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
1853 публикаций
Поиск: 139 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 311 с найденным полным текстом
COVID-19 has emerged as one of the deadliest pandemics that has ever crept on humanity. Screening tests are currently the most reliable and accurate steps in detecting severe acute respiratory syndrome coronavirus in a patient, and the most used is RT-PCR testing. Various researchers and early studies implied that visual indicators (abnormalities) in a patient's Chest X-Ray (CXR) or computed tomography (CT) imaging were a valuable characteristic of a COVID-19 patient that can be leveraged to find out virus in a vast population. Motivated by various contributions to open-source community to tac
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: Accurate classification of colonoscopic images is essential for early detection and characterization of colorectal diseases. Recent advances in deep learning, particularly transformer-based architectures and graph neural networks (GNNs), provide alternative strategies for modeling global contextual information and relational structures in image representations. This study evaluates transformer-based and graph-based frameworks under a unified experimental protocol for endoscopic colon disease classification.
METHODS: Experiments were conducted on the Kvasir V2 dataset using two p
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.
Linear solvation energy relationship (LSER) models are nowadays often used to predict physicochemical properties of chemicals, such as partition coefficients, retention factors in chromatography, and solubilities. Due to their mechanistic foundation and transferability across phases, LSER models are particularly valuable for predicting partition coefficients in data-poor systems where experimental data sets are not available. However, their broader applicability is currently constrained by the limited availability of experimentally determined solute descriptors. We developed three different mo
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.
Space-Air-Ground Integrated Networks (SAGIN) supporting Industrial Internet of Things (IIoT) applications impose stringent requirements on intrusion detection due to node mobility, heterogeneous link characteristics, constrained edge resources, and cross-tier attack propagation. Most standard security methods rely on one main system or some fixed settings that makes it hard to respond quickly when the network changes or when there is not much power. This paper presents HSP-SR, a hierarchical intrusion detection and response framework structured according to the physical segmentation of SAGIN.
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.
Accurate drug-target affinity prediction is essential for virtual screening, lead compound prioritization, and drug repositioning, especially under cold-start scenarios involving unseen compounds, unseen targets, or unseen drug-target combinations. However, existing methods still face limitations in transferable molecular representation, contextual protein encoding, statistically reliable performance comparison, and biologically interpretable candidate prioritization. In this study, we propose GraESM-FuseDTA, a graph-enhanced protein language model framework for drug-target affinity prediction
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.
PURPOSE: MRI detection of subtle focal cortical dysplasia (FCD)-like abnormalities remains challenging in focal epilepsy. Higher signal-to-noise ratio and spatial resolution offered by ultra-high-field 7T MRI and surface-based graph-neural-network (GNN) analysis may improve detection of subtle cortical abnormalities. We evaluated whether combining 7T MRI with a surface-based GNN classifier improves lesion detection in focal epilepsy of suspected structural origin.
METHODS: We analyzed paired 7T and 3T MRI datasets from 87 patients with focal epilepsy (78.1% pediatric) and 10 internal healthy
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.
PURPOSE: Machine learning is a powerful tool to develop algorithms for clinical diagnosis. However, standard machine learning algorithms are not perfectly suited for clinical data since the data are interconnected and may contain time series. As shown for recommender systems and molecular property predictions, Graph Neural Networks (GNNs) may represent a powerful alternative to exploit the inherently graph-based properties of clinical data. The main goal of this study is to evaluate when GNNs represent a valuable alternative for analyzing large clinical data from the clinical routine on the ex
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: Tuberculosis (TB) remains a global health crisis, with complex molecular mechanisms that are not fully understood. Traditional pathway analysis methods fail to capture the intricate non-linear relationships within biological networks.
METHODS: We developed a novel artificial intelligence framework integrating graph neural networks (GNNs), transformer architectures, and multimodal deep learning to decipher TB pathway mechanisms. Our approach constructs a comprehensive pathway-gene interaction network from three critical pathways (Tuberculosis hsa05152, Antigen processing hsa04612,
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: Digital whole-slide images are a unique way to assess the spatial context of the cancer microenvironment. Exploring these spatial characteristics will enable us to better identify cross-level molecular markers that could deepen our understanding of cancer biology and related patient outcomes.
METHODS: We proposed a graph neural network approach that emphasises spatialisation of tumour tiles towards a comprehensive evaluation of predicting cross-level molecular profiles of genetic mutations, copy number alterations, and functional protein expressions from whole-slide images. We int
СтатьяПоддержка правительства СШАПоддержка 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.
Drug-target affinity (DTA) prediction plays an important role in virtual screening. However, many graph-based DTA models represent molecular bonds solely as discrete bond types and combine drug and protein features through simple concatenation. We propose EGA-DTA, a graph neural network augmented with energetic and geometric edge features and target-conditional gating. EGA-DTA characterizes ligand bonds using bond dissociation energy (BDE) and conformer-derived bond length (BL), integrates graph-based and fingerprint-based drug representations, and employs a protein-derived gating mechanism to
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.
Cell-type classification from single-cell RNA sequencing (scRNA-seq) data is among the most important steps in understanding cellular heterogeneity and biological mechanisms. High dimensionality, sparsity, and noise in scRNA-seq data lead to significant computational and statistical challenges. To this end, we devise a copula-infused graph neural network for single cell type classification (scCopulaGNN). Our model marries the flexibility of copula theory with the strong representation-learning capabilities of graph neural networks. The copula framework naturally captures complex dependencies a
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.
Zinc ions play essential structural and catalytic roles in a wide range of proteins. Accurate prediction of their binding sites is crucial for structural and functional annotation. We present MoM2, a web-accessible tool for predicting zinc-binding sites in protein 3D structures. MoM2 employs a graph neural network trained exclusively on spatial features specifically, Cα and Cβ coordinates eliminating the need for templates or sequence-based heuristics. The tool efficiently processes entire proteomes within hours and demonstrates strong predictive performance. In a benchmark of 412 experimental
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.
Accurate risk stratification is essential for guiding treatment decisions and preventing over treatment of prostate cancer, which remains one of the most prevalent cancers among adult men. While the Gleason score, obtained from prostate biopsies, is routinely used to assess tumor aggressiveness, the biopsy procedure carries risks such as pain, infection, and, in some cases, serious complications such as sepsis. In this study, we proposed an artificial intelligence-based framework that integrates mRNA expression profiles with functional interaction networks to classify prostate cancer patients
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.
Defective fire doors in apartment buildings pose significant risks by undermining fire safety measures, enabling the rapid spread of smoke and fire, and potentially endangering residents' lives. To address this critical safety issue, this research develops and evaluates four Graph Neural Network (GNN)-based text classification models-TextGCN, TextING, TensorGCN, and BERT-GCN-for the automatic identification of fire-door defects. By systematically optimizing both general and model-specific hyperparameters, a comprehensive evaluation involving 1008 model variants was conducted using multiple per
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: Brain variations are responsible for developmental impairments, including autism spectrum disorder (ASD). EEG signals efficiently detect neurological conditions by revealing crucial information about brain function abnormalities.
OBJECTIVE: This study aims to utilize EEG data collected from both autistic and typically developing children to investigate the potential of a Graph Convolutional Neural Network (GCNN) in predicting ASD based on neurological abnormalities revealed through EEG signals.
METHODS: In this study, EEG data were gathered from eight autistic children and eight
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.
EEG-based emotion recognition uses high-level information from neural activities to predict emotional responses in subjects. However, this information is sparsely distributed in frequency, time, and spatial domains and varied across subjects. To address these challenges in emotion recognition, we propose a novel neural network model named Temporal-Spectral Graph Convolutional Network (TSGCN). To capture high-level information distributed in time, spatial, and frequency domains, TSGCN considers both neural oscillation changes in different time windows and topological structures between differen
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.
Collagen plays a crucial role in human bodies and has a significant presence in connective tissues. As such, the impact of collagen mutations can be devastating. Osteogenesis imperfecta (OI), a rare genetic disease affecting 1 in every 15,000 to 20,000 people, is one such example characterized by brittle bones. Severe cases of OI could lead to prenatal death. Previous studies have provided insights into the impact of mutations on collagen molecules and predictions of lethality. However, these discussions have focused mainly on mutations in the α1 chain, and some mutation types exhibit poor pre
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 recent years, deep learning models have been applied to neuroimaging data for early diagnosis of Alzheimer's disease (AD). Structural magnetic resonance imaging (sMRI) and positron emission tomography (PET) images provide structural and functional information about the brain, respectively. Combining these features leads to improved performance than using a single modality alone in building predictive models for AD diagnosis. However, current multi-modal approaches in deep learning, based on sMRI and PET, are mostly limited to convolutional neural networks, which do not facilitate integratio
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.
Alzheimer's Disease (AD) is a multifactorial disease that shares common etiologies with its multiple comorbidities, especially vascular diseases. To predict repurposable drugs for AD utilizing the relatively well-investigated comorbidities' knowledge, we proposed a multi-task graph neural network (GNN)-based pipeline that incorporates the corresponding biomedical interactome of these diseases with their genetic markers and effective therapeutics. Our pipeline can accurately capture the interactions and disease classification in the network. Next, we predicted drugs that might interact with the
Поиск 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: Virtual screening (VS) is a widely used computational strategy in early- stage drug discovery for identifying bioactive compounds from large chemical libraries. Although structure-based and ligand-based approaches have demonstrated success individually, their integration into a unified deep learning framework remains limited. This study presents NNGeoGVS (Neural Network Geometric Graph-based Virtual Screening), an Equivariant Graph Neural Network (EGNN)-based framework that integrates ligand molecular topology and protein active-site geometry for activity prediction.
METHODS: NN
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.