کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8687933 1580950 2018 27 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
MRI features predict p53 status in lower-grade gliomas via a machine-learning approach
موضوعات مرتبط
علوم زیستی و بیوفناوری علم عصب شناسی روانپزشکی بیولوژیکی
پیش نمایش صفحه اول مقاله
MRI features predict p53 status in lower-grade gliomas via a machine-learning approach
چکیده انگلیسی
These results demonstrate that MR image texture features are predictive of p53 mutation status in lower-grade gliomas. Thus, our procedure can be conveniently used to facilitate presurgical molecular pathological diagnosis.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: NeuroImage: Clinical - Volume 17, 2018, Pages 306-311
نویسندگان
, , , , , , , , ,