A machine learning model that classifies breast cancer pathologic complete response on MRI post-neoadjuvant chemotherapy

BACKGROUND: For breast cancer patients undergoing neoadjuvant chemotherapy (NAC), pathologic complete response (pCR; no invasive or in situ) cannot be assessed non-invasively so all patients undergo surgery. The aim of our study was to develop and validate a radiomics classifier that classifies brea...

Πλήρης περιγραφή

Αποθηκεύτηκε σε:
Λεπτομέρειες βιβλιογραφικής εγγραφής
Τόπος έκδοσης:Breast Cancer Res
Κύριοι συγγραφείς: Sutton, Elizabeth J., Onishi, Natsuko, Fehr, Duc A., Dashevsky, Brittany Z., Sadinski, Meredith, Pinker, Katja, Martinez, Danny F., Brogi, Edi, Braunstein, Lior, Razavi, Pedram, El-Tamer, Mahmoud, Sacchini, Virgilio, Deasy, Joseph O., Morris, Elizabeth A., Veeraraghavan, Harini
Μορφή: Artigo
Γλώσσα:Inglês
Έκδοση: BioMed Central 2020
Θέματα:
Research Article
Διαθέσιμο Online:https://ncbi.nlm.nih.gov/pmc/articles/PMC7254668/
https://ncbi.nlm.nih.gov/pubmed/32466777
https://ncbi.nlm.nih.govhttp://dx.doi.org/10.1186/s13058-020-01291-w
Ετικέτες: Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!

Παρόμοια τεκμήρια