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
1852 публикаций
Поиск: 107 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 311 с найденным полным текстом
The European physical journal. E, Soft matter2025eng
We employ graph neural networks (GNN) to analyse and classify physical gel networks obtained from Brownian dynamics simulations of particles with competing attractive and repulsive interactions. Conventionally such gels are characterized by their position in a state diagram spanned by the packing fraction and the strength of the attraction. Gel networks at different regions of such a state diagram are qualitatively different although structural differences are subtile while dynamical properties are more pronounced. However, using graph classification the GNN is capable of positioning complete
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.
Modular polyketide synthases are a class of biosynthetic machinery responsible for the production of a chemically diverse range of natural products, including essential medicines. The modular architecture of this system presents as inherently rearrangeable; however, manipulation of these pathways to produce novel polyketides often results in a reduced output or the pathway stalling entirely. One cause of such breakdown is the ability of ketosynthases (KS), an essential component of the biosynthetic modules, to proofread the substrate produced by preceding steps and reject unexpected chemistrie
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.
Understanding the aspects of progression for atherosclerotic cardiovascular disease and treatment is key to building reliable clinical decision-support systems. To promote system trust, one step is to make the machine learning models (used by the decision support systems) explainable for clinicians, developers, and researchers. Recently, working with longitudinal clinical trajectories using Graph Neural Networks (GNNs) has attracted attention among machine learning researchers. Although GNNs are seen as black-box methods, promising explainable AI (XAI) methods for GNNs have lately been propose
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: Bone autograft options may be limited in revision spinal fusion cases. Reconstruction of the iliac bone graft (IBG) donor site with cancellous bone allograft allows for reharvest for patients who subsequently have another fusion. This study examined viability of the reconstructed IBG (RIBG) donor sites. Secondarily, we assessed the feasibility of whether the RIBG sites could be reharvested for obtaining a successful arthrodesis for a secondary fusion.
METHODS: Prospectively collected data of 154 consecutive lumbar revision fusions were reviewed, of which 17 cases had their IBG don
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.
In this paper, we present TeethGNN, a novel 3D tooth segmentation method based on graph neural networks (GNNs). Given a mesh-represented 3D dental model in non-euclidean domain, our method outputs accurate and fine-grained separation of each individual tooth robust to scanning noise, foreign matters (e.g., bubbles, dental accessories, etc.), and even severe malocclusion. Unlike previous CNN-based methods that bypass handling non-euclidean mesh data by reshaping hand-crafted geometric features into regular grids, we explore the non-uniform and irregular structure of mesh itself in its dual spac
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.
The identification of cancer driver genes is crucial for understanding the complex processes involved in cancer development, progression, and therapeutic strategies. Multi-omics data and biological networks provided by numerous databases enable the application of graph deep learning techniques that incorporate network structures into the deep learning framework. However, most existing methods do not account for the heterophily in the biological networks, which hinders the improvement of model performance. Meanwhile, feature confusion often arises in models based on graph neural networks in suc
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.
In drug discovery, the search for new and effective medications is often hindered by concerns about toxicity. Numerous promising molecules fail to pass the later phases of drug development due to strict toxicity assessments. This challenge significantly increases the cost, time, and human effort needed to discover new therapeutic molecules. Additionally, a considerable number of drugs already on the market have been withdrawn or re-evaluated because of their unwanted side effects. Among the various types of toxicity, drug-induced heart damage is a severe adverse effect commonly associated with
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: Mucopolysaccharidoses (MPS) are a group of rare lysosomal storage disorders caused by enzyme deficiencies leading to the accumulation of glycosaminoglycans (GAGs). Their clinical heterogeneity and low prevalence contribute to delayed and often missed diagnoses. Early detection is critical for improving treatment outcomes. This study investigates the utility of Graph Neural Networks (GNNs) for diagnosing MPS using real-world electronic health records (EHRs). METHODS: Diagnostic features were extracted for 106 subjects (37 MPS and 69 controls) from the SEHA health system in Abu Dhabi
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.
Prostate cancer is a leading cause of cancer-related deaths, with Gleason grading being key for assessing tumor aggressiveness. We propose a Graph Neural Network-based approach to automate Gleason grading using the Automated Gleason Grading Challenge 2022 dataset. Patch-level graphs constructed from Hematoxylin and Eosin-stained Whole-Slide Images were classified into Gleason grades. Our results show that Graph Neural Networks, specifically Graph Attention Networks and Graph Convolutional Networks, effectively distinguish between grades despite class imbalance. Focal Loss improves the classifi
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.
Graph Neural Networks (GNNs) provide a means for modeling inherently graphical data, such as transportation, social, and molecular networks, but also for enhancing and reducing unstructured data, including text and images. A potential shortcoming is that their predictions are opaque-a black box-hindering broader adoption and refinement. In this paper, we propose a novel architecture-agnostic algorithm, GNN-EGG (Graph Neural Network Explanations via Graph Generation), for GNN classifiers. As a model-level post-hoc explanation method, GNN-EGG can learn the data generating distribution for each c
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.
Session-based Recommendation (SBR) systems aim to predict the next item which a user is likely to interact with, based on behavior sequence within the current session. Recent approaches leveraging the Transformer attention mechanism (e.g.,GC-SAN) have demonstrated superior performance over traditional methods; however, they suffer from heavily computation workload and space complexity due to the quadratic cost of self-attention. To address these limitations, a novel model termed GSLA4Rec (gated‑slot linear attention graph neural networks for session‑based recommendation) is proposed, which int
СтатьяVideo-Audio MediaПолный 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.
Unmanned Aerial Vehicles (UAVs) have critical applications in various real-world scenarios, including mapping unknown environments, military reconnaissance, and post-disaster search and rescue. In these scenarios where communication infrastructure is missing, UAVs will form an ad hoc network and perform tasks in a distributed manner. To efficiently carry out tasks, each UAV must acquire and share global status information and data from neighbors. Meanwhile, UAVs frequently operate in extreme conditions, including storms, lightning, and mountainous areas, which significantly degrade the quality
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.
Alzheimer's disease (AD), the most prevalent form of dementia, requires early prediction for timely intervention. Current deep learning approaches, particularly those using traditional neural networks, face challenges such as handling high-dimensional data, interpreting complex relationships, and managing data bias. To address these limitations, we propose a framework utilizing graph neural networks (GNNs), which excel in modeling relationships within graph-structured data. Our study employs GNNs on data from the Alzheimer's Disease Neuroimaging Initiative for binary and multi-class classifica
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.
Mild Cognitive Impairment (MCI) is a transitional stage between normal cognitive aging and dementia. Some individuals with MCI revert to normal, while others progress to dementia. There are limited studies using explainable artificial intelligence on longitudinal data, particularly including genotypes, biomarkers and chronic diseases, to explore these differences. This study introduces a novel approach to understanding MCI progression using explainable graph neural networks. Utilizing longitudinal temporal data, we constructed a comprehensive graph representation of each individual in the stud
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 study explores the use of machine learning algorithms, including traditional approaches and graph neural networks (GNNs), to predict certain diseases by analyzing protein-protein interactions. Protein-protein interactions (PPIs) are complex, multifaceted, and sometimes ever-changing. Therefore, analyzing PPIs and making predictions based on them present significant challenges to traditional computational techniques. However, machine learning, particularly GNNs, with their powerful ability to identify complex patterns within large, convoluted datasets, emerge as compelling and revolutionar
СтатьяПоддержка NIH: внешняя программаПоиск 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.
Accurate forecasting of fine particulate matter (PM2.5) is critical for mitigating severe health risks in South Asia, yet it remains challenging in data-scarce regions like Bangladesh. While spatiotemporal graph neural networks (GNNs) offer a promising solution by capturing atmospheric transport, their effectiveness and the physical validity of their assumed spatial graphs have rarely been rigorously tested in such constrained settings. This study addresses this gap by evaluating a graph diffusion gated recurrent unit (GD-GRU) model using four years of daily, multi-source environmental data ac
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.
In recent years, the science of ophthalmology has seen substantial developments, with an increasing demand for precise and comprehensive diagnosis. Traditional detection approaches sometimes fail to reflect the complicated interactions between diverse eye disorders. To tackle this issue, we present "Visionary Neural Networks," an innovative approach that uses the power of graph-based architectures to give a comprehensive solution for ocular disease analysis, such as cataract, diabetic retinopathy, glaucoma, and normal eyes. The proposed approach incorporates detailed features essential for dis
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.
Enzyme activity and stability are strongly modulated by pH, making the catalytic pH optimum (pHopt) a key parameter in enzyme development and biotechnological applications. Experimental determination of pHopt is, however, labor-intensive and time-consuming, motivating the development of accurate computational prediction methods. Here, we introduce pHoptNN, an E(n)-equivariant graph neural network designed to predict enzyme pHopt directly from three-dimensional protein structures. pHoptNN was trained on a curated data set comprising nearly 12,000 enzymes with experimentally determined pHopt val
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.
Marfan syndrome (MFS) is a rare genetic connective tissue disorder whose early detection is critical to prevent life-threatening cardiovascular complications. To support the diagnostic process, which currently relies on complex and costly clinical assessments and genetic testing, we propose a 3D vision-based method for rapid, non-invasive screening for MFS using facial scans. The method analyzes 3D facial morphology using Graph Neural Networks on either manually or automatically extracted landmarks, leveraging geometric relationships to capture subtle craniofacial patterns and a statistically
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.
Antibody-mediated rejection (AMR) is a leading cause of kidney transplant failure, requiring accurate histopathological assessment for diagnosis. This study evaluates graph-based deep learning models for AMR classification using periodic acid-Schiff (PAS)-stained whole slide images (WSIs), with the aim of improving diagnostic accuracy and reproducibility. A multi-institutional dataset of 1193 WSIs from 348 patients was used, where glomeruli, arteries, and cortical tubulointerstitial regions were segmented via deep learning and represented as nodes in graph-structured data. Feature extraction 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.