退出
我的积分:
中文文献批量获取
外文文献批量获取
林岚; 张格; 吴水才;
北京工业大学生命科学与生物工程学院 北京 100124;
超声; 深度学习; 甲状腺结节; 结节分类; 卷积神经网络; 深度置信网络; 计算机辅助诊断;
机译:集成域名知识在培训多任务级联深度学习模型中对超声图像的良性恶性甲状腺结节分类
机译:甲状腺成像报告和数据系统(TI-RADS)的可靠性,以及美国甲状腺协会(ATA)的超声分类,以区分甲状腺良恶性结节
机译:实时超声弹性成像在甲状腺良恶性甲状腺实性结节诊断中的应用
机译:使用超声图像进行深度学习放射学非侵入性诊断甲状腺良恶性结节
机译:通过使用数学模型分析超声图像,可预测甲状腺结节某些超声特征的价值。
机译:纹理分析方法在超声图像甲状腺良恶性结节分类中的应用
机译:基于超声图像的Ti-rads-4甲状腺结节的分类使用深度学习算法
机译:胸部低剂量CT良恶性结节鉴别的计算机方案。
机译:体外检测患者甲状腺癌的方法,体外检测甲状腺癌与正常甲状腺组织或良性甲状腺病变的方法,使用一系列基因,方法获取数据来确定甲状腺癌,实验室工具包和用于将甲状腺液中的生物样品分类为恶性或良性的设备的治疗方法
机译:识别良恶性肺微结节的遗传标记及其应用
机译:用于检测多个甲状腺癌相关基因中的至少一个突变,选择具有甲状腺结节的受试者以及预测恶性风险的方法和试剂盒。
抱歉,该期刊暂不可订阅,敬请期待!
目前支持订阅全部北京大学中文核心(2020)期刊目录。