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
1853 публикаций
Поиск: 43 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 311 с найденным полным текстом
Schizophrenia is a severe mental illness that imposes considerable economic burden on families and society. However, its clinical diagnosis primarily relies on scales and doctors' clinical experience and lacks an objective and accurate diagnostic approach. In recent years, graph convolutional neural networks (GCN) have been used to assist in psychiatric diagnosis owing to their ability to learn spatial-association information. Therefore, this study proposes a schizophrenia automatic recognition model based on graph convolutional neural network. Herein, the resting-state electroencephalography
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.
Related-party transactions (RPTs) occupy a central position in contemporary corporate governance, serving as essential channels for resource allocation among affiliated business entities. The growing complexity of ownership arrangements and globalized operations has made RPT auditing increasingly challenging for financial professionals. Traditional audit methodologies struggle with intricate enterprise relationship networks that often span multiple jurisdictions and involve layered ownership through shell companies, rendering manual inspection approaches both time-consuming and incomplete. Des
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.
This study presents an interpretable AI-assisted diagnostic approach for papillary thyroid carcinoma (PTC) cytopathology by combining graph neural networks (GNNs) with knowledge graphs (KGs). Routine cytology smears from 281 PTC cases were scanned, labeled, and processed using the Cascade RCNN model to detect pathological cell features, including 45,680 ground-glass nuclei, 712 nuclear grooves, and 116 intranuclear inclusions. By integrating GNNs, the model achieved a mean intersection over union (mIoU) of 56.14% and a mean average precision (mAP) of 0.87. The GINet model further improved clas
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 exploration of associations between circular RNAs (circRNAs) and diseases contributes to a deeper understanding of the pathogenesis of diseases. Many computational methods have been proposed for circRNA-disease associations identification. However, these methods still exhibit some limitations such as ignoring the effect of noise. In this paper, we proposed a new knowledge graph attribute mining attention network (KAATCDA) to predict circRNA-disease associations based on knowledge graph attribute network (KGA) and attribute mining attention network (AMA). Firstly, KGA is used to learn the f
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 AND OBJECTIVE: Cardiovascular disease recognition from electrocardiogram (ECG) requires capturing subtle pre-symptomatic electrical abnormalities that manifest across spatially distributed leads and evolve temporally. Current predictive models inadequately address three critical challenges: the anatomical coupling between ECG leads reflecting cardiac electrical propagation, the multi-scale temporal dynamics spanning millisecond depolarization to circadian rhythms, and the progressive nature of cardiac pathophysiology. We developed an integrated spatiotemporal framework to model thes
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.
Placental insufficiency affects five to ten% of pregnancies worldwide, and folate deficiency has emerged as a key contributing factor. The molecular pathways linking folate metabolism to placental pathology remain poorly characterized. We developed a heterogeneous graph neural network framework that integrates genomic, transcriptomic, proteomic, and metabolomic data to investigate these mechanisms. Our network architecture explicitly models diverse node types and edge relationships within biological networks, addressing limitations of conventional approaches that treat molecular entities unifo
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.
Machine learning (ML) has benefited from both software and hardware advancements, leading to increasing interest in capitalising on ML throughout academia and industry. There have been efforts in the scientific computing community to leverage this development via implementing conventional partial differential equation (PDE) solvers with machine learning packages, most of which rely on structured spatial discretisation and fast convolution algorithms. However, unstructured meshes are favoured in problems with complex geometries. To bridge this gap, we propose to implement the unstructured Finit
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 Rutting prediction model is an essential element of efficient pavement management systems. Accuracy of commonly used predictive model necessitates knowledge of the input parameters that was incorporated and local calibration of the model coefficients. In this paper, a novel rutting prediction model based on multivariate transfer entropy and graph neural networks is proposed for incorporating a limited number of observable inputs, which can accommodate with sufficient prediction performance and generalization to a variety of complex pavement design structure data. The multivariate transfer
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: Nonsuicidal self-injury (NSSI) involves the intentional destruction of one's own body tissues without suicidal intent. Prior research has shown that individuals with NSSI exhibit abnormal pain perception; however, the pain-processing neural circuits underlying NSSI remain poorly understood. This study leverages graph neural networks to predict NSSI risk and examine the learned connectivity of neural underpinnings using multimodal data.
METHODS: Resting-state functional MRI and diffusion tensor imaging were collected from 50 patients with NSSI, 79 healthy controls (HC), and 44 pati
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.
Predicting UV-vis spectra from molecular structure is an important but relatively underexplored task. In this study, we developed a deep learning approach based on graph neural networks (GNNs) to directly predict UV-vis spectra from SMILES representations. Several GNN architectures were evaluated, among which Attentive Fingerprint achieved the best performance with an R2 of 0.8630, mean absolute error of 0.0389, root mean squared error of 0.0740, cosine similarity of 0.9589, Pearson correlation coefficient of 0.9521, and distance metric of 1.5758 on the test set. Further analysis showed that t
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.
Illicit transactions in large-scale financial networks manifest as rare, directional temporal motifs, which are critical for accurate detection. However, existing graph-based methods often ignore temporal causality, underutilize directional motifs, or rely on ad hoc weighting, limiting minority-class recognition. This article proposes a temporal-directional tree-walk graph neural network (TDTW-GNN), a causal, motif-aware framework for imbalanced edge classification on continuous-time dynamic graphs (CTDGs). In particular, TDTW-GNN constructs node memories via a temporal graph network (TGN) bac
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.
MOTIVATION: Global population aging has led to a rapid increase in neurodegenerative disorders such as Alzheimer's disease (AD). Although existing drugs can temporarily alleviate symptoms, none have been proven to delay or prevent disease progression. Acetylcholinesterase inhibitors (AChEIs) have been shown to mitigate AD symptoms, yet traditional AChEI screening approaches remain time-consuming and inefficient.
RESULTS: To address this limitation, we developed multi-species AChEI screening network (MAISNet), an AChEI screening framework based on acetylcholinesterase (AChE) data from six spec
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.
Accurately predicting the progression of neurodegenerative diseases and identifying key brain regions influencing the disease course are critical research topics in neuroimaging. Self-Attention Graph Pooling (SAGPooling) can be used to enhance prediction efficiency and accuracy. The atlas-constrained spatial-informational SAGPooling graph neural network (ACSI-SGNN) model is proposed to enable precise prediction of patients' cognitive resilience and identification of brain regions closely associated with resilience. Considering the complex structure and functionality of brain networks, frequenc
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 prevalent neurodegenerative disease that primarily affects the elderly population. The early detection of mild cognitive impairment (MCI) holds significant clinical importance for prompt intervention and treatment of AD. Currently, functional connectivity (FC) networks-based diagnostic methods for early MCI (eMCI) detection are widely employed. FC considers the interaction patterns between brain regions as a topological structure. Recently, graph neural network (GNN) approaches have been utilized for disease diagnosis using FC networks, leveraging their ability to
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.
Previous deep learning-based brain network research has made significant progress in understanding the pathophysiology of schizophrenia. However, it ignores the three-dimensional spatial characteristics of EEG signals and cannot dynamically learn the interactions between nodes. To address this issue, a schizophrenia classification model based on a three-dimensional adaptive graph convolutional neural network (3D-AGCN) is proposed. Each subject's EEG data is divided into various segment lengths and frequency bands for the experiment. The attention mechanism is then used to integrate the node fe
СтатьяПоддержка 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.
PURPOSE: The human Ether-a-go-go Related-Gene (hERG) encodes rectifying potassium channels that play a significant role during action potential repolarization of cardiomyocytes. Blockade of the hERG channel by off-target drugs can lead to long QT syndrome, significantly increasing the risk of proarrhythmic cardiotoxicity. Traditional hERG screening methods are effort-demanding and time-consuming. Thus, it is essential to develop computational methods to utilize the existing knowledge for faster and more accurate in silico screening. Although with wide use of deep learning/machine learning algo
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) and Parkinson's disease (PD) are two of the most common forms of neurodegenerative diseases. The literature suggests that effective brain connectivity (EBC) has the potential to track differences between AD, PD and healthy controls (HC). However, how to effectively use EBC estimations for the research of disease diagnosis remains an open problem. To deal with complex brain networks, graph neural network (GNN) has been increasingly popular in very recent years and the effectiveness of combining EBC and GNN techniques has been unexplored in the field of dementia diagnosi
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.
Depression is a global psychological disease that does serious harm to people. Traditional diagnostic method of the doctor-patient communication, is not objective and accurate enough. Thus, a more accurate and objective method for depression detection is urgently needed. Resting-state electroencephalography (EEG) can effectively reflect brain function, which have been used to study the difference of the brain between the depression patients and normal controls. In this work, the Resting-state EEG data of 27 depression patients and 28 normal controls was used in this study. We constructed the b
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.
Local composition theory postulates that the immediate molecular environment of a component differs from the bulk mixture composition. Classical local composition models describe this by using fixed algebraic expressions in the form of Boltzmann-like distributions which in turn results in explicit pairwise enumeration of components in multicomponent mixtures. Recent hard-constrained neural networks relax this functional form but remain tied to pairwise enumeration through geometric projection. Here, we propose DeepThermoMix, a local-composition-based graph neural network that predicts multicom
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.
Early diagnosis of Alzheimer's disease (AD) is crucial for timely intervention but remains challenging due to subtle and heterogeneous brain alterations, particularly in the mild cognitive impairment (MCI) stage. To address this issue, we propose a pathology-aware Adaptive Neighborhood Aggregation Graph Neural Network (ANA-GNN) to model the brain as a dynamic and task-driven graph for multimodal AD classification. The framework integrates three synergistic components: an adaptive neighborhood aggregation module that aligns each node's receptive field with disease-specific heterogeneity, an imp
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.