Zobrazeno 1 - 10
of 97
pro vyhledávání: '"deep learning radiomics"'
Autor:
Mengke Ma, Wenchao Gu, Yun Liang, Xueping Han, Meng Zhang, Midie Xu, Heli Gao, Wei Tang, Dan Huang
Publikováno v:
Journal of Translational Medicine, Vol 22, Iss 1, Pp 1-14 (2024)
Abstract Background Postoperative liver metastasis significantly impacts the prognosis of pancreatic neuroendocrine tumor (panNET) patients after R0 resection. Combining computational pathology and deep learning radiomics can enhance the detection of
Externí odkaz:
https://doaj.org/article/33843db9e41340af9a33c6eda218aebe
Publikováno v:
BMC Medical Imaging, Vol 24, Iss 1, Pp 1-11 (2024)
Abstract Background The purpose of this study is to develop and validate the potential value of the deep learning radiomics nomogram (DLRN) based on ultrasound to differentiate mass mastitis (MM) and invasive breast cancer (IBC). Methods 50 cases of
Externí odkaz:
https://doaj.org/article/dd1a9545fe094dc2bcdb5dd10b3d2881
Publikováno v:
Frontiers in Medicine, Vol 11 (2024)
ObjectivesThis study aimed to develop a deep learning radiomic model using multimodal imaging to differentiate benign and malignant breast tumours.MethodsMultimodality imaging data, including ultrasonography (US), mammography (MG), and magnetic reson
Externí odkaz:
https://doaj.org/article/d85bff7a5521400e88624582aa53730a
Publikováno v:
Breast Cancer: Targets and Therapy, Vol Volume 15, Pp 867-878 (2023)
Liu Yang, Zhe Ma Department of Medical Ultrasound, The First Affiliated Hospital of Shandong First Medical University & Shandong Provincial Qianfoshan Hospital, Jinan City, Shandong Province, People’s Republic of ChinaCorrespondence: Zhe Ma, Depart
Externí odkaz:
https://doaj.org/article/3c57c5797ef54edc8983082ce6197bb1
Autor:
Chao Chen, Qiuying Han, He Ren, Siyi Wu, Yangyang Li, Jiandong Guo, Xinghai Li, Xiang Liu, Chengzhi Li, Yunfei Tian
Publikováno v:
Cancer Medicine, Vol 12, Iss 17, Pp 17529-17540 (2023)
Abstract Purpose To develop a deep learning radiomics of multiparametric magnetic resonance imaging (DLRMM)‐based model that incorporates preoperative and postoperative signatures for prediction of local tumor progression (LTP) after thermal ablati
Externí odkaz:
https://doaj.org/article/2888542a86cd4e81af3ca67ffe26432f
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.