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
29669 публикаций
Поиск: 160 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1458 с найденным полным текстом
As digital imaging in healthcare grows quickly, dealing with vast medical image data is getting trickier. Content-Based Medical Image Retrieval (CBMIR) systems help with this, but they struggle because of the gap between simple image details and what these images mean in a clinical setting. This paper presents a new approach using deep learning for CBMIR that combines Convolutional Neural Networks (CNNs), Recurrent Neural Networks (RNNs), and Explainable AI (XAI). Using the Breast Ultrasound Image (BUSI) dataset for training, this hybrid model classifies images and finds the relevant results 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.
SIGNIFICANCE: Photoplethysmography (PPG) underpins a wide range of clinical and consumer optical monitoring technologies. However, differences in skin pigmentation can alter light-tissue interactions through increased absorption by melanin, affecting PPG signal quality and potentially contributing to performance disparities across populations.
AIM: This study aimed to investigate the effect of skin pigmentation on PPG signal quality by combining an advanced vascular finger phantom with Monte Carlo simulations to directly link experimentally measured PPG features to underlying photon transport
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: This study aimed to evaluate the efficacy of Mask regions with convolutional neural network (R-CNN) for the automated detection and segmentation of residual dental roots in panoramic radiographs and to compare its diagnostic performance against the semantic segmentation benchmark, U-shaped network (U-Net).
METHODS: A retrospective dataset comprising 224 patients with 505 annotated residual roots was utilized. Image preprocessing involved adaptive contrast enhancement using contrast limited adaptive histogram equalization in the Commission Internationale de l'Éclairage lab color sp
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 aim of this study was to evaluate the performance of an artificial intelligence (AI)-based method for automated segmentation of total metabolic tumor volume (TMTV) in 18F-FDG PET/CT scans of patients with lymphoma, using an independent, publicly available benchmark dataset curated and segmented by expert readers in a previously published study. Methods: The AI model, based on a 3-dimensional U-Net architecture implemented in MONAI (the medical open-source network for AI framework), was trained on 1,500 18F-FDG PET/CT scans of patients with lymphoma. It was tested on a benchmark dataset com
СтатьяВалидационное 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.
BACKGROUND: Kikuchi disease, lymphoma, lymphadenitis, and tuberculosis are common diseases affecting the head and neck. The causes and treatment methods differ; however, the initial symptoms of these diseases (fever, pain, and neck swelling) are generally similar; therefore, it is important to accurately determine the type of disease at its initial stage.
RESULTS: During the performance evaluation, the values of precision-recall area under the curve (PR AUC) were 0.785, 0.731, 0.920, and 0.821 for the four single-disease detection models for Kikuchi disease, lymphoma, lymphadenitis, and tuber
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 accurate diagnosis of lymph node metastasis in esophageal squamous cell carcinoma is crucial in the treatment workflow, and the process is often time-consuming for clinicians. Recent deep learning models predicting whether lymph nodes are affected by cancer in esophageal cancer cases suffer from challenging node delineation and hence gain poor diagnosis accuracy. This paper proposes an innovative multi-task and multi-scale attention network (M 2 ANet) to predict lymph node metastasis precisely. The network softly expands the regions of the node mask and subsequently utilizes the expande
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.
Retinal diseases are the leading causes of visual impairment, and early diagnosis is essential for treatment. Optical coherence tomography (OCT), a non-invasive imaging technique, provides high-resolution images for retinal disease classification; however, its complexity and the limitations of manual diagnosis require efficient automated classification methods. To enableearly clinical diagnosis, this paper proposes a Convolutional Block Attention Module (CBAM)- Automatic Mixing Precision (AMP) network (CANet) for automated classification of retinal images. The model categorizes diabetic macula
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.
This study focuses on automating the classification of certain thoracic lung cancer stages in 3D 18FDG-PET/CT images according to the 9th Edition of the TNM Classification for Lung Cancer (2024). By leveraging advanced segmentation and classification techniques, we aim to enhance the accuracy of distinguishing between T4 (pulmonary nodules) Thoracic M0 and M1a (pulmonary nodules) stages. Precise segmentation of pulmonary lobes using the Pulmonary Toolkit enables the identification of tumor locations and additional malignant nodules, ensuring reliable differentiation between ipsilateral and con
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: The recently introduced CMS quality measure for computed tomography (CT) requires compliance with two key metrics, radiation dose and image quality, across 18 exam categories. However, the method for calculating global noise (GN) remains undefined, with references to the "Duke method" and "Wisconsin method" as possible options. This lack of clarity raises concerns regarding standardization, compliance, and clinical relevance.
PURPOSE: To compare GN calculation methods proposed in the Duke and Wisconsin papers and evaluate their variability across clinical CT protocols.
METHODS: A
СтатьяСравнительное исследованиеОценочное 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.
Despite the outstanding performance of deep learning (DL) models, their interpretability remains a challenging topic. In this study, we address the transparency of DL models in medical image analysis by introducing a novel interpretability method using projected gradient descent (PGD) to generate adversarial examples. We use adversarial generation to analyze images. By introducing perturbations that cause misclassification, we identify key features influencing the model decisions. This method is tested on Brain Tumor, Eye Disease, and COVID-19 datasets using six common convolutional neural net
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.
This study uses machine learning (ML) to elucidate the contact relationship between the mandibular third molar (M3M) and the inferior alveolar canal (IAC), leading to three major contributions; (1) The first publicly accessible PR image dataset with semantic annotations for 1,478 IACs and M3Ms from 1,010 patients is introduced, which includes challenging cases, such as false positive contacts, with CBCT images as the gold standard, (2) Established radiological indicators for M3M-IAC contact were extracted as features using digital image processing, and these features were used as inputs for va
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.
OBJECTIVE: To assess the accuracy of three commercially available and one open-source deep learning (DL) solutions for automatic tooth segmentation in cone beam computed tomography (CBCT) images of patients with multiple dental impactions.
MATERIALS AND METHODS: Twenty patients (20 CBCT scans) were selected from a retrospective cohort of individuals with multiple dental impactions. For each CBCT scan, one reference segmentation and four DL segmentations of the maxillary and mandibular teeth were obtained. Reference segmentations were generated by experts using a semi-automatic process. DL seg
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.
Explaining the decisions made by a radiomic model is of significant interest, as it can provide valuable insights into the information learned by complex models and foster trust in well-performing ones, thereby facilitating their clinical adoption. Promising radiomic approaches that aggregate information from multiple regions within an image currently lack suitable explanation tools that could identify the regions that most significantly influence their decisions. Here we present a model- and modality-agnostic tool (RadShap, https://github.com/ncaptier/radshap), based on Shapley values, that e
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.
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: Neglecting eye disorders can lead to visual impairment or even vision loss, making early diagnosis and medical treatment crucial. This paper presents the development of an automated non-supervised eye disorder screening system that utilises Virtual Reality (VR) to provide a preliminary screening for common eye disorders.
METHODS: The system integrates advanced pupil-tracking techniques, image-processing methods, and eye disorder screening algorithms into one package for comprehensive eye disorder monitoring, including a strabismus test, a pupil test, and a contrast sensitivity tes
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 lightweight and rapid convolutional neural network (CNN) architecture for chest X-ray images; it primarily consists of a redesigned feature extraction (FE) module and multiscale feature (MF) module and validated using publicly available COVID-19 datasets. Experiments were conducted on multiple updated versions of the COVID-19 Radiography Database, a publicly accessible dataset on Kaggle. The database contained images categorized into three classes: COVID-19 coronavirus, viral or bacterial pneumonia, and normal. The results revealed that the proposed method achieve
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 hyoid bone displacement and rotation are critical kinematic events of the swallowing process in the assessment of videofluoroscopic swallow studies (VFSS). However, the quantitative analysis of such events requires frame-by-frame manual annotation, which is labor-intensive and time-consuming. Our work aims to develop a method of automatically tracking hyoid bone displacement and rotation in VFSS. We proposed a full high-resolution network, a deep learning architecture, to detect the anterior and posterior of the hyoid bone to identify its location and rotation. Meanwhile, the anterior-infe
СтатьяПоддержка NIH: внешняя программаПоиск 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 topic of the diagnosis of phaeochromocytomas remains highly relevant because of advances in laboratory diagnostics, genetics, and therapeutic options and also the development of imaging methods. Computed tomography still represents an essential tool in clinical practice, especially in incidentally discovered adrenal masses; it allows morphological evaluation, including size, shape, necrosis, and unenhanced attenuation. More advanced post-processing tools to analyse digital images, such as texture analysis and radiomics, are currently being studied. Radiomic features utilise digital image p
СтатьяОбзорПоддержка 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.
Retinal haemorrhage stands as an early indicator of diabetic retinopathy, necessitating accurate detection for timely diagnosis. Addressing this need, this study proposes an enhanced machine-based diagnostic test for diabetic retinopathy through an updated UNet framework, adept at scrutinizing fundus images for signs of retinal haemorrhages. The customized UNet underwent GPU training using the IDRiD database, validated against the publicly available DIARETDB1 and IDRiD datasets. Emphasizing the complexity of segmentation, the study employed preprocessing techniques, augmenting image quality an
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.
STATEMENT OF PROBLEM: Occlusal collisions of articulated intraoral digital scans can be corrected by intraoral scanners (IOSs) or dental design software programs. However, the influence of these corrections on the accuracy of maxillomandibular relationship is unclear.
PURPOSE: The purpose of this clinical investigation was to measure the effect of occlusal collision corrections completed by the IOSs or dental design software programs on the trueness and precision of maxillomandibular relationship.
MATERIAL AND METHODS: Casts of a participant mounted on an articulator were digitized (T710). T
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.