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
91557 публикаций
Поиск: 1595 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 11306 с найденным полным текстом
Journal of magnetic resonance imaging : JMRI2018eng
BACKGROUND: Although diffusion-weighted imaging (DWI) has been characterized as an alternative imaging modality for gallbladder (GB) lesions, it has not been routinely used in clinical practice because of relatively low signal-to-noise ratio.
PURPOSE: To assess the sensitivity and specificity of the diagnostic performance of DWI for differentiating benign and malignant GB lesions.
STUDY TYPE: Meta-analysis.
POPULATION: Patients with GB lesions.
FIELD STRENGTH/SEQUENCE: DWI at 3.0T or 1.5T.
ASSESSMENT: PubMed and EMBASE were searched following the Preferred Reporting Items for Systematic R
СтатьяМетаанализСистематический обзорПоиск 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 AND STUDY AIMS: It is uncertain if needle gauge impacts the diagnostic accuracy of endoscopic ultrasound-guided fine needle aspiration (EUS-FNA) of pancreatic mass lesions. Our aim was to use meta-analysis to more robustly define the diagnostic accuracy of EUS-FNA for pancreatic masses using 22 G and 25 G needles.
PATIENTS AND METHODS: Studies were identified by searching nine medical databases for reports published between 1994 and 2011, using a reproducible search strategy comprised of relevant terms. Only studies comparing the overall diagnostic accuracy of 22 G vs. 25 G EUS nee
СтатьяМетаанализОбзорПоиск 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.
Generative artificial intelligence (GAI), particularly large language models (LLMs) and multimodal foundation models, represents a new generation of artificial intelligence technologies with emerging applications in healthcare. In lung cancer care, where clinical decisions increasingly require integration of imaging, pathology, molecular alterations, and rapidly evolving therapeutic evidence, GAI provides new opportunities to enhance clinical information synthesis and decision support. Recent studies have explored the application of GAI across the lung cancer care continuum, including screenin
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.
European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology2026eng
PURPOSE: Robot-assisted nipple-sparing mastectomy (RANSM) has gained acceptance in selected patients; however, identifying the safe dissection plane remains technically challenging due to the absence of tactile feedback. Artificial intelligence (AI)-guided navigation may provide intraoperative assistance, yet no externally validated model has been reported for this procedure.
MATERIALS AND METHODS: This retrospective study developed and validated an AI-guided navigation system to identify the safe dissection plane during RANSM. Surgical video data from 37 procedures performed between January
СтатьяВалидационное 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.
A whole-body mechanistic PBPK model for meropenem (MPN) was developed in PK-Sim and validated using published plasma and tissue concentration-time data in healthy volunteers and critically ill patients. Renal elimination was implemented as glomerular filtration plus active tubular secretion (basolateral uptake via OAT3 with apical efflux), and non-renal clearance via DHP-mediated hydrolysis. The model was scaled to sepsis or septic shock by incorporating disease-specific physiological changes and optimizing OAT3 activity and tissue permeability to reproduce observed variability. Simulations in
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.
ObjectiveTo systematically review literature on the use of artificial intelligence (AI) and machine learning (ML) models for detecting velopharyngeal dysfunction (VPD) in patients with cleft palate.DesignSystematic review conducted in accordance with PRISMA guidelines (PROSPERO CRD420251034524).SettingStudies published were identified through EMBASE, ProQuest, Google Scholar, and PubMed.ParticipantsA total of 3967 participants contributed 92,323 training samples. Internal validation included 2331 controls and 2449 VPD cases, generating 81,143 validation samples. Ages ranged from 1 to 93 years.
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: To develop a deep learning–based model for detecting pediatric cataracts using noninvasive facial photographs of infants and toddlers, aiming to facilitate early diagnosis during the critical period of visual development. METHODS: This prospective observational study included 32 patients (47 eyes) with pediatric cataracts and 93 cataract-free controls (186 eyes) who visited the National Center for Child Health and Development between November 2021 and December 2024. Multiple facial photographs were captured using a digital single-lens reflex camera with flash illumination. After pr
СтатьяНаблюдательное 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: Muscle infiltration of bladder cancer has become the most important index to evaluate its prognosis. Machine learning is expected to accurately identify its muscle infiltration status on images.
OBJECTIVE: This study aimed to establish and validate a machine learning prediction model based on multi-phase contrast-enhanced CT (MCECT) for preoperatively evaluating the muscle-invasive status of bladder cancer.
METHODS: A retrospective study was conducted on bladder cancer patients who underwent surgical resection and pathological confirmation by MCECT scans. They were randomly divid
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 evaluate the diagnostic performance of artificial intelligence (AI) models for detecting facial bone fractures on computed tomography (CT), cone-beam CT (CBCT), and plain radiographs.
METHODS: Original studies applying machine learning or deep learning algorithms for facial fracture detection in humans were included if they reported diagnostic accuracy metrics such as sensitivity, specificity, or area under the curve (AUC). PubMed-MEDLINE, Scopus, and Web of Science databases were searched up to June 3, 2025. Risk of bias was assessed using the QUADAS-2 tool. The review followed
СтатьяСистематический обзорПолный 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.
OBJECTIVES: The purpose of this study was to propose a machine learning model and assess its ability to classify temporomandibular joint (TMJ) disc displacements on MR T1-weighted and proton density-weighted images.
METHODS: This retrospective cohort study included 180 TMJs from 90 patients with TMJ signs and symptoms. A radiomics platform was used to extract imaging features of disc displacements. Thereafter, different machine learning algorithms and logistic regression were implemented on radiomics features for feature selection, classification, and prediction. The radiomics features includ
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.
INTRODUCTION: Thalassemia trait (TT) and iron deficiency anemia (IDA) are two common types of microcytic hypochromic anemia (MHA), but current diagnostic methods have limitations. This research sought to employ machine learning (ML) algorithms to identify MHA using erythrocyte parameters to distinguish between TT and IDA.
METHODS: One hundred and ninety-three subjects with MHA (98 TT and 95 IDA) were retrospectively analyzed. The cohort was randomized to training set (60%), validation set (20%) and test set (20%). Erythrocyte parameters were collected on an automated hematology analyzer (DxH8
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.
Journal of oral pathology & medicine : official publication of the International Association of Oral Pathologists and the American Academy of Oral Pathology2025eng
BACKGROUND: Oral leukoplakia (OL) is a potentially malignant disorder of the oral mucosa. Accurate prediction of malignant transformation (MT) remains a clinical challenge. This study aimed to develop and evaluate a machine learning model that integrates histopathological, demographic, and DNA content features to predict MT risk in OL.
METHODS: We conducted a retrospective cohort study of 97 OL cases-18 with confirmed MT and 79 non-transformed controls-selected from a larger series. Each case included clinicopathological features, and DNA content data obtained by flow cytometry for cell cycle
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.
Acinetobacter baumannii, a notable drug-resistant bacterium, often induces severe infections in healthcare settings, prompting a deeper exploration of treatment alternatives due to escalating carbapenem resistance. This study meticulously examined clinical, microbiological, and molecular aspects related to in-hospital mortality in patients with carbapenem-resistant A. baumannii (CRAB) bloodstream infections (BSIs). From 292 isolates, 153 cases were scrutinized, reidentified through matrix-assisted laser desorption/ionization time-of-flight mass spectrometry (MALDI-TOF-MS), and evaluated for an
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.
OBJECTIVES: Patent ductus arteriosus (PDA) is a vascular defect common in preterm infants and often requires treatment to avoid associated long-term morbidities. Echocardiography is the primary tool used to diagnose and monitor PDA. We trained a deep learning model to identify PDA presence in relevant echocardiographic images.
METHODS: Echocardiography video clips (n = 2527) in preterm infants were reviewed by a pediatric cardiologist and those relevant to PDA diagnosis were selected and labeled (PDA present/absent/indeterminate). We trained a convolutional neural network to classify each ech
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: Left ventricular hypertrophy (LVH) is an independent prognostic factor for cardiovascular events and it can be detected by echocardiography in the early stage. In this study, we aim to develop a semi-automatic diagnostic network based on deep learning algorithms to detect LVH.
METHODS: We retrospectively collected 1610 transthoracic echocardiograms, included 724 patients [189 hypertensive heart disease (HHD), 218 hypertrophic cardiomyopathy (HCM), and 58 cardiac amyloidosis (CA), along with 259 controls]. The diagnosis of LVH was defined by two experienced clinicians. For the deep
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.
PURPOSE: To develop a deep learning (DL) model to detect morphologic patterns of diabetic macular edema (DME) based on optical coherence tomography (OCT) images.
METHODS: In the training set, 12,365 OCT images were extracted from a public data set and an ophthalmic center. A total of 656 OCT images were extracted from another ophthalmic center for external validation. The presence or absence of three OCT patterns of DME, including diffused retinal thickening, cystoid macular edema, and serous retinal detachment, was labeled with 1 or 0, respectively. A DL model was trained to detect three OCT
СтатьяМногоцентровое 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.
Comparing electric field simulations from individualized head models against in-vivo intra-cranial recordings is considered the gold standard for direct validation of computational field modeling for transcranial brain stimulation and brain mapping techniques such as electro- and magnetoencephalography. The measurements also help to improve simulation accuracy by pinning down the factors having the largest influence on the simulations. Here we compare field simulations from four different automated pipelines against intracranial voltage recordings in an existing dataset of 14 epilepsy patients
СтатьяПоддержка 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 & AIMS: The overlapping features of biliary atresia (BA) and the other forms of neonatal cholestasis (NC) with different causes (non-BA) has posed challenges for the diagnosis of BA. This study aimed at developing new and better diagnostic models for BA.
METHODS: We retrospectively analyzed data from 1728 newborn infants with neonatal obstructive jaundice (NOJ). New prediction models, including decision tree (DT), random forest (RF), and multivariate logistic regression-based nomogram for BA were created and externally validated in an independent set of 508 infant patients.
RESULT
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: Patients with atrial septal defect (ASD) exhibit distinctive electrocardiogram (ECG) patterns. However, ASD cannot be diagnosed solely based on these differences. Artificial intelligence (AI) has been widely used for specifically diagnosing cardiovascular diseases other than arrhythmia. Our study aimed to develop an artificial intelligence-enabled 8-lead ECG to detect ASD among adults.
METHOD: In this study, our AI model was trained and validated using 526 ECGs from patients with ASD and 2,124 ECGs from a control group with a normal cardiac structure in our hospital. External test
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.
PURPOSE: This study aims to propose and develop a fast, accurate, and robust prediction method of patient-specific organ doses from CT examinations using minimized computational resources.
MATERIALS AND METHODS: We randomly selected the image data of 723 patients who underwent thoracic CT examinations. We performed auto-segmentation based on the selected data to generate the regions of interest (ROIs) of thoracic organs using the DeepViewer software. For each patient, radiomics features of the thoracic ROIs were extracted via the Pyradiomics package. The support vector regression (SVR) model
СтатьяПоддержка 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.