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
174306 публикаций
Поиск: 502 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 3934 с найденным полным текстом
BACKGROUND: Tuberculosis (TB) is still the most common infectious disease that kills people around the world. Drug-resistant types like multi-drug resistant (MDR-TB) and widely drug-resistant TB (XDR-TB) are becoming more common, which makes treatment much harder. Molecular tests and trait drug resistance testing are common ways to diagnose problems, but they take a long time to do or are hard to get to, especially in places with few resources. New developments in artificial intelligence (AI) and machine learning (ML) offer potential new ways to quickly and accurately profile drug resistance b
СтатьяОбзорПолный 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.
Tuberculosis (TB) is a contagious bacterial disease affecting millions of people globally and is one of the major causes of morbidity and mortality, particularly in the developing world. The spread of multi-drug-resistant (MDR) and extensively drug-resistant (XDR) tuberculosis has emerged as a major challenge to TB treatment, demanding the discovery of novel drug candidates. The process requires fast and efficient lead identification methodologies. This research content embarks on a comprehensive exploration of machine learning algorithms applied to identify potential compounds active against
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.
Множественный склероз (MS) — нейродегенеративное заболевание, воздействующее на толщину сетчатого слоя. Таким образом, было предложено несколько работ по диагностике MS на основе изображений сетчатой оптической совместимости (OCT). Недавно проведенные клинические исследования подтвердили, что разбавление происходит на четырех верхних слоях, явно в области макарон. Однако существующие методы обнаружения MS не учитывают все симптомы MS, которые могут повлиять на эффективность обнаружения MS. В этом исследовании мы предлагаем новый автоматизированный метод обнаружения MS из сетчатых изображений O
СтатьяПоиск полного текста в очередиМашинный 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 AND OBJECTIVES: Multiple sclerosis (MS) is common in adults while myelin oligodendrocyte glycoprotein antibody-associated disease (MOGAD) is rare. Our previous machine-learning algorithm, using clinical variables, ≤6 brain lesions, and no Dawson fingers, achieved 79% accuracy, 78% sensitivity, and 80% specificity in distinguishing MOGAD from MS but lacked validation. The aim of this study was to (1) evaluate the clinical/MRI algorithm for distinguishing MS from MOGAD, (2) develop a deep learning (DL) model, (3) assess the benefit of combining both, and (4) identify key differentiato
СтатьяМногоцентровое 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.
Кортикальные повреждения (КЛ) стали ценными биомаркерами в множестве склерозов (МС), что обеспечивает высокую диагностическую специфичность и перспективную актуальность. Однако их плановая клиническая интеграция по-прежнему ограничена из-за тонкого магнитного резонансного изображения (MRI), проблем с экспертными аннотациями и отсутствия стандартизированных автоматизированных методов. Мы предлагаем всеобъемлющий многоцентричный критерий обнаружения и сегментации КЛ в МРТ. В общей сложности 656 обследований МРТ, включая клинические исследования и исследовательские данные четырех учреждений, были
СтатьяПрепринтПоиск полного текста в очередиМашинный 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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
СтатьяПоиск полного текста в очередиМашинный 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.
Первичный постепенный множественный склероз (ППМС) затрагивает 10-15% пациентов, страдающих множественным склерозом, и свидетельствует о значительной изменчивости темпов развития инвалидности. Определение ключевых биологических особенностей и пациентов, подверженных повышенному риску быстрого развития, имеет решающее значение для разработки и оптимизации стратегий лечения. Переписка периферальных кровяных клеток может дать ценную информацию для прогнозирования исхода пациентов. В этом исследовании мы использовали систему машинного обучения, применяемую к исходным профилям транскрипции крови и
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.
OBJECTIVE: To establish a prediction model of upper extremity deep vein thrombosis (UEDVT) associated with peripherally inserted central catheter (PICC) based on machine learning (ML), and evaluate the effect.
METHODS: 452 patients with malignant tumors who underwent PICC implantation in West China Hospital from April 2021 to December 2021 were selected through convenient sampling. UEDVT was detected by ultrasound. Machine learning models were established using the least absolute contraction and selection operator (LASSO) regression algorithm: Seeley scale model (ML-Seeley-LASSO) and ML model
СтатьяСравнительное 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.
Portable and personalized artificial intelligence (AI)-driven sensors mimicking human olfactory and gustatory systems have immense potential for the large-scale deployment and autonomous monitoring systems of Internet of Things (IoT) devices. In this study, an artificial Q-grader comprising surface-engineered zinc oxide (ZnO) thin films is developed as the artificial nose, tongue, and AI-based statistical data analysis as the artificial brain for identifying both aroma and flavor chemicals in coffee beans. A poly(vinylidene fluoride-co-hexafluoropropylene)/ZnO thin film transistor (TFT)-based
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.
Timing plays a critical role when building up motor skill. In this study, we investigated and simulated human skill learning in a simplified variant of the Space Fortress video game named Auto Orbit with a strong timing component. Our principal aim was to test whether a computational model designed to simulate keypress actions repeated at rates slower than 500 ms (>500 ms) could also simulate human learning with repeated keypress actions taking place at very fast rates (≤500 ms). The main finding was that increasing speed stress forced human participants to qualitatively switch their behavior
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: Oral cancer is a malignant tumor that usually occurs within the tissues of the mouth. This type of cancer mainly includes tumors in the lining of the mouth, tongue, lips, buccal mucosa and gums. Oral cancer is on the rise globally, especially in some specific risk groups. The early stage of oral cancer is usually asymptomatic, while the late stage may present with ulcers, lumps, bleeding, etc.
OBJECTIVE: The objective of this paper is to propose an effective and accurate method for the identification and classification of oral cancer.
METHODS: We applied two deep learning methods
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 AND OBJECTIVES: To compare a conventional T1 volumetric interpolated breath-hold examination (VIBE) with SPectral Attenuated Inversion Recovery (SPAIR) fat saturation and a deep learning (DL)-reconstructed accelerated VIBE sequence with SPAIR fat saturation achieving a 50 % reduction in breath-hold duration (hereafter, VIBE-SPAIRDL) in terms of image quality and diagnostic confidence.
MATERIALS AND METHODS: This prospective study enrolled consecutive patients referred for upper abdominal MRI from November 2023 to December 2023 at a single tertiary center. Patients underwent upper ab
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: Fragility fractures associated with osteoporosis and osteopenia are a common cause of morbidity and mortality. Current methods of diagnosing low bone mineral density require specialized dual x-ray absorptiometry (DXA) scans. Plain hand radiographs may have utility as an alternative screening tool, although optimal diagnostic radiographic parameters are unknown, and measurement is prone to human error. The aim of the present study was to develop and validate an artificial intelligence algorithm to screen for osteoporosis and osteopenia using standard hand radiographs.
METHODS: A cohor
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: To develop a deep learning model for automated age estimation based on 3D CT reconstructed images of Han population in western China, and evaluate its feasibility and reliability.
METHODS: The retrospective pelvic CT imaging data of 1 200 samples (600 males and 600 females) aged 20.0 to 80.0 years in western China were collected and reconstructed into 3D virtual bone models. The images of the ischial tuberosity feature region were extracted to create sex-specific and left/right site-specific sample libraries. Using the ResNet34 model, 500 samples of different sexes were randomly s
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. Prior to radiation therapy planning, accurate delineation of gross tumour volume (GTVs) and organs at risk (OARs) is crucial. In the current clinical practice, tumour delineation is performed manually by radiation oncologists, which is time-consuming and prone to large inter-observer variability. With the advent of deep learning (DL) models, automated contouring has become possible, speeding up procedures and assisting clinicians. However, these tools are currently used in the clinic mostly for contouring OARs, since these systems are not reliable yet for contouring GTVs. To improve
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.
Mapping neuronal activation using calcium imaging in vivo during behavioural tasks has advanced our understanding of nervous system function. In almost all of these studies, calcium imaging is used to infer spike probabilities because action potentials activate voltage-gated calcium channels and increase intracellular calcium levels. However, neurons not only fire action potentials, but also convey information via intrinsic dynamics such as by generating bistable membrane potential states. Although a number of tools for spike inference have been developed and are currently being used, no tool
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: Predicting outcome of breast cancer is important for selecting appropriate treatments and prolonging the survival periods of patients. Recently, different deep learning-based methods have been carefully designed for cancer outcome prediction. However, the application of these methods is still challenged by interpretability. In this study, we proposed a novel multitask deep neural network called UISNet to predict the outcome of breast cancer. The UISNet is able to interpret the importance of features for the prediction model via an uncertainty-based integrated gradients algorithm. U
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.
Multiple types of omics data contain a wealth of biomedical information which reflect different aspects of clinical samples. Multi-omics integrated analysis is more likely to lead to more accurate clinical decisions. Existing cancer diagnostic methods based on multi-omics data integration mainly focus on the classification accuracy of the model, while neglecting the interpretability of the internal mechanism and the reliability of the results, which are crucial in specific domains such as precision medicine and the life sciences. To overcome this limitation, we propose a trustworthy multi-omic
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.
OBJECTIVES: In orthognatic surgery, one of the primary determinants for reliable three-dimensional virtual surgery planning (3D VSP) and an accurate transfer of 3D VSP to the patient in the operation room is the condylar seating. Incorrectly seated condyles would primarily affect the accuracy of maxillary-first bimaxillary osteotomies as the maxillary repositioning is dependent on the positioning of the mandible in the cone-beam computed tomography (CBCT) scan. This study aimed to develop and validate a novel tool by utilizing a deep learning algorithm that automatically evaluates the condylar
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.
INTRODUCTION: This study used an unsupervised machine learning algorithm, sidClustering and random forests, to identify clusters of risk behaviors of Bacterial Vaginosis (BV), the most common cause of abnormal vaginal discharge linked to STI and HIV acquisition. METHODS: Participants were 391 cisgender women in Miami, Florida, with a mean of 30.8 (SD = 7.81) years of age; 41.7% identified as Hispanic; 41.7% as Black and 44.8% as White. Participants completed measures of demographics, risk behaviors [sexual, medical, and reproductive history, substance use, and intravaginal practices (IVP)], a
СтатьяПоддержка NIH: внешняя программаПоиск 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.