Simulated clinical deployment of fully automatic deep learning for clinical prostate MRI assessment

OBJECTIVES: To simulate clinical deployment, evaluate performance, and establish quality assurance of a deep learning algorithm (U-Net) for detection, localization, and segmentation of clinically significant prostate cancer (sPC), ISUP grade group ≥ 2, using bi-parametric MRI. METHODS: In 2017, 284...

Szczegółowa specyfikacja

Zapisane w:
Opis bibliograficzny
Wydane w:Eur Radiol
Główni autorzy: Schelb, Patrick, Wang, Xianfeng, Radtke, Jan Philipp, Wiesenfarth, Manuel, Kickingereder, Philipp, Stenzinger, Albrecht, Hohenfellner, Markus, Schlemmer, Heinz-Peter, Maier-Hein, Klaus H., Bonekamp, David
Format: Artigo
Język:Inglês
Wydane: Springer Berlin Heidelberg 2020
Hasła przedmiotowe:
Urogenital
Dostęp online:https://ncbi.nlm.nih.gov/pmc/articles/PMC7755653/
https://ncbi.nlm.nih.gov/pubmed/32767102
https://ncbi.nlm.nih.govhttp://dx.doi.org/10.1007/s00330-020-07086-z
Etykiety: Dodaj etykietę
Nie ma etykietki, Dołącz pierwszą etykiete!

Podobne zapisy