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
3969 публикаций
Поиск: 145 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 666 с найденным полным текстом
Extreme learning machines (ELMs) based on nonlinear propagation in optical fiber are a novel platform for unconventional computing. However, although experiments are showing promising results, there has been less work developing realistic models to study how such systems might exploit different experimental degrees of freedom. Here, we use numerical simulations of the coupled vectorial generalized nonlinear Schrödinger equations to present the first, to the best of our knowledge, study of fiber ELMs including polarization effects during propagation. Polarization evolution is found to significa
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 introduces a novel hybrid model for accurate CO2 emissions prediction, supporting sustainable decision-making. The model integrates the Gaussian mutation and shrink mechanism-based moth flame optimization (GMSMFO) algorithm with an extreme learning machine (ELM). GMSMFO enhances population diversity and avoids local optima through Gaussian mutation (GM), while the shrink mechanism (SM) improves exploration-exploitation balance. Validated on the congress on evolutionary computation (CEC2020) benchmark suite (dimensions 30 and 50), GMSMFO demonstrated superior performance compared to
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 symptoms of Iron Deficiency Anemia (IDA) and β-thalassemia (β-TT) disease are similar and the distinction between them is time consuming and costly. There are several indices used to differentiate IDA from β-thalassemia disease. Complete Blood Count (CBC) is a rapid, inexpensive and accessible test for the diagnosis of anemia and is used as a primary test. However, since CBC cannot fully distinguish between IDA and β-thalassemia, more advanced testing is required. These tests are not available in small centers and are performed on higher-cost devices. Moreover, it is important to different
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.
OBJECTIVE: To test the potential utility of applying machine learning methods to regional cerebral (rcSO2) and peripheral oxygen saturation (SpO2) signals to detect brain injury in extremely preterm infants.
STUDY DESIGN: A subset of infants enrolled in the Management of Hypotension in Preterm infants (HIP) trial were analysed (n = 46). All eligible infants were <28 weeks' gestational age and had continuous rcSO2 measurements performed over the first 72 h and cranial ultrasounds performed during the first week after birth. SpO2 data were available for 32 infants. The rcSO2 and SpO2 signals we
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.
Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)2016eng
INTRODUCTION: The performance limitation of MRI equipment and higher resolution demand of NMR images from radiologists have formed a strong contrast. Therefore, it is important to study the super resolution algorithm suitable for NMR images, using low costs software to replace the expensive equipment-updating.
METHODS AND MATERIALS: Firstly, a series of NMR images are obtained from original NMR images with original noise to the lowest resolution images with the highest noise. Then, based on extreme learning machine, the mapping relation model is constructed from lower resolution NMR images wi
Сравнительное исследованиеОценочное исследованиеСтатьяПоиск 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: Timely identification of individuals at risk for Alzheimer's disease (AD) progression remains a major clinical challenge. Traditional cognitive assessments provide limited prognostic insight, while many machine learning (ML) models rely on costly biomarkers or poorly interpretable algorithms that limit clinical scalability. This study evaluated whether widely available baseline demographic, clinical, and cognitive measures could support short-term progression prediction using interpretable ML methods under extreme class imbalance.
METHODS: We analyzed 3,240 participants from the A
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: Recently, extensive studies have been carried out on arrhythmia classification algorithms using artificial intelligence pattern recognition methods such as neural network. To improve practicality, many studies have focused on learning speed and the accuracy of neural networks. However, algorithms based on neural networks still have some problems concerning practical application, such as slow learning speeds and unstable performance caused by local minima.
METHODS: In this paper we propose a novel arrhythmia classification algorithm which has a fast learning speed and high accuracy
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.
Lower extremity open revascularization is a treatment option for peripheral artery disease that carries significant peri-operative risks; however, outcome prediction tools remain limited. Using machine learning (ML), we developed automated algorithms that predict 30-day outcomes following lower extremity open revascularization. The National Surgical Quality Improvement Program targeted vascular database was used to identify patients who underwent lower extremity open revascularization for chronic atherosclerotic disease between 2011 and 2021. Input features included 37 pre-operative demographi
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: Lower extremity endovascular revascularization for peripheral artery disease carries nonnegligible perioperative risks; however, outcome prediction tools remain limited. Using machine learning, we developed automated algorithms that predict 30-day outcomes following lower extremity endovascular revascularization.
METHODS AND RESULTS: The National Surgical Quality Improvement Program targeted vascular database was used to identify patients who underwent lower extremity endovascular revascularization (angioplasty, stent, or atherectomy) for peripheral artery disease between 2011 and
СтатьяПоддержка NIH: внешняя программаПоиск 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.
COVID-19 (coronavirus disease 2019) is an ongoing global pandemic caused by severe acute respiratory syndrome coronavirus 2. Recently, it has been demonstrated that the voice data of the respiratory system (i.e., speech, sneezing, coughing, and breathing) can be processed via machine learning (ML) algorithms to detect respiratory system diseases, including COVID-19. Consequently, many researchers have applied various ML algorithms to detect COVID-19 by using voice data from the respiratory system. However, most of the recent COVID-19 detection systems have worked on a limited dataset. In other
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: Musculoskeletal injury rates in military personnel remain unacceptably high. Application of machine learning algorithms could be useful in multivariate models to predict injury in this population. The purpose of this study was to investigate if interaction between individual predictors, using a decision tree model, could be used to develop a population-specific algorithm of lower-extremity injury (LEI) risk.
METHODS: One hundred forty Air Force Special Forces Operators (27.4 ± 5.0 yr, 177.6 ± 5.8 cm, 83.8 ± 8.4 kg) volunteered for this prospective cohort study. Baseline testing
СтатьяПоддержка 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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2007eng
In this paper, we developed the novel algorithm for cardiac arrhythmia classification. Until now, back propagation neural network (BPNN) was frequently used for these tasks. However, general gradient based learning method is far slower than what is required for their application. The proposed algorithm adapts Extreme Learning Machine(ELM) that has the advantage of very fast learning speed and high accuracy. In this paper, we classify beats into normal beat, left bundle branch block beat, right bundle branch block beat, premature ventricular contraction, atrial premature beat, paced beat, and v
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.
OBJECTIVE: Pain sketches help visualize neuropathic pain patterns in amputees and may predict surgical outcomes following targeted muscle reinnervation (TMR). Current manual interpretation introduces subjectivity and potential bias. Machine learning offers potential for automated, objective classification of these sketches. Therefore, we aimed to develop and evaluate a machine learning approach for automated classification of pain sketches from lower extremity amputees who underwent targeted muscle reinnervation (TMR).
METHODS: Here, 588 pain sketches from 206 lower extremity amputees (2021-2
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.
Probabilistic power flow (PPF) calculation is an important power system analysis tool considering the increasing uncertainties. However, existing calculation methods cannot simultaneously achieve high precision and fast calculation, which limits the practical application of the PPF. This article designs a specific architecture of the extreme learning machine (ELM) in a model-driven pattern to extract the power flow features and therefore accelerate the calculation of PPF. ELM is selected because of the unique characteristics of fast training and less intervention. The key challenge is that the
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 traditional diagnosis of chronic hepatitis C usually relies on liver biopsy. Diagnosing chronic hepatitis C based on serum indices provides a non-invasive way to determine the stage of chronic hepatitis C without liver biopsy. In this paper, we proposed two automatic diagnosis systems for non-invasive diagnosis of chronic hepatitis C based on serum indices, an extreme learning machine (ELM) based auto-diagnosis method and a hybrid method using k-means clustering and ELM. The two proposed systems were used to predict the fibrosis stage and inflammatory activity grade of patients with chroni
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.
OBJECTIVE: Major lower extremity amputation for advanced vascular disease involves significant perioperative risks. Although outcome prediction tools could aid in clinical decision-making, they remain limited. To address this, we developed machine learning (ML) algorithms capable of predicting 1-year mortality following major lower extremity amputation.
METHODS: The Vascular Quality Initiative (VQI) database was queried to identify patients who underwent major lower extremity amputation for non-traumatic and non-malignant causes between 2012 and 2024. A total of 75 features were collected fro
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.
OBJECTIVE: To establish a prediction model of upper extremity deep vein thrombosis (UEDVT) associated with peripherally inserted central catheter (PICC) based on machine learning (ML), and evaluate the effect.
METHODS: 452 patients with malignant tumors who underwent PICC implantation in West China Hospital from April 2021 to December 2021 were selected through convenient sampling. UEDVT was detected by ultrasound. Machine learning models were established using the least absolute contraction and selection operator (LASSO) regression algorithm: Seeley scale model (ML-Seeley-LASSO) and ML model
СтатьяСравнительное исследованиеПолный 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 coronavirus disease (COVID-19), is an ongoing global pandemic caused by severe acute respiratory syndrome. Chest Computed Tomography (CT) is an effective method for detecting lung illnesses, including COVID-19. However, the CT scan is expensive and time-consuming. Therefore, this work focus on detecting COVID-19 using chest X-ray images because it is widely available, faster, and cheaper than CT scan. Many machine learning approaches such as Deep Learning, Neural Network, and Support Vector Machine; have used X-ray for detecting the COVID-19. Although the performance of those approaches is
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: Predicting individual risks for adverse outcomes in preterm infants is necessary for perinatal management and antenatal counseling for their parents. To evaluate whether a machine learning approach can improve the prediction of severe infant outcomes beyond the performance of conventional logistic models, and to identify maternal and fetal factors that largely contribute to these outcomes.
METHODS: A population-based retrospective study was performed using clinical data of 31,157 infants born at < 32 weeks of gestation and weighing ≤ 1500 g, registered in the Neonatal Research Networ
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: In professional sports, injuries resulting in loss of playing time have serious implications for both the athlete and the organization. Efforts to quantify injury probability utilizing machine learning have been met with renewed interest, and the development of effective models has the potential to supplement the decision-making process of team physicians.
PURPOSE/HYPOTHESIS: The purpose of this study was to (1) characterize the epidemiology of time-loss lower extremity muscle strains (LEMSs) in the National Basketball Association (NBA) from 1999 to 2019 and (2) determine the vali
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.