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...

Полное описание

Сохранить в:
Библиографические подробности
Опубликовано в: :Eur Radiol
Главные авторы: Schelb, Patrick, Wang, Xianfeng, Radtke, Jan Philipp, Wiesenfarth, Manuel, Kickingereder, Philipp, Stenzinger, Albrecht, Hohenfellner, Markus, Schlemmer, Heinz-Peter, Maier-Hein, Klaus H., Bonekamp, David
Формат: Artigo
Язык:Inglês
Опубликовано: Springer Berlin Heidelberg 2020
Предметы:
Urogenital
Online-ссылка: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
Метки: Добавить метку
Нет меток, Требуется 1-ая метка записи!

Схожие документы