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
908 публикаций
Поиск: 76 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 761 с найденным полным текстом
BACKGROUND: A large training dataset with high-quality annotations is necessary for building an accurate and generalisable deep learning system, which can be difficult and expensive to prepare in medical applications. We present a novel deep-learning-based system, requiring no annotator but weak annotation from a diagnosis report, for accurate and generalisable performance in detecting multiple head disorders from CT scans, including ischaemia, haemorrhage, tumours, and skull fractures.
METHODS: Our system was developed on 104 597 head CT scans from the Chinese PLA General Hospital, with asso
СтатьяМногоцентровое исследованиеПоддержка 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: Necrotizing enterocolitis (NEC) is a common, potentially catastrophic intestinal disease among very low birthweight premature infants. Affecting up to 15% of neonates born weighing less than 1500 g, NEC causes sudden-onset, progressive intestinal inflammation and necrosis, which can lead to significant bowel loss, multi-organ injury, or death. No unifying cause of NEC has been identified, nor is there any reliable biomarker that indicates an individual patient's risk of the disease. Without a way to predict NEC in advance, the current medical strategy involves close clinical monito
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 clinical trials for ulcerative colitis (UC), pathologists assess disease severity through standardized histological indices, including the Geboes Score, Robarts Histopathology Index (RHI), and Nancy Histologic Index (NHI). Despite strong associations with clinical outcomes, histologic scoring suffers from inter- and intra-reader variability, and consensus criteria for histologic remission remain uncertain. Through a consortium approach, we developed an artificial intelligence-based measurement (AIM) tool for scoring histology in UC mucosal biopsies (AIM-HI UC). This model, trained on a larg
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.
BACKGROUND: Gadolinium-enhanced "sampling perfection with application-optimized contrasts using different flip angle evolution" (SPACE) sequence allows better visualization of brain metastases (BMs) compared to "magnetization-prepared rapid acquisition gradient echo" (MPRAGE). We hypothesize that this better conspicuity leads to high-quality annotation (HAQ), enhancing deep learning (DL) algorithm detection of BMs on MPRAGE images.
METHODS: Retrospective contrast-enhanced (gadobutrol 0.1 mmol/kg) SPACE and MPRAGE data of 157 patients with BM were used, either annotated on MPRAGE resulting in
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: Sepsis is an infection-induced systemic inflammatory response. Given the potential link between changes in butyrate metabolism (BM) and sepsis development, this study aimed to preliminarily identify potential BM-related genes and explore their possible relevance to sepsis treatment strategies. METHODS: The GSE54514, GSE175453 and GSE65682 datasets, as well as BM-related genes (BMRGs), were obtained from public databases. The differentially expressed genes (DEGs) obtained through differential expression analysis were intersected with BMRGs to acquire candidate genes. The key genes w
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.
Neuroendocrine neoplasms (NENs) arise from diffuse neuroendocrine cells and are categorized as either well-differentiated and less proliferative Neuroendocrine Tumors (NETs), divided into low (G1), middle (G2), and high grades (G3), or poorly differentiated, and more proliferative Neuroendocrine Carcinomas (NECs). Low-grade NENs typically necessitate surgical intervention, whereas high-grade ones often require chemotherapy. However, low-grade NENs may exhibit aggressive behavior. Therefore, it is crucial to precisely refine the diagnosis of NENs. This refinement is achievable when differentiat
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.
Background/Objectives: Accurate diagnosis of middle ear disease remains challenging because otoscopic interpretation is subjective, while many artificial intelligence models depend on manually selected still frames from video examinations. We aimed to develop and internally evaluate LUCID, a systematic framework for automatically identifying the most informative frames in otoscopy videos. Methods: We analyzed 713 otoscopy videos from 491 patients. LUCID combines a ResNet-50 classifier for coarse eardrum-visibility assessment, BC-AdvCAM for weakly supervised eardrum localization and coverage es
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 discovery and advances of medicines may be considered as the ultimate relevant translational science effort that adds to human invulnerability and happiness. But advancing a fresh medication is a quite convoluted, costly, and protracted operation, normally costing USD ~2.6 billion and consuming a mean time span of 12 years. Methods to cut back expenditure and hasten new drug discovery have prompted an arduous and compelling brainstorming exercise in the pharmaceutical industry. The engagement of Artificial Intelligence (AI), including the deep-learning (DL) component in particular, has bee
Полный текст 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 integration of artificial intelligence (AI) into medical diagnostics is transforming the landscape of healthcare, particularly in hematology. AI technologies, leveraging advanced machine learning algorithms and big data analytics, are revolutionizing the diagnosis of hematological disorders such as anemia, leukemia, and lymphoma. This review explores how AI enhances diagnostic accuracy, efficiency, and patient outcomes by processing complex datasets and identifying patterns beyond human capability. AI-driven advancements in hematology include innovations in image analysis, genomic data int
Полный текст 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.
While reviewing and discussing the potential of data science in oncology, we emphasize medical imaging and radiomics as the leading contextual frameworks to measure the impacts of Artificial Intelligence (AI) and Machine Learning (ML) developments. We envision some domains and research directions in which radiomics should become more significant in view of current barriers and limitations.
Полный текст 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.
Фон: Множественный склероз (MS) — хроническое аутоиммунное заболевание центральной нервной системы с склонностью вызывать серьезные неврологические расстройства. Точное и раннее прогнозирование прогресса в области НР имеет исключительно важное значение для управления им и его лечения. Методы: В настоящем документе мы сравниваем ряд самомаркированных полуконтролируемых методов обучения, используемых для прогнозирования MS на основе маркированных и немаркированных медицинских данных. В частности, мы сравниваем результаты самоподготовки, СЕТРЕД, совместной подготовки, совместной подготовки с Коми
СтатьяПолный текст найденМашинный перевод · не проверен
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.
RNA modification, as a crucial post-transcriptional regulatory mechanism, plays a pivotal role in normal physiological processes and is closely associated with the onset and progression of various human diseases. Recent studies have highlighted significant alterations in the level of RNA modifications, including m6A, m6Am, m1A, m5C, m7G, ac4C, Ψ, and A-to-I editing, across multiple diseases. These findings suggest the potential of RNA modifications and their regulatory factors as biomarkers for early disease diagnosis and prognosis. This review provides an overview of statistical methods, mach
Полный текст 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.
Глубокое обучение описывает класс алгоритмов машинного обучения, которые способны объединять исходные ресурсы в слои промежуточных характеристик. Эти алгоритмы недавно продемонстрировали впечатляющие результаты в различных областях. Биология и медицина являются богатыми данными дисциплинами, однако данные являются сложными и зачастую недопонятными. Поэтому методы глубокого обучения могут быть особенно подходящими для решения проблем в этих областях. Мы изучаем возможности углубленного изучения различных биомедицинских проблем - стационарная классификация, фундаментальные биологические процессы
Полный текст найденМашинный перевод · не проверен
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.
Множественный склероз (MS) — болезнь, наносящая удар по центральной нервной системе. Согласно самым последним статистическим данным MS Atlas 2.8 million люди во всем мире диагностировали MS. Недавно в рамках исследований стали изучаться методы машинного обучения для прогнозирования НР с использованием различных данных. Целью настоящего документа является разработка комплексного подхода к диагностике MS с использованием профилей выражения генов при одновременном решении проблемы классового дисбаланса, связанной с данными. Предлагается иерархический комплексный подход с использованием методов го
СтатьяПолный текст найденМашинный перевод · не проверен
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.
Множественный склероз (MS) — серьезная болезнь мозга, которая постоянно разрушает клетки мозга, влияет на зрение, баланс, мышечный контроль и повседневную активность. В этом исследовании используется взвешенное сочетание глубоких нейронных сетей и методов оптимизации для диагностики заболеваний MS. Этот метод использует кусочки изображений магнитного резонанса (MRI) в качестве входных. Затем, после предварительной обработки, процесс сегментации и идентификации района, представляющего интерес (РОИ), осуществляется с использованием сочетания алгоритма " нечеткие " c-means (FCM) и алгор
СтатьяПолный текст найденМашинный перевод · не проверен
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 rapid evolution of artificial intelligence (AI) and machine learning (ML) technologies has initiated a paradigm shift in contemporary spine care. This narrative review synthesizes advances across imaging-based diagnostics, surgical planning, genomic risk stratification, and post-operative outcome prediction. We critically assess high-performing AI tools, such as convolutional neural networks for vertebral fracture detection, robotic guidance platforms like Mazor X and ExcelsiusGPS, and deep learning-based morphometric analysis systems. In parallel, we examine the emergence of ambient clini
Полный текст 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.
Для борьбы с хроническими заболеваниями требуется постоянный мониторинг деятельности по борьбе с заболеваниями и терапевтическое реагирование в целях оптимизации планов лечения. С учетом растущей доступности методов лечения, позволяющих сглаживать заболевания, крайне важно изучить вопрос о сравнительной эффективности и долгосрочных результатах, помимо тех, которые могут быть получены в ходе выборочных клинических испытаний. Мы внедряем всеобъемлющий трубопровод для получения воспроизводимых и обобщенных реальных данных о результатах болезней за счет использования электронных данных о состоянии
СтатьяПолный текст найденМашинный перевод · не проверен
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.
BackgroundAs global cancer incidence and mortality rise, digital twin technology in precision medicine offers new opportunities for cancer treatment.ObjectiveThis study aims to systematically analyze the current applications, research trends, and challenges of digital twin technology in tumor therapy, while exploring future directions.MethodsRelevant literature up to 2024 was retrieved from PubMed, Web of Science, and other databases. Data visualization was performed using R and VOSviewer software. The analysis includes the research initiation and trends, funding models, global research distri
Полный текст 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 spinal oncology, integrating deep learning with computed tomography (CT) imaging has shown promise in enhancing diagnostic accuracy, treatment planning, and patient outcomes. This systematic review synthesizes evidence on artificial intelligence (AI) applications in CT imaging for spinal tumors. A PRISMA-guided search identified 33 studies: 12 (36.4%) focused on detecting spinal malignancies, 11 (33.3%) on classification, 6 (18.2%) on prognostication, 3 (9.1%) on treatment planning, and 1 (3.0%) on both detection and classification. Of the classification studies, 7 (21.2%) used machine lear
Полный текст 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 HeMonitor study evaluated the feasibility and accuracy of non-invasive hemoglobin (Hb) assessment using image-based techniques and machine learning in patients with hematologic malignancies. A total of 367 patients with hematologic malignancies and 184 healśśthy donors were enrolled, with fingernail and eyelid photographs collected and analyzed using Light Gradient-Boosting Machine (LightGBM) regression models. The best-performing model achieved a residual standard deviation of ±1.02 mmol/L for Hb prediction. Our framework further explored a two-stage concept combining (i) a non-invasive i
Полный текст 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.