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
3735 публикаций
Поиск: 92 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 235 с найденным полным текстом
Background/Objectives: Retinal optical coherence tomography (OCT) is essential for diagnosing ocular diseases, yet developing high-performing multiclass classifiers remains challenging due to limited labeled data and the computational cost of self-supervised pretraining. This study aims to address these limitations by introducing a curriculum-based self-supervised framework to improve representation learning and reduce computational burden for OCT classification. Methods: Two ensemble strategies were developed using progressive masked autoencoder (MAE) pretraining. We refer to this curriculum-
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: There has been significant progress in detecting Alzheimer's disease (AD) using retinal imaging. We developed an ensemble learning-based deep learning (DL) model, integrating different inputs from OCT for the detection of AD-dementia and early AD.
DESIGN: A retrospective multicenter case-control study.
PARTICIPANTS: A total of 190 participants with AD-dementia and 623 cognitively normal controls were recruited from 2 cohorts in Hong Kong and Singapore as the training and internal validation sets. A total of 46 participants with AD-dementia, 79 participants with mild cognitive impair
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.
Alzheimer's disease (AD) is a progressive neurodegenerative disorder and the leading cause of dementia globally. Early prediction, prior to the onset of symptoms, is critical for enabling timely interventions. We present a machine learning framework that predicts future AD conversion in cognitively normal (CN) individuals using only structural magnetic resonance imaging (MRI) data. The approach leverages transfer learning with a pre-trained VGG16 model for feature extraction and processes five representative 2D slices per brain MRI scan to generate compact imaging descriptors. These features a
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.
Tuberculosis (TB) remains a major global health challenge, causing approximately 1.4 million deaths annually. In many high-burden regions, limited access to expert radiological interpretation leads to delayed or missed diagnoses. To address this, we propose a cost-effective, automated TB screening method suitable for under-resourced settings. Our method integrates a Convolutional Autoencoder Neural Network and a Multi-Scale Convolutional Neural Network with deep layer aggregation into an ensemble learning architecture for robust TB detection from chest radiographs. The framework was evaluated
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.
Periodontitis, a prevalent inflammatory disease, leads to the progressive destruction of periodontal tissues and poses significant systemic health risks. Despite its widespread impact, the molecular mechanisms driving periodontitis remain poorly understood. This study integrates advanced ensemble machine learning models and bioinformatics approaches to elucidate the genetic basis of periodontitis. Using transcriptomic data from the gene expression omnibus (GEO) repository (GSE10334), we identified 21 common genes from bagging and boosting models, underscoring their critical role in disease pat
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.
INTRODUCTION AND OBJECTIVES: Antibiotic resistance is a global health concern, contributing to prolonged hospital stays, increased medical costs, and higher mortality rates. Addressing antimicrobial resistance (AMR) in periodontal infections requires targeted therapies and a multifaceted approach. This study aims to predict and classify AMR genomic sequences in Treponema denticola, a key pathogen in periodontal disease, using machine learning (ML).
METHODS: UniProt FASTA sequences were used to investigate AMR in T. denticola. Data were retrieved and preprocessed using the BioPython library in
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.
Soil organic matter (SOM) is a vital component of soil, and its rapid and accurate detection is crucial for ensuring land health and stabilizing atmospheric carbon dioxide levels. Soil hyperspectroscopy has demonstrated its efficiency and cost-effectiveness as a method for detecting SOM. In the field of soil spectroscopy, the Ensemble Model (EM) holds substantial promise due to its robust nature and strong generalization capabilities. However, the efficacy of EM is largely contingent upon the judicious selection of the base learner count and the strategic allocation of weights. Traditional pra
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.
This study addresses the global challenge of heart disease by emphasizing the need for accurate early detection. It explores and compares multiple ensemble learning algorithms-Gradient Boosting, Random Forest, AdaBoost, XGBoost, Bagging, Extra Trees, Voting, Stacking, HistGradientBoosting, and LightGBM-for heart disease classification. Using comprehensive evaluation metrics including confusion matrix, precision, recall, and F1-score, the research aims to identify the most effective models, enhance diagnostic accuracy, and contribute to the development of more reliable and precise heart disease
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 success of in vitro fertilization (IVF) treatment for infertility majorly depends upon the selection of a healthy embryo by the embryologist which is highly subjective and depends on the expertise of the embryologist. This work introduces a comprehensive framework starting with the collection and pre- processing of the day 3 embryo and blastocyst images. It is followed by extraction of multifaceted information that includes color, edge, and other relevant features using local Descriptor, capturing the complex details necessary for precise embryo evaluation. Feature selection is done using
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: Accurately predicting intraoperative hemodynamic instability (HI) in patients with pheochromocytoma is essential for improving prognosis; however, clinically applicable large-sample, high-precision predictive models remain limited. This study develops and validates an ensemble learning (EL) model to predict HI risk.
METHODS: This cohort study included a derivation cohort (n = 353) and an external validation cohort (n = 51), from January 2011 to February 2023. General clinical and intraoperative hemodynamic data were collected. Ensemble feature selection was used to identify key pr
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.
INTRODUCTION: Endometrial cancer is the most common gynecological malignancy in high-income countries and lacks an established strategy for early detection. Prior studies suggest that the vaginal microbiome may hold diagnostic potential, but inconsistent findings have limited clinical translation.
METHODS: We conducted a systematic review to collect and analyze vaginal 16S rRNA sequencing data from five independent cohorts (n = 265). These studies included women with histologically confirmed endometrial cancer and controls with benign gynecologic conditions. We used these datasets to identify
СтатьяСистематический обзорПолный 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.
Kidney transplant recipients face a high cardiovascular risk, which is a leading cause of death in this patient group. This article proposes the application of clustering techniques and feature selection to predict the survival outcomes of kidney transplant recipients based on machine learning techniques and mainstream statistical methods. First, feature selection techniques (Boruta, Random Survival Forest and Elastic Net) are used to detect the most relevant variables. Subsequently, each set of variables obtained by each feature selection technique is used as input for the clustering algorith
СтатьяПоддержка службы здравоохранения СШАПоддержка 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.
Synthetic Aperture Radar (SAR) integrated with deep learning has been widely used in several military and civilian applications, such as border patrolling, to monitor and regulate the movement of people and goods across land, air, and maritime borders. Amongst these, maritime borders confront different threats and challenges. Therefore, SAR-based ship detection becomes essential for naval surveillance in marine traffic management, oil spill detection, illegal fishing, and maritime piracy. However, the model becomes insensitive to small ships due to the wide-scale variance and uneven distributi
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: Traumatic shock is the leading cause of preventable death with most patients dying within the first 6 hours. This underscores the importance of prehospital interventions, and growing evidence suggests prehospital transfusion improves survival. Optimizing transfusion triggers in the prehospital setting is key to improving outcomes for patients in hemorrhagic shock. Our objective was to identify factors associated with early in-hospital transfusion requirements available to prehospital clinicians in the field to develop a simple algorithm for prehospital transfusion, particularly for
ПрепринтСтатьяПолный 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.
Agranulocytosis, induced by non-chemotherapy drugs, is a serious medical condition that presents a formidable challenge in predictive toxicology due to its idiosyncratic nature and complex mechanisms. In this study, we assembled a dataset of 759 compounds and applied a rigorous feature selection process prior to employing ensemble machine learning classifiers to forecast non-chemotherapy drug-induced agranulocytosis (NCDIA) toxicity. The balanced bagging classifier combined with a gradient boosting decision tree (BBC + GBDT), utilizing the combined descriptor set of DS and RDKit comprising 237
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.
Electroencephalography (EEG) is an exam widely adopted to monitor cerebral activities regarding external stimuli, and its signals compose a nonlinear dynamical system. There are many difficulties associated with EEG analysis. For example, noise can originate from different disorders, such as muscle or physiological activity. There are also artifacts that are related to undesirable signals during EEG recordings, and finally, nonlinearities can occur due to brain activity and its relationship with different brain regions. All these characteristics make data modeling a difficult task. Therefore,
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.
OBJECTIVES: The present study was conducted to improve the performance of predictive methods by introducing the most important factors which have the highest effects on the prediction of esophageal varices (EV) grades among patients with cirrhosis.
METHODS: In the present study, the ensemble learning methods, including Catboost and XGB classifier, were used to choose the most potent predictors of EV grades solely based on routine laboratory and clinical data, a dataset of 490 patients with cirrhosis gathered. To increase the validity of the results, a five-fold cross-validation method was app
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: Organ transplantation functions as a critical medical procedure that serves patients with severe multiorgan conditions and chronic diseases. Early and accurate predictions of requirements for transplant enhance patient care through better clinical choices and improved resource allocation and treatment selection. We developed a complex artificial intelligence forecasting system to determine organ transplant needs, specifically kidney diseases by analyzing clinical data. Accurate and timely prioritization of patients for kidney transplant is a critical challenge due to organ scarcity
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.
Psychiatric disorders pose a critical challenge in modern healthcare due to their high prevalence, complex symptomatology, and reliance on subjective diagnostic procedures. Obsessive-Compulsive Disorder (OCD), in particular, is a chronic and debilitating condition that significantly impairs daily functioning, yet remains difficult to diagnose accurately and objectively. To address this challenge, we propose a novel frequency-aware multi-view ensemble learning framework for EEG-based OCD classification. The method systematically partitions EEG features into frequency-specific views (delta, thet
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.
Accurately predicting student performance while preserving interpretability remains a key challenge in educational data mining, largely due to the heterogeneous, high-dimensional, and interdependent nature of student learning-related data. Existing models typically treat these features independently, neglecting their fuzzy correlations and hierarchical structures, thereby limiting their prediction accuracy and transparency. To address these issues, we propose a hierarchical fuzzy feature clustering with iterative ensemble learning (HFFC-IEL) model. We first design a hierarchical fuzzy feature
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.