University of Michigan;
机译:与前列腺特异性抗原密度和前列腺特异性抗原速度相比,机器学习方法可以更有效地预测前列腺癌
机译:使用蚱蜢优化算法的胶质瘤级检测优化机器学习方法:癌症成像档案研究
机译:基于机器学习的MR射频分析可以有助于改善PI-RADS V2在临床相关前列腺癌中的诊断性能
机译:用机器学习方法分析斯托克斯迁移光谱,以区分人类前列腺癌和正常组织
机译:氧化锌纳米多孔超水压表面:使用机器学习方法合成实验性耐久性测试和液滴汽化模型开发
机译:回复jue等人。 MRI的价值改善识别高档前列腺癌的深度学习模型。评论Gentile等人。通过在深层学习模型中结合不同PSA分子形式和PSA密度来优化高级前列腺癌的优化鉴定。诊断202111335
机译:机器学习方法可以更有效地预测前列腺癌与前列腺特异性抗原密度和前列腺特异性抗原速度相比