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
51898 публикаций
Поиск: 208 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1514 с найденным полным текстом
BACKGROUND: Early and accurate diagnosis of adolescent temporomandibular joint (TMJ) osteoarthritis (OA) is critical, as degenerative changes during growth can cause lifelong pain and deformity. This study aimed to identify key clinical and imaging predictors of adolescent TMJ-OA and to evaluate multimodal machine learning models.
METHODS: The diagnostic utility was evaluated in 79 adolescents (10-18 years) with TMJ pain using panoramic radiography (PR) and MRI. TMJ-OA was diagnosed based on the Diagnostic Criteria for Temporomandibular Disorders (DC/TMD). Three decision tree models were deve
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 journal of maternal-fetal & neonatal medicine : the official journal of the European Association of Perinatal Medicine, the Federation of Asia and Oceania Perinatal Societies, the International Society of Perinatal Obstetricians2026eng
STUDY DESIGN: This prospective cohort study included pregnant women from a tertiary hospital in Kunming between 2022 and 2023. Demographic characteristics, clinical history, and cervical elastography parameters were analyzed. Four machine learning (ML) algorithms-Boruta, Lasso regression, Sliding Window Sequential Forward Selection (SWSFS), and XGBoost-were applied to screen predictors and construct logistic regression models.
RESULTS: The incidence of sPTB was 9.06%. Cervical length (AUC = 0.784, cutoff ≤3.015 cm), anterior cervical angle (AUC = 0.731, cutoff >101.85°), posterior cervical 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.
Clonidine•HCl is a clinically important imidazoline derivative whose manufacturing routes have seen little innovation since their development in the mid-to-late 20th century. Its widespread use as an antihypertensive and neuroactive agent underscores the need for more efficient, modern production strategies. Herein, we report the first continuous flow strategy for the synthesis of clonidine. By integrating telescoped multistep sequences, inline liquid-liquid workup, advanced solid handling, and machine learning, we developed an intensified process that delivers clonidine•HCl in only 24 min tot
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.
OBJECTIVE: Addressing the rising cancer rates through timely diagnosis and treatment is crucial. Additionally, cancer survivors need to understand the potential risk of developing secondary cancer (SC), which can be influenced by several factors including treatment modalities, lifestyle choices, and habits such as smoking and alcohol consumption. This study aims to establish a novel relationship using linear regression models between dose and the risk of SC, comparing different prediction methods for lung, colon, and breast cancer.
METHODS: Machine learning (ML) models have demonstrated their
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 demand for breast imaging services continues to grow, driven by expanding indications in breast cancer diagnosis and treatment. This increasing demand underscores the potential role of artificial intelligence (AI) to enhance workflow efficiency as well as to further unlock the abundant imaging data to achieve improvements along the breast cancer pathway. Although AI has made significant advancements in mammography and digital breast tomosynthesis, with commercially available computer-aided detection (CAD systems) widely used for breast cancer screening and detection, its adoption in breast
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.
The purpose of the study was to assign rowers to different rowing events based on their demographics and rowing kinematics using machine learning models. A total of 55 elite athletes from the Chinese National Rowing Team participated, each instructed to row on a rowing ergometer for one minute at three stroke rates: 18, 26, and 32 strokes/min. Trunk and upper arm 3D kinematics were collected using an inertia measurement unit system at a sampling rate of 100 Hz. Trunk and upper arm segmental and joint range of motion were generated. Trunk segments and upper arm motion coordination were analysed
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: Cyclosporine (CsA), an immunosuppressant widely used in solid-organ transplantation, requires precise therapeutic drug monitoring to balance its efficacy and toxicity. The interdose area under the concentration-time curve (AUC 0-12 h ) is considered to be a superior metric of drug exposure compared with single concentration measurements but is, nevertheless, resource-intensive. Machine learning (ML) offers a novel approach for AUC prediction by leveraging patient-specific data without relying on traditional pharmacokinetic assumptions. This study intended to develop and evaluate XG
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.
Hemophilia A is a rare genetic condition that predominantly affects men and is characterized by a deficiency in Factor VIII clotting (FVIII). This research focuses on the development of a classification model to predict the severity of Hemophilia A, using data from point mutations in the FVIII protein. The study employs a variety of classification models, including RandomForest, XGBoost, and LightGBM, and performs a robust analysis of the data to select the most relevant features. The final model achieved an accuracy of 65.5 %, demonstrating significant performance against a simple gaussian na
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.
IMPORTANCE: Automating the identification of risk for developing hospital delirium with models that use machine learning (ML) could facilitate more rapid prevention, identification, and treatment of delirium. However, there are very few reports on the performance of ML models for delirium risk stratification in live clinical practice.
OBJECTIVE: To report on development, operationalization, and validation of a multimodal ML model for delirium risk stratification in live clinical practice and its associations with workflow and clinical outcomes.
DESIGN, SETTING, AND PARTICIPANTS: This quality
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.
Artificial intelligence (AI) and machine learning (ML) technologies are transforming reconstructive microsurgery through data-driven approaches that enhance precision and standardize clinical workflows. These innovations address long-standing challenges, including subjective assessment methodologies, operator-dependent decision-making, and inconsistent monitoring protocols across the perioperative continuum. Contemporary applications demonstrate remarkable capabilities in preoperative risk stratification, with ML algorithms achieving high predictive accuracy for complications such as flap loss
СтатьяОбзорПолный 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.
Cushing's syndrome (CS) is a common endocrine disorder in dogs that can significantly impair their quality of life. Diagnosis is often challenging because of its variable clinical presentation, making it difficult to identify suitable candidates for further diagnostic tests. This study employed machine learning algorithms to assist in CS diagnosis using routinely available screening diagnostics, including complete blood count, serum chemistry panel, and urinalysis parameters such as urine specific gravity and urine protein-to-creatinine ratio. Data were collected from 153 control dogs initiall
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.
Schistosomiasis currently affects over 250 million people and remains a public health burden despite ongoing global control efforts. Conventional microscopy is a practical tool for diagnosis and screening of Schistosoma haematobium, but identification of eggs requires a skilled microscopist. Here we present a machine learning (ML)-based strategy for automated detection of S. haematobium that combines two imaging contrasts, brightfield (BF) and darkfield (DF), to improve diagnostic performance. We collected BF and DF images of urine samples, many of them containing S. haematobium eggs, during t
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
Редакционная статьяПоддержка исследования: вне правительства СШАКомментарийПоиск 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.
We develop a practical machine learning approach to determine the disorder landscape of Majorana nanowires by using training of the conductance matrix and inverting the conductance data in order to obtain the disorder details in the system. The inversion carried out through machine learning using different disorder parametrizations turns out to be unique in the sense that any input tunnel conductance as a function of chemical potential and Zeeman energy can indeed be inverted to provide the correct disorder landscape. Our work opens up a qualitatively new direction of directly determining the
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 review examines the emerging applications of machine learning (ML) and radiomics in the diagnosis and prediction of placenta accreta spectrum (PAS) disorders, addressing a significant challenge in obstetric care. It highlights recent advancements in ML algorithms and radiomic techniques that utilize medical imaging modalities like magnetic resonance imaging (MRI) and ultrasound for effective classification and risk stratification of PAS. The review discusses the efficacy of various deep learning models, such as nnU-Net and DenseNet-PAS, which have demonstrated superior performance over tr
СтатьяОбзорПоиск 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.
OBJECTIVE: Given that Parkinson's disease is a progressive disorder, with symptoms that worsen over time, our goal is to enhance the diagnosis of Parkinson's disease by utilizing machine learning techniques and microbiome analysis. The primary objective is to identify specific microbiome signatures that can reproducibly differentiate patients with Parkinson's disease from healthy controls.
METHODS: We used four Parkinson-related datasets from the NCBI repository, focusing on stool samples. Then, we applied a DADA2-based script for amplicon sequence processing and the Recursive Ensemble Featur
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: Maternal morbidity and mortality remain critical health concerns globally. As a result, reducing the maternal mortality ratio (MMR) is part of goal 3 in the global sustainable development goals (SDGs), and previously, it was an important indicator in the Millennium Development Goals (MDGs). Therefore, identifying high-risk groups during pregnancy is crucial for decision-makers and medical practitioners to mitigate mortality and morbidity. However, the availability of accurate predictive models for maternal mortality and maternal health risks is challenging. Compared with traditiona
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.
Large randomized trials in sepsis have generally failed to find effective novel treatments. This is increasingly attributed to patient heterogeneity, including heterogeneous cardiovascular changes in septic shock. We discuss the potential for machine learning systems to personalize cardiovascular resuscitation in sepsis. While the literature is replete with proofs of concept, the technological readiness of current systems is low, with a paucity of clinical trials and proven patient benefit. Systems may be vulnerable to confounding and poor generalization to new patient populations or contempor
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: This study aimed to develop models for predicting total serum bilirubin by correcting errors of transcutaneous bilirubin using machine learning based on neonatal biomarkers that could affect spectrophotometric measurements of tissue bilirubin.
METHODS: This retrospective study included infants born at our hospital (≥36 weeks old, ≥2,000 g) between January 2020 and December 2022. Infants without a phototherapy history were included. Robust linear regression, gradient boosting tree, and neural networks were used for machine learning models. A neural network, inspired by the struct
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.
Cardiovascular diseases rank among the leading causes of mortality worldwide and the early identification of diseases is of paramount importance. This work focuses on developing a novel machine learning-based framework for early detection and classification of heart murmurs by analysing phonocardiogram signals. Our heart murmur detection and classification pipeline encompasses three classification settings. We first develop a set of methods based on transfer learning to determine the existence of heart murmurs and categorize them as present, absent, or unknown. If a murmur is present it will b
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.