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
28953 публикаций
Поиск: 585 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1526 с найденным полным текстом
The most common causes of spine fractures, or vertebral column fractures (VCF), are traumas like falls, injuries from sports, or accidents. CT scans are affordable and effective at detecting VCF types in an accurate manner. VCF type identification in cervical, thoracic, and lumbar (C3-L5) regions is limited and sensitive to inter-observer variability. To solve this problem, this work introduces an autonomous approach for identifying VCF type by developing a novel ensemble model of Vision Transformers (ViT) and best-performing deep learning (DL) models. It assists orthopaedicians in easy and ea
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.
OBJECTIVES: To develop and prospectively validate a novel deep learning model, integrating a DenseNet architecture with a Convolutional Block Attention Module (CBAM), for the automated classification of six common jaw pathologies from orthopantomogram (OPG) images.
METHODS: A retrospective dataset of 236 histopathologically confirmed pathological OPGs (Ameloblastoma, Dentigerous Cyst, Odontogenic Keratocyst, Radicular Cyst, Squamous Cell Carcinoma, Osteomyelitis) and 5200 normal OPGs was used for model training and pre-training. The DenseNet121-CBAM model was trained using transfer learning,
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: Cytomegalovirus (CMV) reactivation in patients with severe ulcerative colitis (UC) leads to worse outcomes; yet, early detection remains challenging due to the reliance on time-intensive biopsy procedures.
OBJECTIVE: This study explores the use of deep learning to differentiate CMV from severe UC through endoscopic imaging, offering a potential noninvasive diagnostic tool.
METHODS: We analyzed 86 endoscopic images using an ensemble of deep learning models, including DenseNet (Densely Connected Convolutional Network) 121 pretrained on ImageNet. Advanced preprocessing and test-time
СтатьяВалидационное 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.
BACKGROUND: In solid-predominantly invasive lung adenocarcinoma (SPILAC), occult lymph node metastasis (OLNM) is pivotal for determining treatment strategies. This study seeks to develop and validate a fusion model combining radiomics and deep learning to predict OLNM preoperatively in SPILAC patients across multiple centers.
METHODS: In this study, 1325 cT1a-bN0M0 SPILAC patients from six hospitals were retrospectively analyzed and divided into pathological nodal positive (pN+) and negative (pN-) groups. Three predictive models for OLNM were developed: a radiomics model employing decision tr
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: Attenuation and scatter correction is crucial for quantitative positron emission tomography (PET) imaging. Direct attenuation correction (AC) in the image domain using deep learning approaches has been recently proposed for combined PET/MR and standalone PET modalities lacking transmission scanning devices or anatomical imaging.
PURPOSE: In this study, different input settings were considered in the model training to investigate deep learning-based AC in the image space.
METHODS: Three different deep learning methods were developed for direct AC in the image space: (i) use of non
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.To evaluate the feasibility of using a deep learning dose prediction approach to identify patients who could benefit most from proton therapy based on the normal tissue complication probability (NTCP) model.Approach.Two 3D UNets were established to predict photon and proton doses. A dataset of 95 patients with localized prostate cancer was randomly partitioned into 55, 10, and 30 for training, validation, and testing, respectively. We selected NTCP models for late rectum bleeding and acute urinary urgency of grade 2 or higher to quantify the benefit of proton therapy. Propagated unce
СтатьяОценочное 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.
Early tooth loss in pediatric patients can lead to various complications, making quick and accurate diagnosis essential. This study aimed to develop a novel deep learning model for classification of missing teeth on panoramic radiographs in pediatric patients and to assess the accuracy. The study included patients aged 8-16 years who visited the Pusan National University Dental Hospital and underwent panoramic radiography. A total of 806 panoramic radiographs were retrospectively analyzed to determine the presence or absence of missing teeth for each tooth number. Moreover, each panoramic radi
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-stage nonalcoholic fatty liver disease (NAFLD) is a silent condition, with most cases going undiagnosed, potentially progressing to liver cirrhosis and cancer. A non-invasive and cost-effective detection method for early-stage NAFLD detection is a public health priority but challenging. In this study, an adhesive, soft on-skin sensor with low electrode-skin contact impedance for early-stage NAFLD detection is fabricated. A method is developed to synthesize platinum nanoparticles and reduced graphene quantum dots onto the on-skin sensor to reduce electrode-skin contact impedance by increa
СтатьяПоддержка правительства СШАПоддержка NIH: внешняя программаПолный 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.
BACKGROUND: Application of visual scoring scales for regional atrophy in Alzheimer's disease (AD) in clinical settings is limited by their high time cost and low intra/inter-rater agreement.
OBJECTIVE: To provide automated atrophy scoring using objective volume driven from deep-learning segmentation methods for AD subtype classification using magnetic resonance imaging (MRI).
METHODS: We enrolled 3,959 participants (1,732 cognitively normal [CN], 1594 with mild cognitive impairment [MCI], and 633 with AD). The occupancy indices for each regional volume were calculated by dividing each volume
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.
Magnetic Resonance Imaging (MRI) is increasingly being used in treatment planning due to its superior soft tissue contrast, which is useful for tumor and soft tissue delineation compared to computed tomography (CT). However, MRI cannot directly provide mass density or relative stopping power (RSP) maps, which are required for calculating proton radiotherapy doses. Therefore, the integration of artificial intelligence (AI) into MRI-based treatment planning to estimate mass density and RSP directly from MRI has generated significant interest. A deep learning (DL) based framework was developed to
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: Brain metastases (BMs) represents a severe neurological complication stemming from cancers originating from various sources. It is a highly challenging clinical task to accurately distinguish the pathological subtypes of brain metastatic tumors from lung cancer (LC).The utility of 2.5-dimensional (2.5D) deep learning (DL) in distinguishing pathological subtypes of LC with BMs is yet to be determined.
METHODS: A total of 250 patients were included in this retrospective study, divided in a 7:3 ratio into training set (N=175) and testing set (N=75). We devised a method to assemble 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.
OBJECTIVES: This study aimed to develop an integrated segmentation-free deep learning (DL) framework to predict multiple aspects of radiotherapy outcome in pharyngeal cancer patients by analyzing pretreatment 18F-fluorodeoxyglucose (18F-FDG) positron emission tomography-computed tomography (PET/CT).
METHODS: We utilized baseline 18F-FDG-PET/CT scans from patients newly diagnosed with oropharyngeal or hypopharyngeal cancer. The study cohort comprised 162 patients for training and 32 for validation, all of whom completed definitive chemoradiotherapy or radiotherapy for organ-preservation. Follo
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 this study, we developed a method for generating quasi-material decomposition (quasi-MD) images from single-energy computed tomography (SECT) images using a deep convolutional neural network (DCNN). Our aim was to improve the detection of cholesterol gallstones and to determine the clinical utility of quasi-MD images. Four thousand pairs of virtual monochromatic images (70 keV) and MD images (fat/water) of the same section, obtained via dual-energy computed tomography (DECT), were used to train the DCNN. The trained DCNN can automatically generate quasi-MD images from the SECT images. Addit
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: Fully automatic skull-stripping and tumor segmentation are crucial for monitoring pediatric brain tumors (PBT). Current methods, however, often lack generalizability, particularly for rare tumors in the sellar/suprasellar regions and when applied to real-world clinical data in limited data scenarios. To address these challenges, we propose AI-driven techniques for skull-stripping and tumor segmentation.
METHODS: Multi-institutional, multi-parametric MRI scans from 527 pediatric patients (n = 336 for skull-stripping, n = 489 for tumor segmentation) with various PBT histologies were
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: Early detection of retinal disorders using optical coherence tomography (OCT) images can prevent vision loss. Since manual screening can be time-consuming, tedious, and fallible, we present a reliable computer-aided diagnosis (CAD) software based on deep learning. Also, we made efforts to increase the interpretability of the deep learning methods, overcome their vague and black box nature, and also understand their behavior in the diagnosis.
METHODS: We propose a novel method to improve the interpretability of the used deep neural network by embedding the rich semantic information of
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 an accurate deep learning model to predict postoperative vault of phakic implantable collamer lenses (ICLs).
SETTING: Parkhurst NuVision LASIK Eye Surgery, San Antonio, Texas.
DESIGN: Retrospective machine learning study.
METHODS: 437 eyes of 221 consecutive patients who underwent ICL implantation were included. A neural network was trained on preoperative very high-frequency digital ultrasound images, patient demographics, and postoperative vault.
RESULTS: 3059 images from 437 eyes of 221 patients were used to train the algorithm on individual ICL sizes. The 13.7 mm si
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.
IMPORTANCE: Data are limited on the prevalence and vascular distribution of multiterritorial atherosclerotic plaque and stenosis in community populations.
OBJECTIVE: To investigate the prevalence and vascular distribution of multiterritorial atherosclerotic plaque and stenosis in older, community-dwelling populations in China.
DESIGN, SETTING, AND PARTICIPANTS: This cross-sectional study was based on the baseline survey from the Polyvascular Evaluation for Cognitive Impairment and Vascular Events (PRECISE) study, a population-based prospective cohort study that enrolled community-dwelling ad
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.
CLINICAL RELEVANCE: The challenges of establishing retinal screening programs in rural settings may be mitigated by the emergence of deep-learning systems for early disease detection.
BACKGROUND: Deep-learning systems have demonstrated promising results in retinal disease detection and may be particularly useful in rural settings where accessibility remains a barrier to equitable service provision. This study aims to evaluate the real-world performance of Thirona RetCAD for the detection of referable diabetic retinopathy and age-related macular degeneration in a rural Australian population.
Оценочное исследованиеСтатьяМногоцентровое 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.
Comprehensive management approaches for patients with ischemic heart disease (IHD) are important aids for prognostication and treatment planning. While single-modality deep neural networks (DNNs) have shown promising performance for detecting cardiac abnormalities, the potential benefits of using DNNs for multimodality risk assessment in patients with IHD have not been reported. The purpose of this study was to investigate the effectiveness of multimodality risk assessment in patients with IHD using a DNN that utilizes 12-lead electrocardiograms (ECGs) and chest X-rays (CXRs), with the predict
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.
Accurate intraoperative diagnosis is crucial for differentiating between primary CNS lymphoma (PCNSL) and other CNS entities, guiding surgical decision-making, but represents significant challenges due to overlapping histomorphological features, time constraints, and differing treatment strategies. We combined stimulated Raman histology (SRH) with deep learning to address this challenge. We imaged unprocessed, label-free tissue samples intraoperatively using a portable Raman scattering microscope, generating virtual H&E-like images within less than three minutes. We developed a deep learning p
СтатьяПрепринтПоиск 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.