...
机译:比较肺结核检测和分类中的两类端到端机器学习模型:MTANNS与CNNS
IIT Dept Elect &
Comp Engn 3300 S Fed St Chicago IL 60616 USA;
IIT Dept Elect &
Comp Engn 3300 S Fed St Chicago IL 60616 USA;
Deep learning; Patch-based machine learning; Image-based machine learning; Massive-training artificial neural network; Convolution neural network; Focal lesions; Classification; Computer-aided diagnosis; Lung nodules;
机译:LNCDS:肺结结分类,检测和分割的2D-3D级联CNN方法
机译:大规模训练人工神经网络(MTANN),用于减少低剂量计算机断层扫描中肺结节的计算机化检测中的假阳性。
机译:基于3D CNN的多模型集合学习架构肺结结恶性可疑性分类
机译:少量训练案例对大剂量CT肺结节计算机检测中减少误报的大规模训练人工神经网络(MTANN)性能的影响
机译:增强双输入CNN(DI-CNN),用于CT扫描的肺结结恶性肿瘤诊断分类
机译:基于模糊C均值聚类的肺结节分割和CNN分类
机译:诊断CT中肺结节的检测和分类:基于改进的3D速率R-CNN和多尺度多作物卷积神经网络的TSDN方法
机译:提高CT诊断特异性早期发现肺癌:基于4D CT的肺结节弹性测量。