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
175156 публикаций
Поиск: 796 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 3934 с найденным полным текстом
The accurate diagnosis of skin diseases is crucial for effective patient management and treatment, yet traditional diagnostic methods often involve subjective interpretation and can lead to variability in outcomes. In this study, we harness the power of machine learning classifiers to enhance diagnostic accuracy by predicting skin diseases based on histopathological features extracted from biopsy samples. We evaluated the performance of six widely used classifiers: Random Forest, Logistic Regression, Stochastic Gradient Descent (SGD) Classifier, Support Vector Machine (SVM), AdaBoost, and Naiv
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: To develop an intelligent grading model for myopic maculopathy based on a long-tail learning framework, using the improved loss function LTBSoftmax. The model addresses the long-tail distribution problem in myopic maculopathy data to provide preliminary grading, aiming to improve grading capability and efficiency.
METHODS: This study includes a data set of 7529 color fundus photographs. Experienced ophthalmologists meticulously annotated the ground truth. A new intelligent grading model for myopic maculopathy was constructed using the improved loss function LTBSoftmax, which predicts
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
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.
By integrating electric vehicles (EVs), the multi-microgrids (MMGs) can significantly enhance their resilient operation capabilities. However, existing works face challenges in formulating optimal routing and scheduling strategies for EVs, due to the spatial-temporal uncertainty of the distribution and transportation networks, as well as incomplete information. This paper addresses the coordination problem of EVs for the resilience enhancement of MMGs, using a distributed multi-agent deep reinforcement learning approach to minimize the load-shedding cost. Specifically, a coupled power-transpor
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.
Alzheimer's disease (AD) is the most prevalent form of dementia. This disease significantly impacts cognitive functions and daily activities. Early and accurate diagnosis of AD, including the preliminary stage of mild cognitive impairment (MCI), is critical for effective patient care and treatment development. Although advancements in deep learning (DL) and machine learning (ML) models improve diagnostic precision, the lack of large datasets limits further enhancements, necessitating the use of complementary data. Existing convolutional neural networks (CNNs) effectively process visual feature
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.
Adolescents worldwide are increasingly affected by mental health disorders, with anxiety disorders, including Generalized Anxiety Disorder (GAD), being particularly prevalent. Despite its significant impact, GAD in adolescents often remains underdiagnosed due to vague symptoms and delayed medical attention, highlighting the need for early diagnosis and prevention strategies. This study utilized data from the Korea Youth Risk Behavior Web-based Survey (KYRBS) from 2020 to 2023 to analyze factors influencing GAD in adolescents. Using machine learning techniques such as Lasso Regression, SelectKB
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.
Diabetic foot ulcers (DFUs) are a common and serious complication of diabetes, presenting as open sores or wounds on the sole. They result from impaired blood circulation and neuropathy associated with diabetes, increasing the risk of severe infections and even amputations if untreated. Early detection, effective wound care, and diabetes management are crucial to prevent and treat DFUs. Artificial intelligence (AI), particularly through deep learning, has revolutionized DFU diagnosis and treatment. This work introduces the DFU_XAI framework to enhance the interpretability of deep learning mode
СтатьяВалидационное исследованиеПолный 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.
There is a growing need to predict the severity of vitamin D deficiency (VDD) through non-invasive methods due to its significant global health concerns. For vitamin D-level assessments, the 25-hydroxy vitamin D (25-OH-D) blood test is the standard, but it is often not a practical test. This study is focused on developing a machine learning (ML) model that is clinically acceptable for accurately detecting vitamin D status and eliminates the need for 25-OH-D determination while addressing overfitting. To enhance the capacity of the classification system to predict multiple classes, preprocessin
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.
Rationale: Some patients with interstitial lung disease (ILD) have a high mortality rate or experience acute exacerbation of ILD (AE-ILD) that results in increased mortality. Early identification of these high-risk patients and accurate prediction of the onset of these important events is important to determine treatment strategies. Although various factors that affect disease behavior among patients with ILD hinder the accurate prediction of these events, the use of longitudinal information may enable better prediction. Objectives: To develop a deep learning (DL) model to predict composite ou
СтатьяМногоцентровое 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.
Alzheimer's Disease (AD) is a progressive neurodegenerative disorder characterized by cognitive decline and memory loss. In 2024 it affected approximately 1 in 9 people aged 65 and older in the U.S., 6.9 million individuals. Early detection and accurate AD diagnosis are crucial for improving patient outcomes. Magnetic resonance imaging (MRI) has emerged as a valuable tool for examining brain structure and identifying potential AD biomarkers. This study performs predictive analyses by employing machine learning techniques to identify key brain regions associated with AD using numerical data der
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.
Early and reliable diagnostic tools are critical for slowing the progression of Alzheimer's disease (AD), a neurodegenerative disorder characterized by memory loss and cognitive decline. This study introduces, ViTTL, lightweight deep learning framework for assessing the severity of AD using MRI data. ViTTL integrates Vision Transformers (ViT) with pre-trained convolutional neural networks utilized in transfer learning mode, to extract informative features from 2D MRI slices. Among the evaluated combinations, the ViT-DenseNet201 model integrated with an artificial neural network (ANN) classifie
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: A transfer learning model based on ultrasound was established to predict the malignant probability of partially cystic thyroid nodule (PCTN) preoperatively, providing clinicians with a non-invasive primary screening method.
METHODS: 258 PCTNs of 258 patients from January 2020 to January 2024 were analyzed retrospectively. The dataset was randomly divided into a training set and a test set in a ratio of 8:2. Five different pre-trained models were chosen for transfer learning, including EfficientNet, Inception_v3, Mobilenet_v3, SqueezeNet, and VGG19. The area under the curve (AUC), acc
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.
Cataracts, among the most prevalent eye disorders, result in diminished vision due to cloudiness in the eye's natural lens. Timely diagnosis is crucial for preventing irreversible damage. While effective, existing automated systems encounter difficulties like limited dataset variety, lack of interpretability, and suboptimal generalization in real-world scenarios. This study presents a novel deep learning-based method that incorporates Generative AI (GenAI) and Explainable AI (XAI) to enhance cataract detection. The proposed methodology leverages a fine-tuned InceptionResNetV2 with additional l
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: Intraoperative complications during cataract surgery, while uncommon, can significantly impact visual outcomes and identifying high-risk patients preoperatively improves surgical planning and supports personalized care. This study presents an early application of advanced machine learning (ML) models for predicting multiple intraoperative complications using routine preoperative data.
METHODS: We analyzed 3,957 cataract surgeries performed at a tertiary hospital and developed four ML models, XGBoost, Random Forest, CatBoost and TabPFN, to classify cases into three categories: no comp
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: Identifying and monitoring the onset and progression of myopia (myopia onset and progression [MOP]) based on the changes in anatomical structures in fundus retinal images has significant clinical application prospects. For this purpose, we tested the performance of deep neural networks.
METHODS: We established a deep neural network, called Myopic-Net, to detect anatomical changes owing to the MOP from a pair of retinal images collected during different fundoscopies. Myopic-Net was developed using 3964 fundus image pairs without MOP and 2380 fundus image pairs with MOP. Five indicator
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.
OBJECTIVE: Peripheral neuropathies contribute to patient disability but may be diagnosed late or missed altogether due to late referral, limitation of current diagnostic methods and lack of specialized testing facilities. To address this clinical gap, we developed NeuropathAI, an interpretable deep learning-based multiclass classification system for rapid, automated diagnosis and differentiation of 88 patients with diabetic peripheral neuropathy (DPN), chemotherapy-induced peripheral neuropathy (CIPN), chronic inflammatory demyelinating polyneuropathy (CIDP), and human immunodeficiency virus-a
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.
Diabetes is one of the leading causes of death and disability worldwide. Developing earlier and more accurate diagnosis methods is crucial for clinical prevention and treatment of diabetes. Here, data on biochemical indicators and physiological characteristics of 4335 participants from the National Health and Nutrition Examination Survey (NHANES) database from 2017 to 2020 were collected. After data preprocessing, the dataset was randomly divided into a training set (70%) and a test set (30%); then the Boruta algorithm was used to screen feature indicators on the training set. Next, three mach
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/Objectives: Alzheimer's disease (AD) is a progressive neurodegenerative disorder causing memory, cognitive, and behavioral decline. Early and accurate diagnosis is critical for timely treatment and management. This study proposes a novel hybrid deep learning framework, GLCM + VGG16 + FMO + CNN-LSTM, to improve AD diagnosis using MRI data. Methods: MRI images were preprocessed through normalization and noise reduction. Feature extraction combined texture features from the Gray-Level Co-occurrence Matrix (GLCM) and spatial features extracted from a pretrained VGG-16 network. Fisher Ma
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.
In silico methods for predicting the effects of multi-gene perturbations hold great promise for advancing functional genomics, computational drug discovery, and disease modeling. However, the development of these predictive algorithms for mammalian systems has been hampered by limited datasets and high experimental costs. In this study, we present a Bayesian active learning framework designed to discover pairwise host gene knockdowns that effectively inhibit viral proliferation in an in vitro HIV-1 infection model. Our method leverages a biological knowledge graph as side information and emplo
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.
Obsessive-compulsive disorder (OCD) is a complex psychiatric condition characterized by significant heterogeneity in symptomatology and treatment response. Advances in neuroimaging, EEG, and other multimodal datasets have created opportunities to identify biomarkers and predict outcomes, yet traditional statistical methods often fall short in analyzing such high-dimensional data. Deep learning (DL) offers powerful tools for addressing these challenges by leveraging architectures capable of classification, prediction, and data generation. This brief review provides an overview of five key DL ar
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.