颈动脉超声中症状性与无症状性斑块的分类
摘要
类似文章
-
超声造影评价颈动脉粥样硬化斑块的易损性。 血管。 2017年6月; 25(3):316-325. doi:10.1177/170853811665734。 Epub 2016年8月31日。 血管性。 2017. PMID: 27580821 审查。 -
使用动脉粥样硬化斑块特征的颈动脉超声症状学:一类动脉粥样硬化系统。 2012年IEEE Eng-Med Biol Soc.国际年会; 2012:3199-202. doi:10.1109/EMBC.2012.6346645。 2012年IEEE Eng-Med Biol Soc.国际年会。 PMID: 23366606 -
通过基于图像的组织表征了解动脉粥样硬化斑块的症状学。 生物识别计算方法程序。 2013年4月; 110(1):66-75. doi:10.1016/j.cmpb.2012.09.008。 Epub 2012年11月1日。 生物识别计算方法程序。 2013 PMID: 23122720 -
基于纹理特征的颈动脉动脉粥样硬化风险分层策略。 超声医学生物学。 2012年6月; 38(6):899-915. doi:10.1016/j.ultrasmedbio.2012.01.015。 Epub 2012年4月21日。 超声医学生物学。 2012 PMID: 22502883 -
Atheromatic™:使用HOS、DWT和纹理组合对颈动脉超声斑块进行症状与无症状分类。 2011年IEEE Eng-Med Biol Soc.国际年会; 2011:4489-92. doi:10.1109/IEMBS.2011.6091113。 2011年IEEE Eng Med Biol Soc年度国际会议。 PMID: 22255336
引用人
-
利用血小板和淋巴细胞特征从血涂片图像中基于机器学习的登革热检测。 诊断(巴塞尔)。 2023年1月6日; 13(2):220. doi:10.3390/diagnostics13020220。 诊断(巴塞尔)。 2023 PMID: 36673030 免费PMC文章。 -
在乳腺癌诊断的超声筛查中,使用人工智能自动捕捉负责帧的可行性。 iScience。 2022年12月5日; 26(1):105692. doi:10.1016/j.isci.2022.105692。 eCollection 2023年1月20日。 iScience。 2022 PMID: 36570770 免费PMC文章。 -
HRU-Net:超声图像中颈动脉斑块分割的传递学习方法。 诊断(巴塞尔)。 2022年11月17日; 12(11):2852. doi:10.3390/diagnostics1212852。 诊断(巴塞尔)。 2022 PMID: 36428911 免费PMC文章。 -
使用未发现的深度学习人工智能范式对不同玻璃基质不透明的新型冠状病毒肺炎肺部计算机断层扫描分割的多中心研究:COVLIAS 1.0验证。 医学系统杂志。 2022年8月21日; 46(10):62. doi:10.1007/s10916-022-01850-y。 医学系统杂志。 2022 PMID: 35988110 免费PMC文章。 -
用于低存储和高速COVID-19计算机断层扫描肺部分割和基于热的病变定位的八种修剪深度学习模型:一项使用COVLIAS 2.0的多中心研究。 计算机生物医学。2022年7月; 146:105571. doi:10.1016/j.compbiomed.2022.105571。 Epub 2022年5月21日。 《计算生物医学》,2022年。 PMID: 35751196 免费PMC文章。
工具书类
MeSH术语
LinkOut-更多资源
全文源 其他