого исследования проводится оценка системы продольного глубокого обучения LongiSeg на основе разнородных клинических данных для оценки ее практической ценности для регулярного радиологического мониторинга MS и расширения ее использования для обнаружения новых повреждений. Мы тренировали ЛонгиСега 470 пациентов из различных клинических групп, 15 типа сканера (оба 1.5T и 3T) с смешанными последовательностями 2D/3D T2w FLAIR. Мы готовили и оценивали модел
СтатьяПолный текст найденМашинный перевод · не проверен
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.
Cardiac amyloidosis is an uncommon restrictive cardiomyopathy featuring an unregulated amyloid protein deposition that impairs organic function. Early cardiac amyloidosis diagnosis is generally delayed by indistinguishable clinical findings of more frequent hypertrophic diseases. Furthermore, amyloidosis is divided into various groups, according to a generally accepted taxonomy, based on the proteins that make up the amyloid deposits; a careful differentiation between the various forms of amyloidosis is necessary to undertake an adequate therapeutic treatment. Thus, cardiac amyloidosis is thou
Полный текст 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.
Risk stratification is the backbone of clinical decision-making for patients with haematological malignancies. Models currently used in routine clinical practice often rely on static rules, conventional statistics and expert consensus. While pragmatic and accessible, these models fail to capture the complex biological interactions and patient heterogeneity, especially as data dimensionality grows given the availability of more comprehensive molecular analysis. Artificial intelligence (AI), particularly machine learning (ML), offers the potential to process such high-dimensional data, uncover l
Полный текст 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.
Интеграция искусственного интеллекта (АИ) с износимыми сенсорными технологиями может привести к революции в мониторинге и лечении различных хронических заболеваний и острых заболеваний. Комбинированные износы АИ классифицируются по таким основополагающим методам зондирования, как электрохимическая, колориметрическая, химическая, оптическая, а также давление/стабильность. Алгоритмы АИ повышают эффективность изношенных датчиков, обеспечивая индивидуализированный, постоянный надзор и прогнозный анализ, помогая распознавать время и оптимизируя терапевтические методы. В этой рукописи рассматриваютс
Полный текст найденМашинный перевод · не проверен
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.