University of Maryland Baltimore County.;
机译:用于肺结节分类和恶性评估的轻型多节CNN
机译:没有惊喜:通过增强对抗性攻击来训练低剂量CT扫描的强大肺结节检测
机译:通过CT扫描预测肺结节恶性程度的高精度模型
机译:基于CNN模型与辅助任务学习基于CNN模型的胸部CT扫描中的肺结节恶性预测
机译:利用深度学习,从计算机断层扫描图像的肺结死恶性预测
机译:仅使用放射科医生量化的图像特征作为统计学习算法的输入的肺结节恶性分类:使用两种统计学习方法探查肺图像数据库联盟数据集
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