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
6143 публикаций
Поиск: 420 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1217 с найденным полным текстом
MOTIVATION: Single-cell RNA sequencing (scRNA-seq) data analysis is often performed using network projections that produce co-expression networks. These network-based algorithms are attractive because regulatory interactions are fundamentally network-based and there are many tools available for downstream analysis. However, most network-based approaches have two major limitations. First, they are typically unipartite and therefore fail to capture higher-order information. Second, scRNA-seq data are often sparse, so most algorithms for constructing unipartite network projections are inefficient
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.
Backdoor detection in neural networks is an emerging area of research in which backdoor triggers are injected to alter the model's output. For example, injected triggers into the citation network by modifying the features and structures of certain nodes. Whenever a model faces such a trigger, it misclassifies the node. In this paper, we propose a novel method for detecting backdoors in Graph Neural Networks (GNNs), which utilises model activation clustering and dynamic thresholding. The proposed model, XAI-DTBD: Explainable Dynamic Threshold-based Backdoor Detection in Graph Neural Networks, 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.
Parkinson's Disease (PD) is a progressive neurodegenerative disorder that causes motor and cognitive impairments, affecting approximately 1% of individuals over 60 years of age. Speech impairments are among the earliest and most accessible biomarkers, making voice-based assessment a promising avenue for remote PD monitoring. However, existing speech-based PD prediction methods suffer from feature redundancy that degrades model performance, non-Gaussian data distributions that violate model assumptions, and limited systematic feature grouping strategies. This study introduces an adaptive approa
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.
Clustering uncertain data is a fundamental problem in data mining. Imbalance among uncertain objects significantly degrades clustering performance, as minority clusters are repeatedly overshadowed by dominant ones. Consequently, existing clustering techniques often fail due to initialisation biases and inadequate similarity modelling. This paper proposes a novel algorithm, the Black-winged Kite Improved Fuzzy clustering for probability density Functions (BKIFF), which combines an optimisation-based initialisation strategy with an enhanced fuzzy clustering framework. Specifically, BKIFF incorpo
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.
To improve the robustness of neighborhood construction and the separation of intra-cluster and inter-cluster structures in high-dimensional visualization, this paper proposes Adaptive Multi-Scale Manifold Embedding (AMSME), an ordinal distance based preprocessing framework for existing manifold embedding algorithms. The framework introduces ordinal distance to replace traditional Euclidean distances. Under an idealized high-dimensional Gaussian setting, our analysis shows that ordinal distance can improve the stability of neighborhood ordering between homogeneous and heterogeneous samples, the
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.
Identifying transmission events is important in understanding infectious disease dynamics. Such events are typically unobservable, particularly in respiratory diseases such as tuberculosis (TB). We apply network techniques to identify transmission clusters and features shared within clusters. We estimate directed pairwise transmission probabilities via an existing iterative algorithm that employs a modified Naïve Bayes classifier and use these probabilities to create a network. We explore noise reduction techniques to trim low-probability edges. We group individuals with TB based on edges info
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
BACKGROUND: With the increasing volume and complexity of medical data, clustering methods have become valuable tools for discovering hidden patterns in unlabeled datasets.
OBJECTIVE: This study aims to compare the performance of different clustering algorithms for analyzing medical datasets, and evaluate the effectiveness of different clustering quality criteria, including internal, stability and external metrics.
METHODS: A descriptive analysis was conducted on five publicly available medical datasets: Indian Liver Patient Disease (ILPD), Breast Cancer, Pima Indians Diabetes, Statlog (Heart
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.
Online public opinion concerning emergencies presents challenges to social stability due to its rapid dissemination and complex evolutionary nature. Accurate risk classification is essential for effective early warning. Current risk classification methods, however, face limitations such as difficulty in capturing complex structural features at a single scale, inadequate representation of local risk variations, and imprecision in threshold determination. To address these issues, this article proposes a risk classification method on the basis of the fractal hierarchical clustering optimization (
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 response addresses the comments raised by Dr. Epain and colleagues in their Letter to the Editor titled 'On using clustering statistics for assessing plasmid binning tools accuracy' in response to our paper 'Circling in on plasmids: benchmarking plasmid detection and reconstruction tools for short-read data from diverse species'. In their letter, the authors caution against using homogeneity and completeness measures to evaluate the accuracy of plasmid binning tools due to issues related to the length and content of contigs. They also refer to PlasEval, a plasmid binning evaluation tool t
Письмо в редакциюПолный 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.
Clinical and epidemiological researchers may want to identify or determine groups with similar characteristics that exist within a dataset or population. For this purpose, clustering techniques can be applied. However, clustering can be complex, and results can be misleading if the methods are not applied with fidelity. The aim of this paper is to provide practical guidance to (clinical) researchers in rheumatology and other fields who wish to explore or confirm (sub) groups within their study population, and are considering to apply clustering techniques to (patient) data. We discuss when clu
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: In psoriasis skin disease, psoriatic cells develop rapidly than the normal healthy cells. This speedy growth causes accumulation of dead skin cells on the skin's surface, resulting in thick patches of red, dry, and itchy skin. This patches or psoriatic skin legions may exhibit similar characteristics as healthy skin, which makes lesion detection more challenging. However, for accurate disease diagnosis and severity detection, lesion segmentation has prime importance. In that context, our group had previously performed psoriasis lesion segmentation using the conventional clustering
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.
MOTIVATION: Bioinformatics clustering tools are useful at all levels of proteomic data analysis. Proteomics studies can provide a wealth of information and rapidly generate large quantities of data from the analysis of biological specimens. The high dimensionality of data generated from these studies requires the development of improved bioinformatics tools for efficient and accurate data analyses. For proteome profiling of a particular system or organism, a number of specialized software tools are needed. Indeed, significant advances in the informatics and software tools necessary to support
Сравнительное исследованиеОценочное исследованиеСтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПоддержка службы здравоохранения СШАВалидационное 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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2024eng
In this study, we present a comprehensive investigation into the robust clustering of independent components (ICs) related to anticipatory postural control tasks in individuals with traumatic brain injury (TBI) using EEG data. Given the significance of accurately clustering the neural sources, our research evaluates the performance of various k-means clustering algorithms, including traditional, our modified approach of repeated k-means, and global k-means. This study aims to identify the optimal clustering approach that accurately locates the cortical sources germane to balance dysfunction 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.
MOTIVATION: Spatial transcriptomics (ST) profiles gene expression in tissue context, enabling spatial domain detection. However, relatively few methods jointly recover discrete spatial domains and continuous within-section pseudotemporal trends in a single framework. Current spatiotemporal approaches often emphasise trajectory continuity to recover smooth progression-associated gradients, but this may blur neighbouring domain boundaries and reduce clustering accuracy. Conversely, specialised spatial clustering algorithms typically rely on external single-cell trajectory tools rather than provi
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.
Clustering homologous sequences based on their similarity is a problem that appears in many bioinformatics applications. The fact that sequences cluster is ultimately the result of their phylogenetic relationships. Despite this observation and the natural ways in which a tree can define clusters, most applications of sequence clustering do not use a phylogenetic tree and instead operate on pairwise sequence distances. Due to advances in large-scale phylogenetic inference, we argue that tree-based clustering is under-utilized. We define a family of optimization problems that, given an arbitrary
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
Data generation on small samples has exhibited great potential on real-world biomedical scenarios, especially on extreme cases such as early-stage or emerging biomedical conditions (e.g. Patient Zero of a brand-new disease with only one sample) because of insufficient sample information. Herein, we design an explainable data generation approach under extreme sample scarcity by exploiting inherent low-dimensional principles contained in observed high-dimensional data with comprehensive information, named by Explainable Data Generation (EDG) based on matrix tri-factorization. EDG aims to represe
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.
Nuclear magnetic resonance (NMR) spectroscopy has emerged as a technology that can provide metabolite information within organ systems in vivo. In this study, we introduced a new method of employing a clustering algorithm to develop a diagnostic model that can differentially diagnose a single unknown subject in a disease with well-defined group boundaries. We used three tests to assess the suitability and the accuracy required for diagnostic purposes of the four clustering algorithms we investigated (K-means, Fuzzy, Hierarchical, and Medoid Partitioning). To accomplish this goal, we studied th
СтатьяПоддержка NIH: внешняя программаПолный 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.
Guillain-Barré syndrome (GBS) is a neurological disorder which has not been explored using clustering algorithms. Clustering algorithms perform more efficiently when they work only with relevant features. In this work, we applied correlation-based feature selection (CFS), chi-squared, information gain, symmetrical uncertainty, and consistency filter methods to select the most relevant features from a 156-feature real dataset. This dataset contains clinical, serological, and nerve conduction tests data obtained from GBS patients. The most relevant feature subsets, determined with each filter me
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.
Accurately characterizing the spatial distribution of diseases is essential for understanding etiology and guiding targeted public health interventions. This study develops an analytical framework integrating disease mapping and spatial scan statistics to identify and validate the spatial clustering patterns of diseases. The framework follows an "exploration-validation-refinement" workflow, combining qualitative visualization with quantitative spatial analysis. Choropleth maps intuitively depict the overall distribution of diseases, providing a basis for identifying potential high-risk areas;
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.
In colorectal cancer histopathology, the collaborative perception of microscopic and salient lesions is critical for effective diagnosis and improved patient prognosis. However, existing deep learning methods struggle to simultaneously capture microscopic glandular disorganization and salient tissue lesions. To address this limitation, a colorectal cancer diagnosis network based on dynamic gland-aware and tissue soft-clustering (DGTSNet) is proposed. The method employs dynamic gland-aware convolution to explicitly perceive gland boundaries and dynamically adjust sampling offsets, while incorpo
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.