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
3972 публикаций
Поиск: 105 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 666 с найденным полным текстом
Coronary heart disease is one of the leading causes of global death. Early detection and accurate risk assessment are critical for improving patient health and reducing fatality rates. Recently, machine learning has emerged as a powerful approach for predicting heart disease by analyzing clinical data, which enables timely intervention and personalized treatment. Hence, this study aims to propose a reliable model for predicting coronary heart disease that integrates multi-source heart disease data with various machine learning models. This study employs heart disease datasets from four separat
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.
Human microbiota refers to the trillions of microorganisms that inhabit our bodies and have been discovered to have a substantial impact on human health and disease. By sampling the microbiota, it is possible to generate massive quantities of data for analysis using Machine Learning algorithms. In this study, we employed several modern Machine Learning techniques to predict Inflammatory Bowel Disease using raw sequence data. The dataset was obtained from NCBI preprocessed graph representations and converted into a structured form. Seven well-known Machine Learning frameworks, including Random
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: This study aims to develop and validate machine learning models for predicting hyperglycemia risk in psoriasis patients.
METHODS: Clinical data from 575 psoriasis patients admitted to the Department of Dermatology were collected and randomly split into a training set and an internal test set in a 7:3 ratio. An external test set was derived from 135 psoriasis patients enrolled in the National Health and Nutrition Examination Survey (NHANES) during 2003-2004 and 2011-2012. Eleven machine learning algorithms, including decision trees, random forests, extreme gradient boosting (XGboost),
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.
This research pioneers the application of a machine learning framework to predict the perceived productivity of office workers using physiological, behavioral, and psychological features. Two approaches were compared: the baseline model, predicting productivity based on physiological and behavioral characteristics, and the extended model, incorporating predictions of psychological states such as stress, eustress, distress, and mood. Various machine learning models were utilized and compared to assess their predictive accuracy for psychological states and productivity, with XGBoost emerging as
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: To develop and validate a machine learning framework combined with a nomogram for predicting recurrence after radical gastrectomy in patients with vascular and neural invasion.
METHOD: Machine learning models, including Random Survival Forests, Decision Survival Tree, Extreme Gradient Boosting, and a nomogram, were developed and assessed for their ability to predict recurrence-free survival in patients who underwent radical gastrectomy for non-metastatic gastric cancer with "double invasion".
RESULTS: A total of 559 patients were included in the study, and the machine-learning mod
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.
PROBLEM: Detecting COVID-19 from chest X-ray (CXR) images has become one of the fastest and easiest methods for detecting COVID-19. However, the existing methods usually use supervised transfer learning from natural images as a pretraining process. These methods do not consider the unique features of COVID-19 and the similar features between COVID-19 and other pneumonia.
AIM: In this paper, we want to design a novel high-accuracy COVID-19 detection method that uses CXR images, which can consider the unique features of COVID-19 and the similar features between COVID-19 and other pneumonia.
ME
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.
The current study aimed to estimate the prevalence of self-harm and nonsuicidal self-injury (NSSI) in children with learning disabilities (LD) in Saudi Arabia and to develop machine-learning (ML) models to identify individuals at elevated risk. In a cross-sectional study, 392 children with DSM-5 specific LD (aged 8-12 years) were recruited through clinical and community channels and assessed for lifetime NSSI and self-harm using structured interviews and self-report. A comprehensive set of sociodemographic, academic, clinical and psychosocial variables was screened using recursive feature elim
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: Lower limb rehabilitation exoskeletons (LLREs) are increasingly used in clinical settings to improve mobility in individuals with neuromuscular impairments. Most LLREs employ controllers focused on trajectory tracking, which lack adaptability to user-specific variations or voluntary effort. Autonomous LLREs enable hands-free gait but often require a multitude of sensors such as IMU, encoders, and foot force sensors to enable user intent prediction, gait phase detection, and dynamic balance. This often introduces substantial challenges related to cost, complexity, reliability, and s
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 The lower limb activity of recognition of the elderly, the weak, the disabled and the sick is an irreplaceable role in the caring of daily life. The main purpose of this study is to assess the feasibility of using the surface electromyography (sEMG) signal and inertial measurement units (IMUs) data to determine the optimal fusion features and classifier for the study of daily ambulation mode recognition. Methods We have carried out several steps of experiments to obtain and test the optimal combination of the sEMG data and the body motion data at the feature level and
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.
INTRODUCTION: Machine learning has been increasingly used to develop predictive models to diagnose different disease conditions. The heterogeneity of the kidney transplant population makes predicting graft outcomes extremely challenging. Several kidney graft outcome prediction models have been developed using machine learning, and are available in the literature. However, a systematic review of machine learning based prediction methods applied to kidney transplant has not been done to date. The main aim of our study was to perform an in-depth systematic analysis of different machine learning m
СтатьяПоддержка исследования: вне правительства СШАСистематический обзорПоиск 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.
Our study aimed to explore the applicability of deep learning and machine learning techniques to distinguish MPE from BPE. We initially used a retrospective cohort with 726 PE patients to train and test the predictive performances of the driverless artificial intelligence (AI), and then stacked with a deep learning and five machine learning models, namely gradient boosting machine (GBM), extreme gradient boosting (XGBoost), extremely randomized trees (XRT), distributed random forest (DRF), and generalized linear models (GLM). Furthermore, a prospective cohort with 172 PE patients was applied t
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: Deep sternal wound infection following surgical myocardial revascularization is a potentially devastating complication. This study aims to improve risk prediction of deep sternal wound infection with machine learning algorithms.
METHODS: This single-center retrospective study contains data from 5221 consecutive patients who underwent surgical myocardial revascularization between 2007 and 2022. Two machine learning algorithms (Extreme Gradient Boosting and Deep Neural Network) were trained with perioperative parameters and validated to detect deep sternal wound infection. Their pre
СтатьяСравнительное исследованиеПоиск 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.
To develop and validate a machine learning prediction model for 28-day all-cause mortality in patients with alcoholic cirrhosis using data from the MIMIC-IV database. The data of 2134 patients diagnosed with alcoholic cirrhosis (AC) were obtained from Medical Information Mart for Intensive Care IV database. Machine learning algorithms, including decision trees, random forests, extreme gradient boosting, Logistic Regression and support vector machines were employed to develop the prediction model. The model was trained on 70% of the data and validated on the remaining 30% randomly. Performance
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.
Despite advancements in in vitro fertilization (IVF) over the past 30 years, its outcome effectiveness remains low (20-40%). This study introduces a microfluidic-based machine learning framework to improve predictive accuracy in oocyte quality assessment. Immature oocytes were recorded as they passed through a custom-designed microfluidic channel under controlled flow. Using image processing, two biomechanical features-Cortical Tension (CT) and Deformation Index (DI)-were extracted. Additionally, oocyte diameter and the critical flow rate (Q)-defined as the minimum flow rate necessary for an o
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.
Chronic rhinitis and dry eye disease (DED) are common chronic diseases, but the potential association and influencing factors between the 2 are not yet clear. The aim of this study is to explore the influencing factors of the development of DED in patients with chronic rhinitis, and to construct a model for predicting the risk of DED through machine learning, in order to provide reference for clinical prediction and intervention. This study included 530 patients with chronic rhinitis, of whom 318 did not have DED and 212 had DED. Using 3 machine learning models (multi factor logistic regressio
СтатьяВалидационное исследованиеПолный 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.
Multiple myeloma (MM) is a malignant plasma cell disease that is the second most prevalent hematological malignancy in high-income nations and accounts for around 1.8% of all cancers and 18% of hematologic malignancies in the United States. In this research, we try to design a machine learning framework for MM diagnosis from multi characteristic indexes using slime mould Runge Kutta Optimizer (MSRUN) and kernel extreme learning machine, which is called as MSRUN-KELM. An efficient slime mould learning operator is introduced to the initial Runge Kutta Optimizer in MSRUN, ensuring that the trade-
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.
Fibromyalgia is a medical condition characterized by widespread muscle pain and tenderness and is often accompanied by fatigue and alteration in sleep, mood, and memory. Poor sleep quality and fatigue, as prominent characteristics of fibromyalgia, have a direct impact on patient behavior and quality of life. As such, the detection of extreme cases of sleep quality and fatigue level is a prerequisite for any intervention that can improve sleep quality and reduce fatigue level for people with fibromyalgia and enhance their daytime functionality. In this study, we propose a new supervised machine
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: Necrotizing fasciitis (NF), a fulminant soft tissue infection manifesting acute onset and rapid progression with substantial mortality risks, poses diagnostic challenges due to its predominant reliance on clinical evaluation during initial presentation, frequently leading to diagnostic inaccuracies. This study constructs an interpretable machine learning model leveraging clinical data to optimize early prediction of NF.
METHODS: This single-center retrospective study analyzed 288 soft tissue infection patients, partitioned into training (n = 201) and validation (n = 87) cohorts us
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.
INTRODUCTION: Our aim was to use the constructed machine learning (ML) models as auxiliary diagnostic tools to improve the diagnostic accuracy of non-ST-elevation myocardial infarction (NSTEMI).
MATERIALS AND METHODS: A total of 2878 patients were included in this retrospective study, including 1409 patients with NSTEMI and 1469 patients with unstable angina pectoris. The clinical and biochemical characteristics of the patients were used to construct the initial attribute set. SelectKBest algorithm was used to determine the most important features. A feature engineering method was applied 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.
The diagnostic landscape for idiopathic normal-pressure hydrocephalus is intricate, and there is a pressing need for accurate and cost-effective methods. Because of the lack of accurate diagnostic and prognostic quantitative biomarkers, the frequent presence of comorbidities, and the limited understanding of the pathophysiology of the disorder, only a minority of patients receive disease-specific treatment. While traditional neuroimaging offers insights, its isolated diagnostic precision can be enhanced. Emerging quantitative methods analyzing cortical thickness based on standard T1-weighted 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.