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
13473 публикаций
Поиск: 154 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 922 с найденным полным текстом
Single-shot fringe projection profilometry (FPP) offers significant advantages for dynamic three-dimensional (3D) measurement. However, existing deep learning-based single-shot methods still struggle to simultaneously and accurately extract the wrapped phase and fringe order. Because the former is a continuous physical quantity while the latter is a discrete integer label, their joint estimation from a single periodic pattern is inherently ambiguous, especially for isolated objects lacking spatial continuity. To address this problem, a deep learning-enabled single-shot FPP method is proposed b
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.
The research work introduces a new framework which optimizes reinforcement learning with graph neural networks for detecting fraudulent transactions in unbalanced financial data. The proposed method connects community-swapping data mining techniques with multi-type anomaly detection algorithms. The method uses time-series patterns combined with structural properties and contextual features to detect fraudulent transactions. The model system uses Graph Attention Networks (GAT) connected to an RL controller which enhances fraud detection results through a reward mechanism that balances precision
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.
Limited-angle tomographic reconstruction is one of the typical ill-posed inverse problems, leading to edge divergence with degraded image quality. Recently, deep learning has been introduced into image reconstruction and achieved great results. However, existing deep reconstruction methods have not fully explored data consistency, resulting in poor performance. In addition, deep reconstruction methods are still mathematically inexplicable and unstable. In this work, we propose an iterative residual optimization network (IRON) for limited-angle tomographic reconstruction. First, a new optimizat
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.
Sonar sound datasets are of significant importance in the domains of underwater surveillance and marine research as they enable experts to discern intricate patterns within the depths of the water. Nevertheless, the task of classifying sonar sound datasets continues to pose significant challenges. In this study, we present a novel approach aimed at enhancing the precision and efficacy of sonar sound dataset classification. The integration of deep long-short-term memory (DLSTM) and convolutional neural networks (CNNs) models is employed in order to capitalize on their respective advantages whil
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.
Lung cancer is one of the most deadly diseases in the world. Lung cancer detection can save the patient's life. Despite being the best imaging tool in the medical sector, clinicians find it challenging to interpret and detect cancer from Computed Tomography (CT) scan data. One of the most effective ways for the diagnosis of certain malignancies like lung tumours is Positron Emission Tomography (PET) imaging. So many diagnosis models have been implemented nowadays to diagnose various diseases. Early lung cancer identification is very important for predicting the severity level of lung cancer 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.
Alberta Stroke Program Early Computed Tomographic Scoring (ASPECTS) is a reliable method for assessing early ischemic changes in the blood supply area of the middle cerebral artery in patients with acute ischemic stroke. This study aims to propose a deep learning based automatic evaluation strategy for DWI-ASPECTS to serve as a reference for clinicians in urgent decision making for endovascular thrombectomy. Ten ASPECTS regions are extracted from the DWI series to train the independent classification network for each region, the accurate training labels of which are confirmed by neuroradiologi
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.
Deep learning algorithms based on automatic 3D cephalometric marking points about people without craniomaxillofacial deformities have achieved good results. However, there has been no previous report about hemifacial microsomia (HFM). The purpose of this study is to apply a new deep learning method based on a 3D point cloud graph convolutional neural network to predict and locate landmarks in patients with HFM based on the relationships between points. The authors used a PointNet++ model to investigate the automatic 3D cephalometry. And the mean distance error (MDE) of the center coordinate po
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.
Millions of people around the world are affected by arrhythmias, which are abnormal activities of the functioning of the heart. Most arrhythmias are harmful to the heart and can suddenly become life-threatening. The electrocardiogram (ECG) is an important non-invasive tool in cardiology for the diagnosis of arrhythmias. This work proposes a computer-aided diagnosis (CAD) system to automatically classify different types of arrhythmias from ECG signals. First, the auto-encoder convolutional network (ACN) model is used, which is based on a one-dimensional convolutional neural network (1D-CNN) tha
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.
Peripheral arterial disease (PAD) is caused by atherosclerosis and is a common disease of the elderly leading to excess morbidity and mortality. Early PAD diagnosis is important, as the only available causal therapy is addressing risk factors like smoking, hypercholesterolemia or hypertension. However, current diagnostic techniques often do not detect early stages of PAD. We theorize that PAD's underlying cause atherosclerosis can be detected on color fundus photography (CFP) images with a convolutional neural network architecture, which might aid earlier PAD diagnosis and improve disease moni
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.
Posttraumatic stress disorder (PTSD) is widely associated with deficits in extinguishing learned fear responses, which relies on mechanisms of reinforcement learning (e.g., updating expectations based on prediction errors). However, the degree to which PTSD is associated with impairments in general reinforcement learning (i.e., outside of the context of fear stimuli) remains poorly understood. Here, we investigate brain and behavioral differences in general reinforcement learning between adult women with and without a current diagnosis of PTSD. 29 adult females (15 PTSD with exposure to assaul
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: Difficulty understanding speech in noise (SIN) is a major determinant of communication ability and quality of life, affecting individuals with hearing loss as well as some with normal hearing. Data-driven prediction methods offer a promising approach for modeling complex, multidimensional factors underlying speech perception. This systematic review and meta-analysis evaluated computational approaches for predicting SIN-related outcomes, compared predictive performance across model classes where quantitative synthesis was feasible, and identified methodological factors relevant to mode
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.
Accurate thermo-fluid modeling in rotating systems is essential for the design and optimization of advanced thermal engineering devices. This study develops a machine-learning-assisted framework to predict the pressure distribution, temperature field, and entropy generation of a MoS₂-Ag-SiO₂-GO Casson tetra-hybrid nanofluid with a 50:50 ethylene glycol-water base fluid in a rotating cone-disk system. The modeling contribution integrates Casson tetra-hybrid nanofluid behavior with magnetic-field, porous-medium, thermal-radiation, and heat generation/absorption effects under different rotational
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: Carcinoembryonic antigen (CEA) is widely used in colon cancer management; however, its diagnostic and prognostic accuracy is limited by biological variability, as well as false-positive or false-negative results. Radiomics provides quantitative descriptors of tumor heterogeneity and offers objective assessment of tumor characteristics. This study aimed to evaluate the potential of computed tomography (CT)-based radiomic features to distinguish between CEA-positive and CEA-negative colon cancer patients. Methods: In this retrospective study, 150 patients with histopatholo
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.
Breast cancer, a prevalent cancer among women worldwide, necessitates precise and prompt detection for successful treatment. While conventional histopathological examination is the benchmark, it is a lengthy process and prone to variations among different observers. Employing machine learning to automate the diagnosis of breast cancer presents a viable option, striving to improve both precision and speed. Previous studies have primarily focused on applying various machine learning and deep learning models for the classification of breast cancer images. These methodologies leverage convolutiona
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.
We developed SPaR-GNN (Selectivity Pair-aware Ranking Graph Neural Network), a multitask molecular learning framework for dual-target cholinesterase optimization. SPaR-GNN jointly predicts acetylcholinesterase (AChE) activity, butyrylcholinesterase (BuChE) activity, and molecular selectivity while incorporating explicit pair-aware supervision from structurally similar analogs and selectivity-cliff pairs. In addition, we integrated SPaR-GNN into a goal-driven molecular optimization workflow for candidate generation and prioritization. Experimental results showed that SPaR-GNN performed satisfac
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.
Nanoconfined fluid is central to many engineering applications such as shale energy production, carbon sequestration, and molecular separations. While classical molecular dynamics (MD) simulation provides essential atomistic detail, its prohibitive computational cost severely limits accessible time and length scales. Hybrid MD-Monte Carlo (MDMC) methods accelerate sampling but lack generality beyond their trained conditions. In this work, we introduce an AI-assisted MDMC framework that overcomes this limitation by learning local, conditional transition statistics directly from MD trajectories.
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.
The 2nd EUOS/SLAS Joint Challenge was a competition aimed at developing reliable computational models for predicting transmittance and fluorescence properties from the chemical structures of approximately 100,000 compounds. This paper describes the method that achieved 1st place in the blind test of the Transmittance category. Our approach is based on a consensus strategy that integrates diverse predictions from multiple model types, including gradient boosting decision trees, message passing neural networks (MPNNs), and Uni-Mol2, via a weighted ensemble, covering multimodal molecular represen
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: N6-methyladenosine (m6A), the most predominant post-transcriptional RNA modification, regulates splicing, translation, and decay processes. Its dysregulation is implicated in cancers, metabolic disorders, and neurological diseases. Despite accumulating evidence highlighting m6A as a key player in human pathologies, no previous computational framework has investigated the high-order associations among m6A sites, diseases, and drugs within a unified model.
RESULTS: Here, we introduce HNRM, a data-driven approach designed to model hyperedges across these entities. We frame this probl
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.
This article presents a suboptimal joint trajectory replanning (SJTR) method for Mars ascent vehicle (MAV) launch missions under propulsion system faults. Conventional step-by-step trajectory replanning may fail to make timely decisions, risking mission failure. The SJTR method formulates a joint convex optimization problem of target orbit and flight trajectory after a fault. By applying penalty coefficients for terminal constraints, it adheres to the orbit redecision principles, enabling a concise and rapid solution. To further enhance the convergence and the accuracy of orbit-type determinat
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.
The growing prevalence of acute lymphoblastic leukemia cancer worldwide underlines the critical need for early and more precise detection to counter this deadly disease. This study presents a robust SqueezeNet-enhanced machine learning framework for automatically screening and classifying histopathological images for acute lymphoblastic leukemia. This work employs a deep learning (DL)-based SqueezeNet integrated with three machine learning (ML) models including neural network (NN), logistic regression (LR), and random forest (RF) for diagnosis. Combining DL and ML algorithms addresses the comp
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.