Radiology：用于定量MRI分析的全自动肝分割
现阶段，慢性弥漫性肝病是全世界范围内最常见的肝脏病变之一。脂肪变性是非酒精性脂肪肝（NAFLD）的组织病理学特征，是最常见的肝脏疾病，也是多种肝脏疾病的一个共同特征。
MedSci原创 - 定量MRI技术，肝分割 - 2021-12-26
Eur J Radiol：胶质母细胞瘤不同亚区的放射组学分割及分析
放射组学分析和特征提取本质上是一种计算方法，可用于描述细微的潜在的解剖学、病理学和定量变化。
MedSci原创 - 胶质母细胞瘤，放射组学 - 2023-12-09
递归神经网络（RNNs）在机器深度学习中的奇妙应用
递归神经网络（RNNs）有一些不可思议的地方。从花几十分钟训练我的第一个婴儿模型（相当随意挑选的超参数）开始，到训练出能够针对图像给出有意义描述的模型。
MedSci原创 - 递归，神经网络，机器 - 2015-09-04
递归神经网络(RNNs)基本原理及最新进展
摘要 递归神经网络(Recurrent Neural Network, RNNs)的研究最近取得了很大进展，成功应用包括手写识别、语音识别、自然语言处理以及计算机视觉等一系列问题。本文介绍了递归神经网络的基本原理与近期进展，并对若干代表性工作进行了回顾。导读 递归神经网络（RNN）是目前最流行的几种深度学习网络结构之一，因其递归处理历史信息和建模历史记忆的功能特点而特别适用于处理时间、空间
知乎 - 递归神经网络，RNNs - 2016-08-27
J Clin Oncol：局部前列腺癌的常规分割放疗和中度低分割放疗比较
之前发表的单中心随机前瞻性实验并没有表现出中度低分割强度调节放疗（H-IMRT）比常规的分割IMRT（C-IMRT）在5年生化和/或临床疾病失败（BCDF）中具有优越性。最近，有研究人员使用新的风险组
MedSci原创 - 前列腺癌，放疗，比较 - 2020-03-31
European Radiology：分割方法如何影响阿尔茨海默病分析中海马特征的准确性?
放射组学已被多项研究证明是一种强大的影像学方法，可以从特定的医学图像区域提取综合信息，包括强度、形状和纹理特征。
MedSci原创 - 阿尔茨海默病，轻度认知障碍，放射组学 - 2023-02-03
Eur Urol Focus：膀胱癌淋巴结分期的手动和自动分割放射学特征分析
评估了定量放射组学特征在检测BC的LN转移中的表现。
MedSci原创 - 诊断，膀胱癌，淋巴结分期 - 2022-09-25
European Radiology：使用胸部低剂量CT进行骨质疏松筛查的自动分割和放射组学纹理分析
最近，深度学习（DL）方法的应用，特别是卷积神经网络（CNN），明显改善了椎体识别和分割的诊断工具的性能。因此，DL可以消除人工操作的需要，从而减少放射科医生的工作量以及筛查的总体时间和成本。
MedSci原创 - 骨质疏松，低剂量CT，放射组学 - 2023-06-16
European Radiology：如何实现颅脑MRI肿瘤的自动分割？
现阶段，临床上需要可扩展的自动图像注释技术以克服这种大规模手工操作的必要性，将主要的工作负荷从放射科医生转移到人工智能模型和数据科学家，而放射科医生则保持监督和确保模型性能的关键作用。
MedSci原创 - 颅脑肿瘤，颅脑MRI - 2024-01-25
斯坦福人工智能突破：结构递归神经网络用于 时空领域图像中的深度学习
虽然相当适合用来进行序列建模，但深度递归神经网络体系结构缺乏直观的高阶时空架构。计算机视觉领域的许多问题都固有存在高阶架构，所以我们思考从这方面进行提高。在本文中，我们提出了一种结合高阶时空图像和递归神经网络的方法。我们开发了一种可随意扩展时空图像的办法，这是一种正反馈、差异化高、可同步训练的RNN混合网络。这种方法是通用的
AI科技评论 - 深度学习 - 2016-07-02
Radiology：机器学习实现肾上腺肿块的全自动分割和分类
机器学习作为一种新兴的手段及策略，可协助医生进行自动化图像分析和诊断性能的改善。其中，监督下的机器学习算法需要通过对感兴趣的解剖结构的标记和/或轮廓的准确注释。
MedSci原创 - 机器学习，肾上腺肿块 - 2023-01-19
World Neurosurg：针对转移性脑肉瘤的递归分割分析预后算法
在出现了转移病灶的情况下，大多数癌症患者会出现死亡。对于那些涉及到大脑的病人，他们的预后会特别差；而对那些最终转移到中枢神经系统的几乎总是致命的(14)。流行病学研究估计，8%-40%的成人，1.5%-10%的儿童癌症患者会出现中枢神经系统转移性病变(1-3, 8-10, 18, 24, 25)。脑内转移性病灶要多于原发性病灶，有证据显示转移性病灶在颅内
尚峰 - 肉瘤，递归分割分析，预后 - 2015-08-01
Neuro Oncol：基于生物标志物和和改良递归分割分析有助于预测胶质母细胞瘤预后
同时，MGMT基因启动子甲基化和改良递归分割分析（Recursive Partitioning Analysis，RPA）模型分级III时，在头2年有生存优势。
MedSci原创 - 递归分割，生物标志物，胶质母细胞瘤 - 2015-08-01
为您找到相关结果约500个
