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
28942 публикаций
Поиск: 361 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1526 с найденным полным текстом
Objective.4D cone-beam computed tomography (4DCBCT) is a technique used to address respiratory motion in radiotherapy but is limited by significant view-aliasing artifacts. Recently, deep learning methods have been proposed to reduce view-aliasing. This study investigates the robustness and performance of these methods when variations in patient breathing period affect the noise pattern in the scans used as training data, which potentially affects the ability of the models to reduce view-aliasing.Approach.We evaluated both a supervised and a self-supervised scalable deep learning method. 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.
OBJECTIVE: Tele-monitoring is a useful platform for remote monitoring of cardiac patients, where compression plays a significant role in reducing the link burden and memory utilization of the source device. This paper describes a new approach for lossless ECG compression based on a deep-learning method via an adaptive autoregressive integrated moving average (ARIMA) model.
METHODS: Raw ECG signals were denoised and preprocessed to generate beat-cells for further processing. The ARIMA model uses the individual cardiac cycles to generate model parameters, which are then compressed. In this rese
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.
Recent breakthroughs in protein structure prediction have opened new avenues for genome-wide drug discovery, yet existing virtual screening methods remain computationally prohibitive. We present DrugCLIP, a contrastive learning framework that achieves ultrafast and accurate virtual screening, up to 10 million times faster than docking, while consistently outperforming various baselines on in silico benchmarks. In wet-lab validations, DrugCLIP achieved a 15% hit rate for norepinephrine transporter, and structures of two identified inhibitors were determined in complex with the target protein. F
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: To develop and evaluate different deep learning (DL) models for clinically relevant screening and classification of pneumoconiosis based on chest radiographs.
METHODS: This retrospective study used B-reader labelled pneumoconiosis lung images from US workers. After pre-processing the images, DL models were trained and evaluated for four classification tasks: (1) parenchymal abnormalities present versus absent, (2) parenchymal and/or pleural abnormalities present versus absent, (3) small parenchymal opacities grade 1 versus grade 0 and (4) progressive massive fibrosis versus simple
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: Osteoporosis (OP) is characterized by reduced bone mineral density and increased fracture risk. Many spinal surgery patients have undiagnosed OP due to the lack of preoperative screening, leading to postoperative complications. Magnetic resonance imaging (MRI), a routine, non-invasive tool for spinal assessment, offers potential for opportunistic OP detection. This study aimed to develop deep learning models to identify OP using lumbar MRI. Methods: We retrospectively enrolled 218 patients (≥50 years) who underwent both lumbar MRI and dual-energy X-ray absorptiometry (DXA). After s
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 AND AIMS: Accurate classification of mitral stenosis (MS) remains a significant clinical challenge. This study aimed to develop an artificial intelligence (AI) framework to automatically detect clinically significant MS from echocardiography.
METHODS: We developed EchoNet-MS, an open-source end-to-end integrated approach combining video based convolutional neural networks to assess MS severity and differentiate rheumatic etiology from echocardiography and validated its performance across four cohorts.
RESULTS: EchoNet-MS was trained and validated in total of 431,612 videos from 44
СтатьяПрепринтПолный 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/AIMS: Deep learning algorithms have shown promise for glaucoma detection using retinal imaging. The Northern Finland Birth Cohort Eye Study is a randomised prospective cohort designed to evaluate the efficacy and cost-effectiveness of glaucoma screening in a middle-aged population. This study assessed the performance and generalisability of G-RISK, a deep learning model for glaucoma screening from fundus images, in individuals aged 45-49 years with low glaucoma prevalence (1.1%).
METHODS: Four screening scenarios were evaluated: detection of (1) glaucoma eyes, (2) glaucoma patients
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.
Deep learning reconstruction (DLR) provides an elegant solution for MR acceleration while preserving image quality. This advancement is crucial for body imaging, which is frequently marred by the increased likelihood of motion-related artifacts. Multiple vendor-specific models focusing on T2, T1, and diffusion-weighted imaging have been developed for the abdomen, pelvis, and chest, with the liver and prostate being the most well-studied organ systems. Variational networks with supervised DL models, including data consistency layers and regularizers, are the most common DLR methods. The common
СтатьяОбзорПолный 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.
Single-molecule localization microscopy (SMLM) has significantly improved the visualization of sub-cellular structures, but enhancing the accuracy of 3D emitter localization remains challenging. The technique relies on precisely computationally localizing sparsely activated fluorophores, with traditional methods being iterative, time-consuming, and sensitive to camera noise and overlapping point spread functions (PSFs). We introduce a deep convolutional neural network that employs an innovative architecture to effectively manage diverse emitter scenarios, from isolated to densely packed. By tr
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Cavity detection in dental X-rays is essential for early diagnosis and treatment planning, yet traditional deep learning approaches often rely on binary classification of entire images, overlooking localized analysis. This study introduces a multi-scale AI-assisted approach for both classification and detection, leveraging the Ultralytics YOLO11 framework to compare image-level and tooth-level methodologies. The single-tooth classification model achieved a test accuracy of 0.854, while panoramic classification performed slightly better at 0.864. For cavity detection, the tooth-level model outp
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.
PURPOSE: The purpose of this study is to determine the best dose processing method for deep learning-based dose prediction in brachytherapy (BT), as well as to investigate the feasibility of using the inverse dose optimization algorithm to improve treatment planning quality.
METHODS AND MATERIALS: BT data from 186 patients with cervical cancer were retrospectively collected. The data were divided into three sets: training, validation, and test, with a ratio of 150:18:18. The dose data was normalized using square-root transformation normalization, logarithmic normalization, and linear normaliz
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.
Investigating microglial phagocytosis is essential for understanding the mechanisms underlying brain health and disease. Dysregulation of phagocytosis is implicated in various neurological disorders, necessitating accurate analysis. Leveraging advances in deep learning, this study explores the application of a U-Net-based neural network for image cytometry to enhance the analysis of microglial phagocytosis. Murine microglia were imaged using the Olympus ScanR system, generating a substantial dataset for training a U-Net. The U-Net (AIstain) demonstrated superior performance in cell detection c
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: Myopia is a major cause of vision impairment. To improve the efficiency of myopia screening, this paper proposes a deep learning model, X-ENet, which combines the advantages of depthwise separable convolution and dynamic convolution to classify different severities of myopia. The proposed model not only enables precise extraction of detailed features from fundus images but also achieves lightweight processing, thereby improving both computational efficiency and classification accuracy.
APPROACH: First, fundus images are enhanced and preprocessed to improve feature extraction effec
Оценочное исследованиеСтатьяПоиск 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: Accurate localization of anatomical landmarks on the mandible is crucial for maxillofacial surgery and orthodontic treatment planning. This study aims to develop and validate a novel multi-view deep learning framework to enhance the accuracy and efficiency of landmark localization on CBCT-derived 3D mandibular surface models.
METHODS: We propose a multi-view stacked hourglass convolutional neural network (MVSH-CNN) that localizes 19 anatomical landmarks on 3D mandibular surface models reconstructed from cone beam computed tomography (CBCT) scans. A total of 140 mandibular scans fr
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.
Sensory prostheses replace dysfunctional sensory organs with electrical stimulation but currently fail to restore normal perception. Outcomes may be limited by stimulation strategies, neural degeneration, or suboptimal decoding by the brain. We propose a deep learning framework to evaluate these issues by estimating best-case outcomes with task-optimized decoders operating on simulated prosthetic input. We applied the framework to cochlear implants - the standard treatment for deafness - by training artificial neural networks to recognize and localize sounds using simulated auditory nerve inpu
СтатьяПрепринтПоиск 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.
During the global pandemic of coronavirus disease 2019 (COVID-19), mRNA vaccines have demonstrated great potential. In 2023, mRNA won the Nobel Prize in Physiology or Medicine. Currently, the global research and development of mRNA technology is accelerating. It is urgently necessary to use patent analysis to clarify the technological competitive landscape, providing a basis for technological innovation and industrial development in this field. This study is based on the Derwent patent database and employs social network analysis and patent quality assessment methods to conduct a quantitative
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.
Accurate forecasting of contagious illnesses has become increasingly important to public health policymaking and better prediction could prevent the loss of millions of lives. To better prepare for future pandemics, it is essential to improve forecasting methods and capabilities. In this work, we implement physics-informed neural networks (PINNs), a popular tool in the area of scientific machine learning, to perform infectious disease forecasting. The used PINNs model incorporates dynamical systems representations of disease transmission into the loss function, thereby assimilating epidemiolog
СтатьяПоддержка NIH: внешняя программаПоиск 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.
Macrophage polarization into inflammatory (M1) and repairing/healing (M2) functional phenotypes are fundamental mechanisms in immune defensive responses, tissue repair, and disease control. Conventional phenotyping approaches based on molecular biomarkers are limited by destructive protocols, static endpoint analyses, and a disregard for the biomechanical attributes of cells. In this study, an integrated artificial intelligence (AI)-atomic force microscopy (AFM) platform is introduced that enables label-free, mechanophenotyping of macrophages at single-cell resolution. Using nanoscale force ma
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.
Warfarin is a commonly prescribed anticoagulant with a narrow therapeutic window, which requires frequent and specialized monitoring. This work aims to develop standardized optimal warfarin dose decision support using a machine learning model based on time-series anticoagulation data and patient demographic characteristics. We propose an offline reinforcement learning model (RL) using a Batch-Constrained Q-Learning algorithm (BCQ) in a discrete action setting to predict the cumulative warfarin dose for the days until the next INR (International Normalized Ratio) test. Prior approaches utilized
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.
Antimicrobial resistance (AMR) is projected to cause up to 10 million deaths annually by 2050, underscoring the urgent need for new antibiotics. Here we present ApexAmphion, a deep-learning framework for de novo design of antibiotics that couples a 6.4-billion-parameter protein language model with reinforcement learning. The model is first fine-tuned on curated peptide data to capture antimicrobial sequence regularities, then optimised with proximal policy optimization against a composite reward that combines predictions from a learned minimum inhibitory concentration (MIC) classifier with dif
СтатьяПрепринтПолный 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.