کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
11025277 | 1700991 | 2018 | 49 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Machine learning based on multi-parametric magnetic resonance imaging to differentiate glioblastoma multiforme from primary cerebral nervous system lymphoma
ترجمه فارسی عنوان
یادگیری ماشین براساس تصویربرداری رزونانس مغناطیسی چند پارامتریک برای تشخیص گلیوبلاستوما چندفرم از لنفوم سیستم عصبی مغز اصلی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
GLCMXGBoostT2-weighted imagesPCNSLITArCBVDWIGBMROCADCDSCAUC - AUCMRI - امآرآی یا تصویرسازی تشدید مغناطیسیImage texture analysis - تجزیه و تحلیل بافت تصویرdiffusion-weighted imaging - تصویربرداری با وضوح تصویربرداریMagnetic resonance imaging - تصویربرداری رزونانس مغناطیسیExtreme gradient boosting - تقویت شیب شدیدRelative cerebral blood volume - حجم خون نسبتا مغزیCNS - دستگاه عصبی مرکزیtwo dimensional - دو بعدیcentral nervous system - سیستم عصبی مرکزیapparent diffusion coefficient - ضریب انتشار آشکارLymphoma - لنفومarea under the curve - منطقه تحت منحنیGadolinium - گادولینیمGlioblastoma multiforme - گلیوبلاستوم مولتیفرم، گلیوبلاستوماreceiver operating characteristic - گیرنده عامل عاملMachine learning - یادگیری ماشین
موضوعات مرتبط
علوم پزشکی و سلامت
پزشکی و دندانپزشکی
رادیولوژی و تصویربرداری
چکیده انگلیسی
The performance of machine learning based on histogram and texture features in multi-parametric MRI was superior to that of conventional cut-off method and the board certified radiologists to differentiate a GBM from a PCNSL.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: European Journal of Radiology - Volume 108, November 2018, Pages 147-154
Journal: European Journal of Radiology - Volume 108, November 2018, Pages 147-154
نویسندگان
Masataka Nakagawa, Takeshi Nakaura, Tomohiro Namimoto, Mika Kitajima, Hiroyuki Uetani, Machiko Tateishi, Seitaro Oda, Daisuke Utsunomiya, Keishi Makino, Hideo Nakamura, Akitake Mukasa, Toshinori Hirai, Yasuyuki Yamashita,