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
57428 публикаций
Поиск: 458 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1914 с найденным полным текстом
Neurodegenerative diseases, including Alzheimer's disease (AD) and Parkinson's disease (PD), present a growing public health challenge globally. Recent advancements in neurotechnology and neuroengineering have significantly enhanced brain-computer interfaces, artificial intelligence, and organoid technologies, making them pivotal instruments for diagnosis, monitoring, disease modeling, treatment development, and rehabilitation of various diseases. Nonetheless, the majority of neural interface platforms focus on unidirectional control paradigms, neglecting the need for co-adaptive systems where
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: The integration of artificial intelligence (AI) and machine learning (ML) into biomedical research requires a workforce fluent in both computational methods and clinical applications. Structured, interdisciplinary training opportunities remain limited, creating a gap between data scientists and clinicians. The National Institutes of Health's Bridge to Artificial Intelligence (Bridge2AI) initiative launched the Artificial Intelligence-Ready and Exploratory Atlas for Diabetes Insights (AI-READI) data generation project to address this gap. AI-READI is creating a multimodal, FAIR (fin
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 COVID-19 pandemic has accelerated advances in molecular biology and virology, enabling the identification of key biomarkers to differentiate between severe and mild cases. Furthermore, the use of artificial intelligence (AI) and machine learning (ML) to analyze large datasets has been crucial for rapidly identifying relevant biomarkers for disease prognosis, including COVID-19. This approach enhances diagnostics in emergency settings, allowing for more accurate and efficient patient management. This study demonstrates how machine learning algorithms in emergency departments can rapidly ide
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: Artificial intelligence (AI) is transforming healthcare by improving diagnostic accuracy and predictive analytics. Periodontal diseases are recognized as risk factors for systemic conditions, including type 2 diabetes mellitus, cardiovascular disease, Alzheimer's disease, polycystic ovary syndrome, thyroid dysfunction, and post-coronavirus disease 2019 complications. These conditions exhibit complex bidirectional interactions, underscoring the importance of early detection and risk stratification. Current diagnostic tools often fail to capture these interactions at an early stage,
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: Approximately half of prostate cancer (PCa) patients present with low- or intermediate-risk disease eligible for active surveillance (AS). However, a substantial proportion of individuals experience pathological progression during follow-up. In this study, we developed predictive models for histopathological PCa progression in patients on AS. Methods: The dataset comprised patients with biopsy-confirmed PCa and a minimum follow-up of two years. All patients underwent regular surveillance, including prostate-specific antigen (PSA) measurements and MRI examinations. Each patient had
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 systematic review assesses the diagnostic accuracy, feasibility, and clinical performance of artificial intelligence (AI)-based smartphone imaging tools for detecting dental caries.
METHODS: Following the Preferred Reporting Items for Systematic Reviews and Meta-Analyses for Diagnostic Test Accuracy (PRISMA-DTA) guidelines, five databases: PubMed, Scopus, Web of Science, Embase, and Cochrane Library, were searched up to March 26, 2025. This study was registered with the International Prospective Register of Systematic Reviews (PROSPERO) (CRD420251047689). Diagnostic accuracy
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.
Background and Objectives: Alpha-1 antitrypsin deficiency (AATD) is a rare genetic condition associated with chronic respiratory diseases such as chronic obstructive pulmonary disease (COPD) and emphysema, and with liver involvement through a distinct toxic gain-of-function mechanism. Despite its clinical relevance, AATD remains underdiagnosed and exhibits marked phenotypic heterogeneity. Artificial intelligence (AI) has shown growing potential in respiratory medicine, yet its application to AATD is still limited. This systematic review synthesizes the clinical evidence on AI in AATD, primaril
СтатьяСистематический обзорПолный 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: Utilizing artificial intelligence (AI) technology for the segmentation of plaques on ultrasound images to evaluate the stability of carotid artery plaques and analyze its diagnostic accuracy in differentiating vulnerable plaques from stable ones.
METHODS: A retrospective study was conducted on 202 patients with ischemic stroke, who were divided into vulnerable plaque group (85 cases) and stable plaque group (117 cases) based on the results of carotid color Doppler ultrasound examination. From the vulnerable plaque group, 63 cases were randomly selected as the modeling group and 22 ca
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 respiratory distress syndrome (ARDS) is a serious threat to human life. Hence, early and accurate diagnosis and treatment are crucial for patient survival. This meta-analysis evaluates the accuracy of artificial intelligence in the early diagnosis of ARDS and provides guidance for future research and applications.
METHODS: A search on PubMed, Embase, Cochrane, Web of Science, CNKI, Wanfang, Chinese Biomedical Literature (CBM), and VIP databases was systematically conducted, from their establishment to November 2023, to obtain eligible studies for the analysis and evaluation
СтатьяСистематический обзорМетаанализПоиск 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: Alzheimer's disease (AD) and frontotemporal dementia (FTD) are both progressive neurological disorders that affect the elderly. Distinguishing between individuals suffering from these two diseases in the early stages can be quite challenging, and due to their different treatments, it has become an important problem. Machine learning (ML) algorithms can be helpful in this matter due to their high ability to manage large data and deliver high-quality diagnostic results.
NEW METHOD: In this research, we integrate multiple ML algorithms into 10 ensemble learning techniques, utilizing
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: Screening of asymptomatic/occult atrial fibrillation (AF) remains challenging. This study aimed to use a deep learning model to predict hidden AF in patients who showed normal sinus rhythm (SR) during 24-h Holter monitoring.
METHODS: This was a retrospective cohort study that enrolled 934 patients receiving 24-h ambulatory Holter monitoring. Of them, 640 patients (AF group) had the documented paroxysmal AF in the index Holter monitoring. The rest of 294 patients (Control group) did not have medical record of AF and the index Holter exam did not detect AF. A ConvNeXt model (1st sta
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 rise of generative artificial intelligence (GenAI) has profoundly influenced medical research and academic writing, particularly in ophthalmology. Despite its growing relevance, there is a noticeable gap in the literature regarding its application in medical writing, including practical uses and associated limitations. This review seeks to fill in this gap by first systematically reviewing the current literature on GenAI in medical paper writing. It identifies and discusses nine key applications and considerations, including idea generation, literature review, institutional review board pr
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.
OBJECTIVES: To summarize the current evidence on the performance of artificial intelligence (AI) algorithms for the temporomandibular joint (TMJ) disc assessment and TMJ internal derangement diagnosis in magnetic resonance imaging (MRI) images.
METHODS: Studies were gathered by searching 5 electronic databases and partial grey literature up to May 27, 2024. Studies in humans using AI algorithms to detect or diagnose internal derangements in MRI images were included. The methodological quality of the studies was evaluated using the Quality Assessment Tool for Diagnostic of Accuracy Studies-2 (
Систематический обзорСтатьяПоддержка 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.
This study aimed to develop an artificial intelligence (AI) model for the screening of degenerative joint disease (DJD) using temporomandibular joint (TMJ) panoramic radiography and joint noise data. A total of 2631 TMJ panoramic images were collected, resulting in a final dataset of 3908 images (2127 normal (N) and 1781 DJD (D)) after excluding indeterminate cases and errors. AI models using GoogleNet were evaluated with six different combinations of image data, clinician-detected crepitus, and patient-reported joint noise. The model that integrated all joint noise data with imaging demonstra
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.
BACKGROUND: Delirium is prevalent in intensive care units (ICUs), often leading to adverse outcomes. Hypoactive delirium is particularly difficult to detect. Despite the development of new tools, the timely identification of hypoactive delirium remains clinically challenging due to its dynamic nature, lack of human resources, lack of reliable monitoring tools, and subtle clinical signs including hypovigilance. Machine learning models could support the identification of hypoactive delirium episodes by better detecting episodes of hypovigilance.
OBJECTIVE: Develop an artificial intelligence pre
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.
OBJECTIVE: To investigate the clinical application value of artificial intelligence (AI)-based bone marrow cell recognition and analysis system in the diagnosis of hematological diseases.
METHODS: The bone marrow smears of hematological patients who were admitted to The Second Hospital of Shanxi Medical University from 2018 to 2020 were retrospectively analyzed. A total of 115 bone marrow smears with clear diagnosis and typical cell morphology characteristics were selected, including 20 cases of immune thrombocytopenia(ITP), 11 cases of iron deficiency anemia (IDA), 17 cases of megaloblastic
Аннотация на английскомСтатьяПоиск 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: Artificial intelligence (AI) assessment of diabetic retinopathy (DR) instead of scarce trained specialists could potentially increases the efficiency and accessibility of screening programs. This systematic review aims to systematically examine the uptake of follow-up appointments with initial computer-based AI and human graders of DR.
METHODS: We conducted a systematic review and meta-analysis by screening articles in any languages in PubMed, MEDLINE (Ovid), EMBASE, Web of Science, Cochrane CENTRAL and CDSR published from database inception up to 20th August 2024. We u
СтатьяСистематический обзорМетаанализПоиск 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.
Borderline Personality Disorder (BPD) is a severe mental disorder marked by emotional dysregulation. Estimates show that 73% of patients with BPD will have, on average, three suicide attempts in their lifetime, with up to 10% of cases resulting in death. Reliable tools to identify risk factors associated with suicide are lacking. Artificial Intelligence (AI) could fill this gap, supporting the development of effective intervention strategies. This pilot study provides preliminary evidence that a multimodal signature could differentiate suicide attempts in individuals with BPD, paving the way 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.
The launch of generative artificial intelligence (GenAI) tools has catalyzed considerable discussion about the potential impacts of these systems within the scientific article preparation process. This symposium paper seeks to summarize current recommendations on the use of GenAI tools in scientific article preparation, and to provide speculations about the future challenges and opportunities of GenAI use in scientific publishing. Due to the dynamic nature of these tools and the rapid advancement of their sophistication, the most important recommendation is that ongoing engagement and discussi
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: Due to high patient demand, increasing numbers of non-dermatologists are performing skin assessments and carrying out laser interventions in medical spas, leading to inferior outcomes and higher complications. A machine learning tool that automatically analyzes patient skin has the potential to aid non-dermatologists.
AIMS: To develop a high-performing machine learning model that predicts Fitzpatrick skin type, hyperpigmentation, redness, and wrinkle severity simultaneously.
METHODS: We developed the SkinAnalysis dataset of 3662 images, labeled by a dermatologist across five skin
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.