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
3734 публикаций
Поиск: 872 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 235 с найденным полным текстом
Journal of chemical information and modeling2024eng
Combination therapy is an important direction of continuous exploration in the field of medicine, with the core goals of improving treatment efficacy, reducing adverse reactions, and optimizing clinical outcomes. Machine learning technology holds great promise in improving the prediction of drug synergy combinations. However, most studies focus on single disease-oriented collaborative predictive models or involve excessive feature categories, making it challenging to predict the majority of new drugs. To address these challenges, the DrugSK comprehensive model was developed, which utilizes SMI
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.
One critical manifestation of neurological deterioration is the sign of cognitive decline. Causes of cognitive decline include but are not limited to: aging, cerebrovascular disease, Alzheimer's disease, and trauma. Currently, the primary tool used to examine cognitive decline is scale. However, scale examination has drawbacks such as its clinician subjectivity and inconsistent results. This study attempted to use resting-state EEG to construct a cognitive assessment model that is capable of providing a more scientific and robust evaluation on cognition levels. In this study, 75 healthy subjec
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.
Otology & neurotology : official publication of the American Otological Society, American Neurotology Society [and] European Academy of Otology and Neurotology2024eng
OBJECTIVE: We used simple variables to construct prognostic prediction ensemble learning models for patients with sudden sensorineural hearing loss (SSNHL).
STUDY DESIGN: Retrospectively study.
SETTING: Tertiary medical center.
PATIENTS: 1,572 patients with SSNHL.
INTERVENTION: Prognostic.
MAIN OUTCOME MEASURES: We selected four variables, namely, age, days after onset of hearing loss, vertigo, and type of hearing loss. We also compared the accuracy between different ensemble learning models based on the boosting, bagging, AdaBoost, and stacking algorithms.
RESULTS: We enrolled 1,572 pat
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.
Chest radiographies, or chest X-rays, are the most standard imaging exams used in daily hospitals. Responsible for assisting in detecting numerous pathologies and findings that directly interfere in the patient's life, this exam is therefore crucial in screening patients. This work proposes a methodology based on a Convolutional Neural Networks (CNNs) ensemble to aid the diagnosis of chest X-ray exams by screening them with a high probability of being normal or abnormal. In the development of this study, a private dataset with frontal and lateral projections X-ray images was used. To build 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.
Early diagnosis is currently the most effective way of saving the life of patients with neuropsychiatric systemic lupus erythematosus (NPSLE). However, it is rather difficult to detect this terrible disease at the early stage, due to the subtle and elusive symptomatic signals. Recent studies show that the 1H-MRS (proton magnetic resonance spectroscopy) imaging technique can capture more information reflecting the early appearance of this disease than conventional magnetic resonance imaging techniques. 1H-MRS data, however, also presents more noises that can bring serious diagnosis bias. We hen
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.
INTRODUCTION: Automated classification of skin lesion remains a challenging task due to high inter-class similarity, intra-class variance and extreme class imbalance in the dermoscopic datasets. To overcome these limitations, the proposed study presents a Hybrid Bi-Feature Network model as HB-Net, in which the convolutional neural networks are fine-tuned to extract features and subsequently machine learning classifier are used for skin lesion classification.
METHODS: DenseNet201 and ResNet50 are both fully trainable deep architectures independently trained on the dermoscopic images to find di
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.
INTRODUCTION: Acute Lymphoblastic Leukemia (ALL) is a hematological malignancy, which is life-threatening and demands rapid and precise diagnosis to either enhance or worsen the survival chances. Traditional diagnostic methods, especially the manual microscopic examination, are labor-intensive and subject to inter-observer variability. Even though deep learning models have been shown to achieve good performance in automated detection, single-model structures tend to be prone to overfitting and under-generalize to heterogeneous datasets, with low interpretability. Hence, an effective and respon
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.
Real-time forecasts of seasonal respiratory outbreaks are critical for public health preparedness and healthcare planning. Multi-model ensembles, which combine predictions from individual models, have become a leading approach for operational outbreak forecasting. Their success, however, depends in part on the assumption that component models make sufficiently independent errors. Here, we examined this assumption using archived real-time forecasts for influenza hospitalizations and influenza-like illness (ILI) in the United States. We found that component models with diverse structures and cal
СтатьяПрепринтПоиск 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.
OBJECTIVE: Patients discharged from hospitals to skilled nursing facilities (SNFs) for post-acute care are at high risk for adverse outcomes, including death. We aimed to develop machine learning (ML) models that predict death within 30 or 180 d after patients are discharged to SNFs.
DESIGN: Retrospective cohort study.
SETTING AND PARTICIPANTS: Patients discharged to any of 75 SNFs in our region between October 1, 2019, and June 30, 2021, after being hospitalized at the Mayo Clinic in Rochester, Minnesota, or Mayo Clinic Health System.
METHODS: Ensemble ML models for predicting 30- or 180-d
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.
PURPOSE: Prediction of Torsades de Pointes (TdP) risk using hiPSC-CM assays remains challenging, as many models fail to capture nonlinear patterns and exhibit unstable performance across different drugs. We examined whether a stacking ensemble can improve robustness when only two simple Δ F P D c -derived predictors are available.
METHODS: Two electrophysiological predictors were derived from MEA-based FPDc measurements: the maximum change ( Δ F P D c ) and the interpolated Δ F P D c at Cmax. These features were used to train a stacking model comprising random forest (RF), XGB, and a shall
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 is a common chronic condition in older adults, characterized by reduced bone mineral density and increased fracture risk. Dual-energy X-ray absorptiometry is the diagnostic gold standard, but its cost and limited availability restrict large-scale screening in primary and community care. There is a need for auxiliary diagnostic systems that use routinely collected clinical data to identify individuals at high risk of osteoporosis. METHODS: Data from the 2017–2020 National Health and Nutrition Examination Survey were analysed. Adults aged 50 years or older with valid dua
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 heterogeneity and noise of biological networks reduce prediction accuracy. We propose NexusGene, a computational framework that integrates uncertainty-aware graph structure learning (UnGSL) with clustering-enhanced ensemble learning to improve cancer gene identification in complex biological networks. UnGSL refines the graph structure by quantifying uncertainty in node features and adjusting edge weights to mitigate the influence of noisy or unreliable data. Additionally, a clustering-enhanced ensemble learning strategy reduces prediction bias and false negatives by optimizing base learner
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: Skin cancer is among the most prevalent and life-threatening malignancies worldwide. Early and accurate detection significantly improves therapeutic outcomes. Automated classification of dermoscopic skin lesions remains challenging due to class imbalance, inter-class visual similarity, and lack of interpretable predictions. This study proposes an accurate and interpretable weighted soft voting ensemble for multi-class skin lesion classification.
METHODS: A weighted soft voting ensemble of three heterogeneous deep learning architectures, EfficientNet-B3, ResNet101, and DenseNet20
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.
Lymph node metastasis is a critical factor for determining therapeutic strategies and assessing the prognosis of early gastric cancer. This work aimed to establish a more dependable predictive model for identify lymph node metastasis in early gastric cancer. The study utilized both univariate and multivariate logistic regression analyses to identify independent risk factors for lymph node metastasis of early gastric cancer, while employing five distinct algorithms to calculate feature weights. The optimal feature combination for each algorithm model was determined by combining the six highest
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.
BACKGROUND: Malaria, an infectious disease caused by protozoan parasites belonging to the Plasmodium genus, remains a significant public health challenge, with African regions bearing the heaviest burden. Machine learning techniques have shown great promise in improving the diagnosis of infectious diseases, such as malaria.
OBJECTIVES: This study aims to integrate ensemble machine learning models and Explainable Artificial Intelligence (XAI) frameworks to enhance the diagnosis accuracy of malaria.
METHODS: The study utilized a dataset from the Federal Polytechnic Ilaro Medical Centre, Ilaro,
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.
With the rapid development and widespread adoption of intelligent vehicles and the Internet of Vehicles (IoV), vehicle security has become a growing concern. Modern vehicles manage key components via the controller area network (CAN) connected electronic control units (ECUs). CAN bus intrusion techniques are the primary methods of compromising the IoV, posing a significant threat to the normal operation of critical vehicle systems, such as the power systems. However, existing attack detection methods still have shortcomings in terms of feature extraction and the diversity of attack type detect
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.
Malaria is a significant global health challenge, causing high morbidity and mortality. The rise of drug resistance highlights the urgent need for new antimalarial agents. This study focuses on predictive modeling of 104 Plasmodium falciparum protein kinase 6 (PfPK6) inhibitors, employing a range of machine learning techniques to develop ensemble regression and classification models. Molecular descriptors were refined using classification and regression trees (CART) to identify the most relevant features. Six machine learning algorithms (Random Forest (RF), Relevance Vector Machine (RVM), Supp
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.
Background/Objectives: Cardiomegaly-defined as the abnormal enlargement of the heart-is a key radiological indicator of various cardiovascular conditions. Early detection is vital for initiating timely clinical intervention and improving patient outcomes. This study investigates the application of deep learning techniques for the automated diagnosis of cardiomegaly from chest X-ray (CXR) images, utilizing both convolutional neural networks (CNNs) and Vision Transformers (ViTs). Methods: We assembled one of the largest and most diverse CXR datasets to date, combining posteroanterior (PA) images
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.
Rice diseases pose a critical threat to global crop yields, underscoring the need for rapid and accurate diagnostic tools to ensure effective crop management and productivity. Traditional diagnostic approaches often lack both precision and scalability, frequently necessitating specialized equipment and expertise. This study presents a deep learning-based automated diagnostic system for rice leaf diseases, leveraging a large-scale dataset comprising annotated images spanning six common rice diseases: bacterial stripe, false smut, leaf blast, neck blast, sheath blight, and brown spot. We evaluat
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.
Spinal radiology reports and physician-completed questionnaires serve as crucial resources for medical decision-making for patients experiencing low back and neck pain. However, due to the time-consuming nature of this process, individuals with severe conditions may experience a deterioration in their health before receiving professional care. In this work, we propose an ensemble framework built on top of pre-trained BERT-based models which can classify patients on their need for surgery given their different data modalities including radiology reports and questionnaires. Our results demonstra
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.