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
2037 публикаций
Поиск: 312 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 707 с найденным полным текстом
Infectious diseases significantly impact both public health and economic stability, underscoring the critical need for precise outbreak predictions to effictively mitigate their impact. This study applies advanced machine learning techniques to forecast outbreaks of Dengue, Chikungunya, and Zika, utilizing a comprehensive dataset comprising climate and socioeconomic data. Spanning the years 2007 to 2017, the dataset includes 1716 instances characterized by 27 distinct features. The researchers adopt the Analytic Hierarchy Process (AHP) for feature selection and integrated transfer learning to
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.
In vitro fertilization-embryo transfer (IVF-ET) technology make it possible for infertile couples to conceive a baby successfully. Nevertheless, IVF-ET does not guarantee success. Frozen embryo transfer (FET) is an important supplement to IVF-ET. Many factors are correlated with the outcome of FET which is unpredictable. Machine learning is a field of study that predict various outcomes by defining data attributes and using relevant data and calculation algorithms. Machine learning algorithm has been widely used in clinical research. The present study focuses on making predictions of early pre
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.
Molecular simulation is a powerful tool to describe chemical and physical processes across length scales. Fundamental tradeoffs between the accuracy of quantum mechanics and speed of classical models makes simulating biosystems very difficult. Machine learning potentials (MLPs) offer a potential solution which combines the accuracy of electronic structure theory with the computational scaling of classical approaches. Applying MLPs to biosystems could unlock new developments in drug discovery, biological mechanisms and interactions. Despite this promise, rigorous benchmarks are needed to determ
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.
Twisted layered van der Waals materials often exhibit unique electronic and optical properties absent in their non-twisted counterparts. Unfortunately, predicting such properties is hindered by the difficulty in determining the atomic structure in materials displaying large moiré domains. Here, we introduce a split machine-learned interatomic potential (MLIP) and dataset curation approach that separates intralayer and interlayer interactions and significantly improves model accuracy, yielding roughly a tenfold improvement in energy and force predictions relative to conventional models. We furt
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.
Alzheimer's disease (AD) has its onset many decades before dementia develops, and work is ongoing to characterise individuals at risk of decline on the basis of early detection through biomarker and cognitive testing as well as the presence/absence of identified risk factors. Risk prediction models for AD based on various computational approaches, including machine learning, are being developed with promising results. However, these approaches have been criticised as they are unable to generalise due to over-reliance on one data source, poor internal and external validations, and lack of under
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: Machine learning may assist with the identification of potentially inappropriate penicillin allergy labels. Strategies to improve the performance of existing models for this task include the use of additional training data, synthetic data and transfer learning.
AIMS: The aims of this study were to investigate the use of additional training data and novel machine learning strategies, namely synthetic data and transfer learning, to improve the performance of penicillin adverse drug reaction (ADR) machine learning classification.
METHODS: Machine learning natural language processing
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.
OBJECTIVES: Accurately predicting postoperative pulmonary function is essential for surgical decision-making in patients with pulmonary nodules. Here, we developed a hybrid model using preoperative computed tomography (CT) images and evaluated its accuracy and interpretability for predicting postoperative pulmonary function.
MATERIALS AND METHODS: This retrospective study included 136 patients who underwent preoperative chest CT and postoperative pulmonary function tests. A pre-trained Inflated 3D ConvNet (I3D) model was fine-tuned for transfer learning to predict the postoperative pulmonary
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 and validate a computerized tomography (CT)‑based deep transfer learning radiomics model combined with explainable machine learning for preoperative risk prediction of thymoma.
METHODS: This retrospective study included 173 pathologically confirmed thymoma patients from our institution in the training group and 93 patients from two external centers in the external validation group. Tumors were classified according to the World Health Organization simplified criteria as low‑risk types (A, AB, and B1) or high‑risk types (B2 and B3). Radiomics features and deep transfer lea
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.
BACKGROUND: Infertility affects millions globally, with significant social, emotional, and economic consequences. While frozen-thawed embryo transfer (FET) is a cornerstone of assisted reproductive technology, its clinical pregnancy success rates remain inconsistent (29.6-59.2%). Improving predictive accuracy and personalizing treatment strategies for FET outcomes could address critical unmet needs in reproductive medicine.
OBJECTIVE: To develop and validate machine learning models to accurately predict clinical pregnancy outcomes following FET and to simulate personalized treatment strategie
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 determine which statistical techniques enhance our ability to predict ambulation and transfer ability in people with spina bifida (SB).
DESIGN: Retrospective cohort study.
SETTING: Thirty-five US outpatient SB clinic sites.
PARTICIPANTS: Individuals (n=4589) with SB aged 5-73 years (median age=13.59y).
INTERVENTION: Not applicable.
MAIN OUTCOME MEASURES: Ambulation ability, which consisted of the following categories: community ambulators, household ambulators, therapeutic ambulators, and nonambulators.
SECONDARY OUTCOME: Wheelchair transfer ability, as defined by the abili
СтатьяПоддержка службы здравоохранения 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.
INTRODUCTION: Horizontal gene transfer (HGT), the movement of genetic material between unrelated organisms, is widely recognized as an important driver of genome evolution in bacteria. In eukaryotes, however, the evolutionary impact of HGT remains debated. The identification of interkingdom HGT (iHGT) is especially challenging due to the lack of gold standard methods. While automated approaches for iHGT candidate detection exist, the interpretation of phylogenetic tree topologies into biologically meaningful evolutionary patterns has traditionally depended on expert manual inspection, a proces
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.
Machine learning (ML) models are increasingly deployed in urban water systems to optimize operations, enhance efficiency, and curb resource consumption amid growing sustainability demands. Yet, their transferability across plants is hampered by scenario differences-variations in environmental factors, protocols, and data distributions-that erode performance and necessitate energy-intensive retraining. While existing strategies focus on minimizing these differences via domain adaptation or fine-tuning, none exploit them as inherent prior knowledge for improved generalization. Here we show an en
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2019eng
B-mode ultrasound (BUS) imaging is widely used for diagnosis of breast tumors. In recent years, another ultrasound modality, namely ultrasound elastography (UE), has also been successfully applied in clinical practice. Although the combination of bimodal ultrasound imaging can improve the diagnosis accuracy for breast tumors, the single-modal ultrasound-based diagnosis is more popular in clinical practice, especially in the rural areas. Since transfer learning (TL) can transfer knowledge from a source domain to a target domain to help train more effective model, we propose to develop a single-
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.
BACKGROUND: Predicting in vitro fertilization (IVF) pregnancy outcomes is crucial for individualized decision-making. However, due to complex interactions among multiple factors, accurate manual integration and assessment are challenging. This study aims to develop an interpretable machine learning (ML) model for predicting the probability of clinical pregnancy after fresh and frozen-thawed embryo transfer. METHODS: This retrospective study included infertile patients undergoing fresh or frozen-thawed embryo transfer between December 2023 and June 2025. Endometrial regions of interest (ROIs) 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.
BACKGROUND: Accelerating door-in-door-out (DIDO) times at primary stroke centers (PSCs) for patients with large vessel occlusion (LVO) acute ischemic stroke transferred for possible endovascular stroke therapy (EVT) is important to optimize outcomes. Here, we assess whether automated LVO detection coupled with secure communication at non-EVT performing PSCs improves DIDO time and increases the proportion of patients receiving EVT after transfer.
METHODS: From our prospectively collected multicenter registry, we identified patients with LVO acute ischemic stroke that presented to one of 7 PSCs
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.
RESEARCH QUESTION: Can an optimal machine learning model be developed to predict reproductive outcomes following frozen embryo transfer (FET)?
DESIGN: This prospective study included 787 infertile females who underwent FET. The participants were split into a training cohort (n = 550) and a test cohort (n = 237) at a ratio of seven to three. Radiomics features were extracted from ultrasound images of the endometrium and junctional zone. A radiomics model was developed to generate the radiomics score (rad score). Logistic regression was applied to process the clinical data and create a clinical
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.
We present a machine-learning framework, density-independent mapping for exchange-correlation, for incorporating XC effects into density functional theory via a density-independent mapping from the external potential to the XC potential. By predicting the ground-state XC potential in a one-shot manner and holding it fixed throughout the self-consistent field (SCF) procedure, the approach entirely eliminates the need to evaluate the XC potential on the iteratively updated electron density, thereby enhancing numerical stability and efficiency. The model is implemented using kernel ridge regressi
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: This study aimed to develop and validate an ultrasound (US)-based deep transfer learning radiomics model, integrated with explainable machine learning, for the preoperative malignant risk prediction of parotid gland tumors (PGTs).
METHODS: Data from 1,191 patients were retrospectively collected from three medical centers, and postoperative histopathological examination was used as the reference standard. Radiomics features and deep transfer learning features (ResNet50, Inception_V3, Vgg19) were extracted from the US images. Key predictive variables were selected using principal com
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.
BACKGROUND: Prognostic information is essential for decision-making in breast cancer management. In recent years, trials and clinical practice have emphasized genomic prognostication tools, despite clinicopathological methods being more affordable and accessible. PREDICT v3 is one such tool with promising results across cohorts. Advances in machine learning (ML), transfer learning, and ensemble methods provide opportunities to enhance these approaches, especially where missing data and model assumptions differ across diverse populations.
OBJECTIVE: This study evaluates the potential to improv
СтатьяВалидационное исследованиеПоиск 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 polarisable machine-learned force field FFLUX requires pre-trained anisotropic Gaussian process regression (GPR) models of atomic energies and multipole moments to propagate unbiased molecular dynamics simulations. The outcome of FFLUX simulations is highly dependent on the predictive accuracy of the underlying models whose training entails determining the optimal set of model hyperparameters. Unfortunately, traditional direct learning (DL) procedures do not scale well on this task, especially when the hyperparameter search is initiated from a (set of) random guess solution(s). Additionall
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.