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: 178 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1526 с найденным полным текстом
Radiographic examination is essential for diagnosing spinal disorders, and the measurement of spino-pelvic parameters provides important information for the diagnosis and treatment planning of spinal sagittal deformities. While manual measurement methods are the golden standard for measuring parameters, they can be time consuming, inefficient, and rater dependent. Previous studies that have used automatic measurement methods to alleviate the downsides of manual measurements showed low accuracy or could not be applied to general films. We propose a pipeline for automated measurement of spinal p
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.
PURPOSE: Angular and longitudinal deformities of leg alignment create excessive stresses across joints, leading to pain and impaired function. Multiple measurements are used to assess these deformities on anteroposterior (AP) full-length radiographs. An artificial intelligence (AI) software automatically locates anatomical landmarks on AP full-length radiographs and performs 13 measurements to assess knee angular alignment and leg length. The primary aim of this study was to evaluate the agreements in LLD and knee alignment measurements between an AI software and two board-certified radiologis
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.
The world faces multiple public health emergencies simultaneously, such as COVID-19 and Monkeypox (mpox). mpox, from being a neglected disease, has emerged as a global threat that has spread to more than 100 nonendemic countries, even as COVID-19 has been spreading for more than 3 years now. The general mpox symptoms are similar to chickenpox and measles, thus leading to a possible misdiagnosis. This study aimed at facilitating a rapid and high-brevity mpox diagnosis. Reportedly, mpox circulates among particular groups, such as sexually promiscuous gay and bisexuals. Hence, selectively vaccina
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.
The prediction of an occult invasive component in ductal carcinoma in situ (DCIS) before surgery is of clinical importance because the treatment strategies are different between pure DCIS without invasive component and upgraded DCIS. We demonstrated the potential of using deep learning models for differentiating between upgraded versus pure DCIS in DCIS diagnosed by core-needle biopsy. Preoperative axial dynamic contrast-enhanced magnetic resonance imaging (MRI) data from 352 lesions were used to train, validate, and test three different types of deep learning models. The highest performance w
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 evaluate the efficacy of a combined wavelet and deep-learning reconstruction (DLR) method for under-sampled pituitary MRI.
METHODS: This retrospective study included 28 consecutive patients who underwent under-sampled pituitary T2-weighted images (T2WI). Images were reconstructed using either the conventional wavelet denoising method (wavelet method) or the wavelet and DLR methods combined (hybrid DLR method) at five denoising levels. The signal-to-noise ratio (SNR) of the CSF, hypothalamic, and pituitary images and the contrast between structures were compared
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.
Three-dimensional surgical simulation, already in use for hepatic surgery, can be used in pancreatic surgery. However, some problems still need to be overcome to achieve more precise pancreatic surgical simulation. The present study evaluates the performance of SYNAPSE VINCENT® (version 6.6, Fujifilm Medical Co., Ltd., Tokyo, Japan) in the semiautomated surgical simulation of the pancreatic parenchyma, pancreatic ducts, and peripancreatic vessels using an artificial intelligence (AI) engine designed with deep learning algorithms. One-hundred pancreatic cancer patients and a control group of 10
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.
OBJECTIVES: We aimed to predict hematoma expansion in intracerebral hemorrhage (ICH) patients by using the deep learning technique.
METHODS: We retrospectively collected data from ICH patients treated between May 2015 and May 2019. Head computed tomography (CT) scans were performed at admission, and 6 hours, 24 hours, and 72 hours after admission. CT scans were mandatory when neurologic deficits occurred. Univariate and multivariate analyses were conducted to illustrate the association between clinical variables and hematoma expansion. Convolutional neural network (CNN) was adopted to predict
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.
A rapid and cost-effective method to detect the infection of SARS-CoV-2 is fundamental to mitigating the current COVID-19 pandemic. Herein, a surface-enhanced Raman spectroscopy (SERS) sensor with a deep learning algorithm has been developed for the rapid detection of SARS-CoV-2 RNA in human nasopharyngeal swab (HNS) specimens. The SERS sensor was prepared using a silver nanorod array (AgNR) substrate by assembling DNA probes to capture SARS-CoV-2 RNA. The SERS spectra of HNS specimens were collected after RNA hybridization, and the corresponding SERS peaks were identified. The RNA detection r
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.
The continual evolution of SARS-CoV-2 and the emergence of variants that show resistance to vaccines and neutralizing antibodies threaten to prolong the COVID-19 pandemic. Selection and emergence of SARS-CoV-2 variants are driven in part by mutations within the viral spike protein and in particular the ACE2 receptor-binding domain (RBD), a primary target site for neutralizing antibodies. Here, we develop deep mutational learning (DML), a machine-learning-guided protein engineering technology, which is used to investigate a massive sequence space of combinatorial mutations, representing billion
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.
This study was aimed to explore the application of cardiac magnetic resonance imaging (MRI) image segmentation model based on U-Net in the diagnosis of a valvular heart disease. The effect of continuous nursing on the survival of discharged patients with cardiac valve replacement was analyzed in this study. In this study, the filling completion operation, cross entropy loss function, and guidance unit were introduced and optimized based on the U-Net network. The heart MRI image segmentation model ML-Net was established. We compared the Dice, Hausdorff distance (HD), and percentage of area diff
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: Neuroimaging differentiation of glioblastoma, primary central nervous system lymphoma (PCNSL) and solitary brain metastasis (BM) remains challenging in specific cases showing similar appearances or atypical features. Overall, advanced MRI protocols have high diagnostic reliability, but their limited worldwide availability, coupled with the overlapping of specific neuroimaging features among tumor subgroups, represent significant drawbacks and entail disparities in the planning and management of these oncological patients.
OBJECTIVE: To evaluate the classification performance metri
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: Develop and evaluate a deep learning-based automatic meningioma segmentation method for preoperative meningioma differentiation using radiomic features.
METHODS: A retrospective multicentre inclusion of MR examinations (T1/T2-weighted and contrast-enhanced T1-weighted imaging) was conducted. Data from centre 1 were allocated to training (n = 307, age = 50.94 ± 11.51) and internal testing (n = 238, age = 50.70 ± 12.72) cohorts, and data from centre 2 external testing cohort (n = 64, age = 48.45 ± 13.59). A modified attention U-Net was trained for meningioma segmentation. Segmentati
СтатьяМногоцентровое 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.
OBJECTIVES: To compare the diagnostic performance of a novel deep learning (DL) method based on T2-weighted imaging with the vesical imaging-reporting and data system (VI-RADS) in predicting muscle invasion in bladder cancer (MIBC).
METHODS: A total of 215 tumours (129 for training and 31 for internal validation, centre 1; 55 for external validation, centre 2) were included. MIBC was confirmed by pathological examination. VI-RADS scores were provided by two groups of radiologists (readers 1 and readers 2) independently. A deep convolutional neural network was constructed in the training set,
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.
Otology & neurotology : official publication of the American Otological Society, American Neurotology Society [and] European Academy of Otology and Neurotology2022eng
OBJECTIVE: Surveillance of postoperative vestibular schwannomas currently relies on manual segmentation and measurement of the tumor by content experts, which is both labor intensive and time consuming. We aimed to develop and validate deep learning models for automatic segmentation of postoperative vestibular schwannomas on gadolinium-enhanced T1-weighted magnetic resonance imaging (GdT1WI) and noncontrast high-resolution T2-weighted magnetic resonance imaging (HRT2WI).
STUDY DESIGN: A supervised machine learning approach using a U-Net model was applied to segment magnetic resonance imaging
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 purpose of the current study was to develop a deep learning technique called Golden-angle RAdial Sparse Parallel Network (GRASPnet) for fast reconstruction of dynamic contrast-enhanced 4D MRI acquired with golden-angle radial k-space trajectories. GRASPnet operates in the image-time space and does not use explicit data consistency to minimize the reconstruction time. Three different network architectures were developed: (1) GRASPnet-2D: 2D convolutional kernels (x,y) and coil and contrast dimensions collapsed into a single combined dimension; (2) GRASPnet-3D: 3D kernels (x,y,t); and (3) GR
СтатьяПоддержка NIH: внешняя программаПолный 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: Breast cancer is a critical public health issue and a leading cause of cancer-related deaths among women worldwide. Its early diagnosis and detection can effectively help in increasing the chances of survival rate. For this reason, the diagnosis and classification of breast cancer using Deep learning algorithms have attracted a lot of attention. Therefore, our study aimed to design a computational approach based on deep convolutional neural networks for an efficient classification of breast cancer histopathological images by using our own created dataset. We collected overall 328 di
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.
PURPOSE: Deep learning-based auto-segmented contour (DC) models require high quality data for their development, and previous studies have typically used prospectively produced contours, which can be resource intensive and time consuming to obtain. The aim of this study was to investigate the feasibility of using retrospective peer-reviewed radiotherapy planning contours in the training and evaluation of DC models for lung stereotactic ablative radiotherapy (SABR).
METHODS: Using commercial deep learning-based auto-segmentation software, DC models for lung SABR organs at risk (OAR) and gross
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.
A rapid, on-site, and accurate SARS-CoV-2 detection method is crucial for the prevention and control of the COVID-19 epidemic. However, such an ideal screening technology has not yet been developed for the diagnosis of SARS-CoV-2. Here, we have developed a deep learning-based surface-enhanced Raman spectroscopy technique for the sensitive, rapid, and on-site detection of the SARS-CoV-2 antigen in the throat swabs or sputum from 30 confirmed COVID-19 patients. A Raman database based on the spike protein of SARS-CoV-2 was established from experiments and theoretical calculations. The correspondi
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.
The performance of a model in machine learning problems highly depends on the dataset and training algorithms. Choosing the right training algorithm can change the tale of a model. While some algorithms have a great performance in some datasets, they may fall into trouble in other datasets. Moreover, by adjusting hyperparameters of an algorithm, which controls the training processes, the performance can be improved. This study contributes a method to tune hyperparameters of machine learning algorithms using Grey Wolf Optimization (GWO) and Genetic algorithm (GA) metaheuristics. Also, 11 differ
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.
BACKGROUND: Acute diseases present severe complications that develop rapidly, exhibit distinct phenotypes, and have profound effects on patient outcomes. Predictive analytics can enhance physicians' care and management of patients with acute diseases by predicting crucial complication phenotypes for a timely diagnosis and treatment. However, effective phenotype predictions require several challenges to be overcome. First, patient data collected in the early stages of an acute disease (eg, clinical data and laboratory results) are less informative for predicting phenotypic outcomes. Second, pat
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.