کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
8786303 | 1601140 | 2018 | 5 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Machine learning “red dot”: open-source, cloud, deep convolutional neural networks in chest radiograph binary normality classification
ترجمه فارسی عنوان
ماشین یادگیری یک قرص داتا: منبع باز، ابر، شبکه های عصبی پیچیده عمیق در رادیوگرافی قفسه سینه معمولی دسته دودویی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
ترجمه چکیده
این مطالعه نشان می دهد استفاده از یک روش مبتنی بر یادگیری ماشین برای طبقه بندی رادیوگرافی قفسه سینه به عنوان طبیعی یا غیر طبیعی است. کاربرد آن در مجموعه داده های دنیای واقعی ممکن است در بهینه سازی حجم کار بالینی باشد.
موضوعات مرتبط
علوم پزشکی و سلامت
پزشکی و دندانپزشکی
تومور شناسی
چکیده انگلیسی
This study demonstrates the application of a machine learning-based approach to classify chest radiographs as normal or abnormal. Its application to real-world datasets may be warranted in optimising clinician workload.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Clinical Radiology - Volume 73, Issue 9, September 2018, Pages 827-831
Journal: Clinical Radiology - Volume 73, Issue 9, September 2018, Pages 827-831
نویسندگان
E.J. Yates, L.C. Yates, H. Harvey,