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: 209 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 666 с найденным полным текстом
The development of humanoid intelligent controllers represents a breakthrough in enhancing the effectiveness and comfort of rehabilitation training using lower limb rehabilitation robots for diverse gait patterns. In this study, a kinematic model of the lower limb rehabilitation robot is established based on a simplified link structure. For dynamic modeling, the Lagrange formulation is employed to analyze human lower limb motion from an energy-based perspective.Gait data were collected from five healthy subjects, with each performing 20 walking trials, yielding a total of 100 gait cycles for a
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: Delayed Cerebral Ischemia (DCI) is a significant complication following aneurysmal subarachnoid hemorrhage (aSAH) that can lead to poor outcomes. Machine learning techniques have shown promise in predicting DCI and improving risk stratification.
METHODS: In this study, we aimed to develop machine learning models to predict the occurrence of DCI in patients with aSAH. Patient data, including various clinical variables and co-factors, were collected. Six different machine learning models, including logistic regression, multilayer perceptron, decision tree, random forest, gradient
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.
Hands are central to nearly every aspect of daily life, so losing an upper limb due to amputation can severely affect a person's independence. Robotic prostheses offer a promising solution by mimicking many of the functions of a natural arm, leading to an increasing need for advanced prosthetic designs. However, developing an effective robotic hand prosthesis is far from straightforward. It involves several critical steps, including creating accurate models, choosing materials that balance biocompatibility with durability, integrating electronic and sensory components, and perfecting control s
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.
In the field of EMG-based force modeling, the ability to generalize models across individuals could play a significant role in its adoption across a range of applications, including assistive devices, robotic and rehabilitation devices. However, current studies have predominately focused on intra-subject modeling, largely neglecting the burden of end-user data acquisition. In this work, we propose the use of transfer learning (TL) to generalize force modeling to a new user by first establishing a baseline model trained using other users' data, and then adapting to the end-user using a small am
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.
Prediction of outcomes following transcatheter aortic valve replacement (TAVR) is challenging. Considering that in aortic stenosis outcomes are governed by both valve degeneration and myocardial adverse remodeling, we aimed to evaluate machine-learning leveraging pre-procedural computed tomography (CT) for the prediction of 1-year mortality following TAVR. The analysis included data of consecutive patients who underwent TAVR at a high-volume center between January 2017 and January 2022 and was externally validated on unseen data from 3 international sites. Machine learning by extreme gradient
СтатьяМногоцентровое исследованиеВалидационное исследованиеПоддержка NIH: внешняя программаПолный 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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2023eng
This paper presents a method for determining the number of lifting techniques used by healthy individuals through the analysis of kinematic data collected from 115 participants utilizing an motion capture system. The technique utilizes a combination of feature extraction and Ward's method to analyse the range of motion in the sagittal plane of the knee, hip, and trunk. The findings identified five unique lifting techniques in people without low back pain. The multivariate analysis of variance statistical analysis reveals a significant difference in the range of motion in the trunk, hip and kne
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.
Phantom limb pain after amputation is a debilitating condition that negatively affects activities of daily life and the quality of life of amputees. Most amputees are able to control the movement of the missing limb, which is called the phantom limb movement. Recognition of these movements is crucial for both technology-based amputee rehabilitation and prosthetic control. The aim of the current study is to classify and recognize the phantom movements in four different amputation levels of the upper and lower extremities. In the current study, we utilized ensemble learning algorithms for the re
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.
BACKGROUND: Muscle fatigue of the lower limbs results in dynamic imbalance and gait instability, increasing the risk of falling. However, people might slow walk without physical muscle fatigue due to mental fatigue. Wearable inertial measurement units (IMU) and machine learning approaches have been well employed for recognizing human activities.
RESEARCH QUESTION: The study aims to use a machine learning technique to recognize the data collected from IMUs for physically fatigued or slow-walking gaits. Second, the study aims to reveal the location or the number of IMUs can have the best perfor
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: To assist people with disabilities, exoskeletons must be provided with human-robot interfaces and smart algorithms capable to identify the user's movement intentions. Surface electromyographic (sEMG) signals could be suitable for this purpose, but their applicability in shared control schemes for real-time operation of assistive devices in daily-life activities is limited due to high inter-subject variability, which requires custom calibrations and training. Here, we developed a machine-learning-based algorithm for detecting the user's motion intention based on electromyographic si
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.
PURPOSE: Machine-learning methods are flexible prediction algorithms with potential advantages over conventional regression. This study aimed to use machine learning methods to predict post-total knee arthroplasty (TKA) walking limitation, and to compare their performance with that of logistic regression.
METHODS: From the department's clinical registry, a cohort of 4026 patients who underwent elective, primary TKA between July 2013 and July 2017 was identified. Candidate predictors included demographics and preoperative clinical, psychosocial, and outcome measures. The primary outcome was se
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.
This study aims to establish an origin identification method for Scutellariae radix that integrates multidimensional quality indicators and machine learning algorithms, enabling accurate and rapid traceability of Scutellariae radix medicinal materials from four production areas: Hebei (HB), Shanxi (SX), Shaanxi (SAX), and Chengde (CD). The study collected a total of 43 batches of Scutellariae radix samples from the aforementioned origins. It systematically measured 12 key quality indicators covering flavonoids, physicochemical parameters, chromaticity values, and biological activity. These spe
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: To develop a predictive model for the clinical diagnosis of acute atypical asthma attacks using machine learning algorithms and investigate the risk factors related to the diagnosis of atypical asthma.
METHODS: This study retrospectively collected data on characteristics, symptoms, general examinations, pulmonary functional tests, and FeNO results of patients in the Aerospace Center Hospital. Five machine learning algorithms (logistic regression, decision tree, random forest, support vector machine, extreme gradient boosting) were employed to select variables for predicting outpati
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.
Therapeutic and assistive exoskeletons and exosuits show promise in both clinical and real-world settings. Improving their autonomy can enhance usability, effectiveness, and cost efficiency. This Review presents a generic control framework for autonomous operation of upper and lower limb devices and reviews current advancements and future directions. We highlight how data-driven machine learning aids in intention recognition, synchronization, patient assessment, and task-agnostic control. In addition, we discuss how reinforcement learning optimizes control policies through digital human twins
СтатьяОбзорПоддержка 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.
BACKGROUND: The mortality rate from coronary atherosclerotic heart disease is rising year by year, affecting an increasingly younger population, and is projected to continue rising in the future. Although medical technology is advancing, coronary angiography cannot be widely adopted for screening due to factors such as economic constraints, disparities in regional healthcare standards, and patient compliance. This study aimed to develop and validate a machine learning-based predictive model for assessing the severity of coronary artery lesions and to explore related risk factors.
METHODS: Thi
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.
OBJECTIVE: To compare the performance of machine learning and logistic regression algorithms in predicting emergence delirium (ED) in elderly patients.
METHODS: A prospective study was carried out in a Chinese teaching tertiary hospital and collected the details of 1045 patients who underwent noncardiac surgery with general anesthesia. Characteristic variables related to ED were selected by least absolute shrinkage and selection operator (LASSO). Finally, seven machine learning models (gradient boosting machine, extreme gradient boosting, light gradient boosting machine, support vector machin
СтатьяСравнительное 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.
Nonalcoholic fatty liver disease (NAFLD) is now the leading cause of global chronic liver disease, affecting approximately 32.4% of the population in various regions and imposing healthcare and economic burdens. The gold standard for the diagnosis of NAFLD, such as liver biopsy, has numerous limitations in large-scale screening. Recent studies have explored the use of machine learning to diagnose NAFLD. In this study, we investigated the effect of the lactulose breath test (LBT) on a machine-learning model for predicting NAFLD. The input variables for machine learning included three combinatio
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.
Prostate cancer is one of the most common malignancies in men, and accurate classification of lesions into clinically significant or insignificant categories is essential for patient management. Multiparametric MRI, including T2-weighted (T2W) and apparent diffusion coefficient (ADC) imaging, enables extraction of quantitative radiomic features that can be exploited by machine learning for improved diagnosis. While classical machine-learning models such as support vector machines (SVM), random forests (RF), and extreme gradient boosting (XGBoost) have shown strong performance in radiomics-base
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: Population aging is emerging as an increasingly acute challenge for countries around the world. One particular manifestation of this phenomenon is the impact of osteoporosis on individuals and national health systems. Previous studies of risk factors for osteoporosis were conducted using traditional statistical methods, but more recent efforts have turned to machine learning approaches. Most such efforts, however, treat the target variable (bone mineral density [BMD] or fracture rate) as a categorical one, which provides no quantitative information. The present study uses five diff
Сравнительное исследованиеСтатьяПоддержка 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.
Precocious puberty, including Peripheral Precocious Puberty (PPP) and Central Precocious Puberty (CPP), presents diagnostic challenges in pediatric endocrinology, leading to delayed interventions. This study utilized machine learning models-Random Forest (RF), Gradient Boosting Machine (GBM), and Extreme Gradient Boosting (XGB)-to predict and differentiate between PPP and CPP using 12 clinical features extracted from electronic medical records (EMRs). Internal validation on TMUH data showed XGB achieving the highest sensitivity (0.88) and AUC (0.86). In external validation with WFH data, RF de
СтатьяВалидационное исследованиеПоиск 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.
Temporomandibular disorders (TMD) involve complex interactions among behavioral and musculoskeletal factors, and machine learning (ML) has increasingly been used to model these multidimensional relationships. This study aimed to investigate the relationship between smartphone addiction and TMD symptoms by evaluating the possible contributions of clinical variables such as head posture, cervical dysfunction, and masseter muscle sensitivity to this relationship and by examining the multivariate structure using ML methods. A single-blind, cross-sectional study was conducted among university stude
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.