×
Hidetaka Arimura;Taiki Magome公司;山下雅雄;山本大辅

磁共振图像脑疾病的计算机辅助诊断系统。 （英语） Zbl 1461.92040号

算法（巴塞尔） 第2期，第3期，925-952（2009年）.
摘要：本文综述了计算机辅助诊断（CAD）系统的基础知识和最新研究，该系统用于帮助神经放射科医生在磁共振（MR）图像中检测脑疾病，例如无症状未破裂动脉瘤、阿尔茨海默病、血管性痴呆和多发性硬化症（MS）。CAD系统包括基于图像处理技术的图像特征提取和机器学习分类器，如线性判别分析、人工神经网络和支持向量机。我们介绍了CAD系统在神经放射学中的有用示例，并总结了MR图像中脑部疾病CAD系统的未来可能性。

MSC公司：

92 C50 医疗应用（通用）
94A08型 信息与通信理论中的图像处理（压缩、重建等）
92C20美元 神经生物学

关键词：

计算机辅助诊断（CAD）系统;脑部疾病;磁共振（MR）图像;图像处理技术
PDF格式BibTeX公司 XML格式引用
\textit{H.Arimura}等人，《算法（巴塞尔）2》，第3期，925--952（2009年；Zbl 1461.92040）
全文： 内政部
OA许可证

参考文献：

[1] Brain Dock指南；日本无症状排水疾病检测学会，2008。
[2] ; 《2006年世界卫生报告》。共同促进健康：2006年。
[3] 菲利皮，M。；坎皮，A。；马蒂内利，V。；科伦坡，B。；斯科蒂，G。；科米，G。；良性多发性硬化症的脑和脊髓MR随访研究；神经科学杂志：1996；第143143-149卷。
[4] 古特曼，C.R。；Kikinis，R。；M.C.安德森。；雅各布，M。；南卡罗来纳州沃菲尔德。；基利亚尼，R.J。；韦纳，H.L。；F.A.Jolesz。；多发性硬化症患者MRI定量随访：可复性；磁共振成像杂志：1999；第9卷，509-518。
[5] 韦纳，H.L；Guttmann，C.R；库里，S.J；奥拉夫，E.J；Hohol，M.J；Kikinis，右；F.A.Jolesz。；多发性硬化症的序列磁共振成像：与发作、残疾和疾病分期的相关性；神经免疫学杂志：2000；第104卷，164-173页。
[6] Goldberg-Zimring，D。；阿奇隆。；古特曼，C.R.G。；Azhari，H。；单个多发性硬化病变几何形状的三维分析：使用球面谐波检测形状随时间的变化；磁共振成像杂志：2003；第18卷，291-301。
[7] 霍夫曼，K.R。；Doi，K。；Chan，高级合伙人。；芬西尔。；Fujita，H。；Muraki，A。；使用双平方盒区域搜索算法自动跟踪DSA图像中的血管树；SPIE:1986年；第626卷，第326-333页。
[8] Chan，H-P。；Doi，K。；加尔霍特拉，S。；韦伯尼，C.J。；MacMahon，H。；约基奇，P.M。；数字放射成像中的图像特征分析和计算机辅助诊断。乳腺造影中微钙化的自动检测；医学物理学：1987；第14卷，538-548。
[9] Giger，M.L。；Doi，K。；MacMahon，H。；数字放射成像中的图像特征分析和计算机辅助诊断。3.周围肺野结节的自动检测；医学物理学：1988；第15卷，158-166。
[10] Chan，H.-P。；Doi，K。；Vyborny，C.J；施密特，R.A。；梅茨，C.E。；Lam，K.L。；Ogura，T。；Wu，Y。；MacMahon，H。；西克尔斯，E.A。；提高放射科医生对乳房X光片上聚集微钙化的检测——计算机辅助诊断的潜力；研究性放射学：1990年；第25卷，1102-1110。
[11] 霍，Z。；Giger，M.L。；韦伯尼，C.J。；梅茨，C.E。；CAD在乳腺癌诊断中的有效性：一项关于乳房X光照片独立数据库的观察者研究；放射科：2002年；第224卷，第560-568页。
[12] Wu，Y.T。；魏杰。；Hadjiiski，L.M。；萨希纳，B。；周，C。；Ge，J。；史J。；Zhang，Y。；Chan，H.-P。；基于双边分析的计算机辅助肿块检测假阳性减少；医学物理学：2007；第34卷，3334-3344。
[13] Chan，H-P。；魏杰。；Zhang，Y。；医学硕士Helvie。；R.H.摩尔。；萨希纳，B。；Hadjiiski，L。；Kopans，D.B。；数字体层摄影术中肿块的计算机辅助检测：三种方法的比较；医学物理学：2008；第35卷，4087-4095。
[14] Arimura，H。；桂川，S。；铃木，K。；李，F。；Shiraishi，J。；Doi，K。；用于肺癌筛查的低剂量CT图像中肺结节自动检测的计算机方案；学术放射：2004年；第11卷，617-629。
[15] Y.内山。；桂川，S。；亚伯，H。；Shiraishi，J。；李，F。；李强。；张，C.-T。；铃木，K。；Doi，K。；弥漫性肺部疾病的高分辨率CT定量分析；医学物理学：2003；第30卷，2440-2464。
[16] 李，F。；Arimura，H。；铃木，K。；Shiraishi，J。；李强。；亚伯，H。；Engelmann，R。；Sone，S。；MacMahon，H。；Doi，K。；计算机辅助检测CT漏诊的周围型肺癌：无定位和有定位的ROC分析；放射学：2005年；第237卷，第684-690页。
[17] 铃木，K。；李，F。；Sone，S。；Doi，K。；基于大规模训练人工神经网络的胸部低剂量CT良恶性结节计算机辅助诊断方案；IEEE医学成像学报：2005；第24卷，1138-1150。
[18] 李强。；李，F。；Doi，K。；使用选择性增强过滤器和基于规则的自动分类器对薄层CT图像中的肺结节进行计算机检测；学术放射：2008年；第15卷，165-175。
[19] Yoshida，H。；马苏塔尼，Y。；MacEneaney，P.公司。；鲁宾，D。；达赫曼，A.H。；CT结肠成像中息肉的计算机检测；放射科：2002年；第222卷，第327-336页。
[20] 纳皮，J。；Yoshida，H。；特征引导分析减少CT结肠成像息肉CAD假阳性；医学物理学：2003；第30卷，1592-1601。
[21] 铃木，K。；Yoshida，H。；Näppi，J。；达赫曼，A.H。；大规模训练人工神经网络（MTANN）用于减少计算机辅助检测息肉的假阳性：直肠管的抑制；医学物理学：2006；第33卷，3814-3824。
[22] 铃木，K。；Yoshida，H。；Näppi，J。；阿玛托股份有限公司。；达赫曼，A.H。；混合专家3D大规模训练ANN减少CT结肠成像息肉检测CAD中的多种假阳性；医学物理学：2008；第35卷，694-703。
[23] Hirai，T。；Korogi，Y。；Arimura，H。；桂川，S。；北岛，M。；Yamura，M。；Yamashita，Y。；Doi，K。；MR血管造影中的颅内动脉瘤。计算机辅助诊断对放射科医生检测绩效的影响；放射学：2005年；第237卷，605-610页。
[24] Kakeda，S。；Korogi，Y。；Arimura，H。；Hirai，T。；Katsuragawa，S。；青木，T。；Doi，K。；利用计算机辅助诊断系统在MR血管造影上检测颅内动脉瘤的诊断准确性和读取时间；《美国X线杂志》：2008；第190卷，第459-465页。
[25] Arimura，H。；李强。；Korogi，Y。；Hirai，T。；亚伯，H。；Yamashita，Y。；桂川，S。；池田，R。；Doi，K。；三维MRA中未破裂颅内动脉瘤的自动计算机检测方案；学术放射：2004年；第11卷，1093-1104。
[26] Arimura，H。；李强。；Korogi，Y。；Hirai，T。；桂川，S。；Yamashita，Y。；Tsuchiya，K。；多伊，K。；计算机检测颅内动脉瘤用于三维MR血管造影：基于形状差分图像技术的小突起特征提取；医学物理学：2006；第33卷，394-401。
[27] Arimura，H。；Yoshiura，T。；熊泽，S。；田中，K。；Koga，H.公司。；Mihara，F。；Honda，H。；Sakai，S。；丰富库，F。；Y.东田。；基于三维MR图像的阿尔茨海默病患者自动识别方法；学术放射：2008年；第15卷，274-284。
[28] Yamashita，Y。；Arimura，H。；Tsuchiya，K。；磁共振图像上皮层下血管性痴呆相关缺血性病变的计算机辅助检测；学术放射：2008年；第15卷，978-985。
[29] Fujita，H。；Y.内山。；中川，T。；福冈，D。；Y.Hatanaka。；Hara，T。；Lee，G.N。；Hayashi，Y。；伊科多，Y。；高，X。；周，X。；计算机辅助诊断：由日本卫生保健需求引发的三种CAD系统的出现；生物医学中的计算机方法和程序：2008；第92卷，238-248。
[30] 山本，D。；Arimura，H。；Kakeda，S。；Magome，T。；Yamashita，Y。；Ohki，M。；丰富库，F。；Y.东田。；Korogi，Y。；基于三种类型的blain MR图像的多发性硬化病变的计算机辅助检测；国际计算机辅助放射外科杂志（CARS）：2008；第3卷，202-203年。
[31] 山本，D。；Arimura，H。；Kakeda，S。；Magome，T。；山下，Y。；Ohki，M。；丰富库，F。；Y.东田。；Korogi，Y。；基于3.0T二维磁共振图像的多发性硬化病变的计算机检测；电子、信息和通信工程师学会（IEICE）技术报告：2009年；第MI2008-171卷，第505-506页。
[32] 杜达，R.O。；哈特，体育。；鹳，D.G；图案分类：纽约，纽约，美国2000年。
[33] Nagao先生。；松山，T。；边缘保持平滑；计算机图形和图像处理：1979年；第9卷，394-407。
[34] Lee，Y。；北高桥。；蔡，D。；急性脑梗死早期CT征象的自适应部分中值滤波；国际计算机辅助放射外科杂志：2007；第2卷，105-115。
[35] Talairach，J。；Tournoux，P；人脑共面立体定向图谱：三维比例系统-脑成像方法：美国纽约州纽约市，1988年。
[36] Giger，M.L。；Doi，K。；MacMahon，H。；数字放射成像中的图像特征分析和计算机辅助诊断。3.周围肺野结节的自动检测；医学物理学：1988；第15卷，158-166页。
[37] 山本，S。；松本，M。；Tateno，Y。；伊努马，T。；松本，T。；Quoit Filter——一种基于数学形态学提取孤立阴影的新过滤器，及其在x射线CT肺癌自动检测中的应用；国际模式识别会议（ICPR）：1996年；第2卷，第3卷。
[38] 佐藤，Y。；南岛中岛。；Shiraga，N。；Atsumi，H。；吉田，S。；科勒，T。；Gerig，G。；Kikinis，R。；医学图像中曲线结构分割与可视化的三维多尺度线滤波器；医学图像分析：1998年；第2卷，143-168。
[39] 佐藤，Y。；威斯汀，C.-F。；Bhalerao，A。；南岛中岛。；Shiraga，N。；田村，S。；Kikinis，R。；用于体绘制的基于3D局部强度结构的组织分类；IEEE可视化和计算机图形汇刊：2000；第6卷，160-180。
[40] 李强。；Sone，S。；Doi，K。；二维和三维CT扫描中结节、血管和气道壁的选择性增强过滤器；医学物理学：2003；第30卷，2040-2051。
[41] Hayashi，N。；马苏塔尼，Y。；Masumoto，T。；Mori，H。；Kunimatsu，A。；阿贝·O。；青木，S。；Ohtomo，K。；北高野。；松本，K。；基于曲率的增强显示系统在MR血管造影中检测脑动脉瘤的可行性；医学中的磁共振：2003年；第2卷，29-36。
[42] 铃木，K。；郑浩，S。；Jun，Z.先生。；在计算机辅助诊断（CAD）中使用大规模训练人工神经网络（MTANN）监测肺结节强化；IEEE会议记录模式识别（ICPR）：2008，1-4.
[43] Giger，M.L。；Chan，H.-P。；Boone，J。；周年论文：CAD和定量图像分析的历史和现状；医学物理学和美国物理学家协会在医学医学物理学中的作用：2008年；第35卷，5799-5820。
[44] Arimura，H。；桂川，S。；铃木，K。；李，F。；Shiraishi，J。；Sone，S。；Doi，K。；用于肺癌筛查的低剂量CT图像中肺结节自动检测的计算机方案；学术放射：2004年；第11卷，617-629。
[45] Lee，Y。；Hara，T。；Fujita，H。；伊藤，S。；石垣，T。；基于改进的模板匹配技术的螺旋CT图像中肺结节的自动检测；IEEE医学成像学报：2001；第20卷，595-604。
[46] 兰卡斯特，J.L。；M.G.沃尔多夫。；帕森斯，L.M。；用于脑功能定位的自动Talairach图谱标签；人脑绘图：2000；第10卷，120-131。
[47] 多哥，A.W。；汤普森，P.M。；大脑地图；分析记录：2001年；第265卷，第37-53页。
[48] X.W.徐。；Doi，K。；小林，T。；MacMahon，H。；Giger，M.L。；数字胸部图像中肺部结节自动检测的改进CAD方案的开发；医学物理学：1997年；第24卷，1395-1403。
[49] 文森特，L。；土壤，P。；数字空间中的分水岭：一种基于沉浸模拟的高效算法；IEEE模式分析和机器智能汇刊：1991；第13卷，583-598。
[50] 卡斯，M。；Witkin，A。；Terzopoulos博士。；蛇：活动轮廓模型；国际计算机视觉杂志：1988；第1卷，321-332。
[51] Sethian，J.A；水平设置方法和快速行进方法。进化接口计算几何、流体力学、计算机视觉和材料科学：剑桥，英国1999·Zbl 0973.76003号
[52] Malladi，R。；Sethian，J.A。；公元前Vemuri。；基于前向传播的形状建模：一种水平集方法；IEEE模式分析和机器智能汇刊：1995年；第17卷，158-175。
[53] 曾，X。；斯塔布，L.H。；R.T.舒尔茨。；邓肯，J.S。；基于耦合表面传播的三维MR图像皮层分割与测量；IEEE医学成像学报：1999；第18卷，100-101。
[54] 邓，J。；H.T.Tsui。；低对比度噪声生物医学图像的快速水平集分割方法；模式识别字母：2002；第23卷，161-169·Zbl 0994.68514号
[55] Magome，T。；Arimura，H。；Kakeda，S。；山本，D。；Kawata，Y。；Yamashita，Y。；丰富库，F。；东田，Y。；Ohki，M。；Korogi，Y。；3T MR图像中多发性硬化患者白质和灰质区域的自动分割方法；电子、信息和通信工程师学会（IEICE）技术报告：2009年；第108卷，第505-506页。
[56] 李强。；计算机辅助诊断方案的偏差和可推广性改进；计算机化医学成像和图形：2007年；第31卷，338-345页。
[57] Jain，A.K。；杜恩，R.P.W。；毛，J。；统计模式识别：综述；IEEE模式分析和机器智能汇刊：2000；第22卷，第4-37页。
[58] Vapnik，V.N；统计学习理论的性质——工程和信息科学统计：纽约，纽约，美国1999年。
[59] 北卡罗来纳州克里斯蒂亚尼尼。；Shawe-Taylor，J；支持向量机简介：和其他基于内核的学习方法：剑桥，英国2000·兹比尔0994.68074
[60] Yamashita，K。；Yoshiura，T。；Arimura，H。；Mihara，F。；Noguchi，T。；Hiwatashi，A。；俄亥俄州多哥。；Yamashita，Y。；肖诺，T。；熊泽，S。；Y.东田。；Honda，H。；基于人工神经网络的放射科医生在MR图像上鉴别轴内脑肿瘤的性能评价；美国神经放射学杂志：2008；第29卷，1153-1158。
[61] 埃夫隆，B。；Tibshirani，R；Bootstrap简介：博卡拉顿，佛罗里达州，美国1994年·Zbl 0835.62038号
[62] 克鲁姆，W.R。；O.卡马拉。；希尔，D.L.G。；医学图像分析中评价和验证的广义重叠测度；IEEE医学成像汇刊：2006年；第25卷，1451-1461。
[63] Kakeda，S。；Moriya，J。；佐藤，H。；青木，T。；Watanabe，H。；Nakata，H。；小田，北。；桂川，S。；山本，K。；Doi，K。；借助计算机检测方法改进肺结节检测：商业计算机辅助诊断系统的评估；《美国X线杂志》：2004年；第182卷，505-510。
[64] King，J.T。；动脉瘤蛛网膜下腔出血的流行病学研究；北美神经影像临床：1997年；第7卷，659-668。
[65] Y.内山。；安藤，H。；横山，R。；Hara，T。；Fujita，H。；岩马，T。；MR血管造影中未破裂颅内动脉瘤的计算机辅助诊断方案；IEEE医学与生物学工程学报：，3031-3034.
[66] Kobashi，S。；Kondo，K。；哈塔，Y。；基于案例推理的MRA图像颅内动脉瘤计算机辅助诊断；电子、信息和通信工程师学会（IEICE）信息和系统交易：2006年；第E89-D卷，340-350。
[67] 山田，T。；Kadekaru，H。；松本，S。；日本和巴西老年人痴呆的患病率；精神病学与临床神经科学：2002；第56卷，第71-75页。
[68] 施密特，R。；Fazekas，F。；奥芬巴赫，H。；高血压患者的磁共振成像白质病变和认知障碍；神经病学档案：1991；第48卷，417-420。
[69] 医学硕士布雷特勒。；van Swieten，J.C。；机器人，M.L。；基于人群的研究中的脑白质损伤、血管危险因素和认知功能：鹿特丹研究；神经病学：1994年；第44卷，1246-1252。
[70] DeCarli，C。；D.G.M.墨菲。；Tranh，M。；白质高强度容积对51名健康成人大脑结构、认知能力和脑葡萄糖代谢的影响；神经病学：1995年；第45卷，2077-2084。
[71] 斯科格，I。；Berg，S。；Johansson，B。；B.帕尔默茨。；洛杉矶Andreasson。；脑白质损害对85岁痴呆和非痴呆儿童神经心理功能的影响；《斯堪的纳维亚神经病学学报》：1996年；第93卷，142-148。
[72] F.B.穆罕默德。；维尼茨基，S。；冈萨雷斯，C.F。；法罗，S.H。；卢布林，F.A。；Knobler，R。；古铁雷斯，J.E。；通过多光谱三维组织分割提高颅内白质病变的分化：初步结果；磁共振成像：2001；第19卷，207-218。
[73] Anbeek，P。；文肯，K.L。；van Osch，M.J.P。；比斯科普斯，R.H.C。；van der Grond，J。；基于体素概率估计的不同大小白质病变自动分割；医学图像分析：2004年；第8卷，205-215。
[74] 海军上将Behloul，F。；范登·胡维尔，D.M.J。；Olofsen，H。；van Osch，M.J.P。；van der Grond，J。；van Buchem，医学硕士。；Reiber，J.H.C。；老年人MR图像中白质高信号的全自动分割；神经影像：2005年；第28卷，607-617。
[75] Y.内山。；横山，R。；安藤，H。；腔隙性脑梗死的计算机辅助诊断方案；学术放射学：2007年；第14卷，1554-1561。
[76] 李志强。；丁刚，S。；登封，L。；基于支持向量机的三维MR图像白质病变的计算机辅助分割；学术放射：2008年；第15卷，300-313。
[77] Wen，W。；Sachdev，P。；60-64岁健康人脑MRI白质高信号地形图；神经影像：2004年；第22卷，144-154。
[78] 国家卫生研究所。
[79] 日本卫生、劳动和福利部。
[80] Y.Hirata。；松田，H。；内莫托，K。；基于体素的形态计量学鉴别早期阿尔茨海默病与对照组；神经科学信函：2005；第382卷，269-274页。
[81] 李，S。；Shi，F。；Pu，F。；李，X。；姜涛（Jiang，T.）。；谢S。；Wang，Y。；基于机器学习方法的阿尔茨海默病海马形态分析；美国神经放射学杂志：2007；第28卷，1339-1345。
[82] Klöppel，S.公司。；斯托宁顿，C.M。；楚，C。；Draganski，B。；R.I.斯卡希尔。；罗勒，J.D。；福克斯，北卡罗来纳州。；杰克，C.R。；阿什伯恩，J。；R.S.J.弗雷科威克。；阿尔茨海默病MR扫描的自动分类；大脑：2008年；第131卷，第681-689页。
[83] 科利奥特，O。；Chételat，G。；Chupin，M。；Desgranges，B。；马格宁，B。；贝纳利，H。；Dubois，B。；加内罗，L。；尤斯塔什，F。；Lehéricy，S。；使用海马体自动分割区分阿尔茨海默病、轻度认知障碍和正常衰老；放射学：2008年；第248194-201卷。
[84] 阿什伯恩，J。；K.J.弗里斯顿。；基于体素的形态测量——方法；神经影像：2000；第11卷，805-821。
[85] 坎帕德利，P。；Casiraghi，E。；Artioli，D。；一种全自动的胸片前后位肺结节检测方法；IEEE医学成像学报：2006；第25卷，1588-1603。
[86] T.R.Golub。；斯洛尼姆，D.K。；Tamayo，P。；癌症的分子分类：通过基因表达监测进行分类发现和分类预测；科学：1999年；第286卷，第531-537页。
[87] Joachims，T。；SVM灯；美国纽约州伊萨卡。
[88] 阿尔法诺，B。；布鲁内蒂，A。；拉罗比纳，M。；Quarantelli，M。；特德斯基，E。；Ciarmiello，A。；科维利，E.M。；萨尔瓦多，M。；多发性硬化患者脑白质病变体积的自动分割和测量；磁共振成像杂志：2000；第12卷，799-807。
[89] 布德拉阿，A.O。；德哈布，S.M.R。；Zhu，Y.M。；帕西，C。；Bao，Y.G。；J·格里莫。；基于模糊聚类的多光谱MR成像中多发性硬化病变的自动分割；生物与医学中的计算机：2000年；第30卷，23-40页。
[90] K.V.Leemput公司。；梅斯，F。；Vandermeuleden，D。；科尔切斯特，A。；苏伊滕斯，P。；基于模型异常检测的多发性硬化病变自动分割；IEEE医学成像学报：2001；第20卷，677-688。
[91] Zijdenbos，A.P。；福格哈尼，R。；埃文斯，A.C。；临床试验中三维MRI数据的自动“流水线”分析：在多发性硬化症中的应用；IEEE医学成像学报：2002；第21卷，1280-1291。
[92] Khayati，R。；瓦法杜斯特，M。；Towhidkhah，F。；纳巴维，S.M。；基于自适应混合方法和马尔可夫随机场模型的脑MR FLAIR图像多发性硬化病变全自动分割；生物与医学中的计算机：2008；第38卷，379-390页。
[93] Khayati，R。；瓦法杜斯特，M。；Towhidkhah，F。；纳巴维，S.M。；脑MR FLAIR图像中多发性硬化病变不同阶段的自动检测新方法；计算机化医学成像和图形：2008年；第32卷，124-133。
[94] Abdolmaleki，P。；Mihara，F。；Masuda，K。；星形胶质瘤MRI表现的神经网络分析；《癌症快报》：1997年；第118卷，第69-78页。
[95] 小林，T。；X.W.徐。；MacMahon，H。；计算机辅助诊断方案对放射科医生在影像学上检测肺结节表现的影响；放射学：1996年；第199843-848卷。
[96] Ashizawa，K。；MacMahon，H。；石田，T。；人工神经网络对放射科医生利用胸片鉴别间质性肺疾病表现的影响；美国伦琴诺杂志：1999；第172卷，1311-1315。
[97] Nakamura，K。；Yoshida，H。；Engelmann，R。；应用人工神经网络对孤立性肺结节恶性可能性的计算机分析；放射科：2000年；第214823-830卷。
[98] 松木，Y。；Nakamura，K。；Watanabe，H。；人工神经网络在高分辨率CT鉴别良恶性肺结节中的作用：基于接收器操作特征分析的评估；《美国X线杂志》：2002年；第178卷，657-663。
[99] 比迪瓦拉，S。；皮特曼，T。；利用临床和影像学数据对儿童后颅窝肿瘤进行神经网络分类；儿童神经外科：2004年；第40卷，8-15页。
[100] 亚伯，H。；Ashizawa，K。；李，F。；人工神经网络在间质性肺病鉴别诊断中的应用：与实际临床病例的模拟试验结果；学术放射：2004年；第11卷，第29-37页。
[101] 福岛，A。；Ashizawa，K。；山口，T。；人工神经网络在高分辨率CT中的应用：在弥漫性肺部疾病鉴别诊断中的作用；美国放射学杂志：2004年；第183297-305卷。
[102] Matake，K。；吉满彻，K。；熊泽，S。；人工神经网络在CT肝脏肿块鉴别诊断中的应用；学术放射：2006年；第13卷，951-962。
[103] 维贾亚库马尔，C。；Damayanti，G。；右长裤。；斯里德哈尔，C.M。；基于自组织映射的脑肿瘤表观扩散系数图像分割与分级；计算机化医学成像和图形：2007年；第31卷，473-484。
[104] M.北岛。；Hirai，T。；桂川，S。；Okuda，T。；福冈，H。；Sasao，A。；阿克特，M。；阿韦，K。；Y.Nakayama。；池田，R。；Yamashita，Y。；Yano，S。；Kuratsu，J。；多伊，K。；常见鞍上大肿块的鉴别：人工神经网络对放射科医生诊断能力的影响；学术放射：2009年；第16卷，313-320。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。