机译:三种机器学习方法,使用数字乳房X线图的纹理特征预测良性或恶性乳房肿块
Shandong Univ Shandong Canc Hosp Dept Radiat Oncol Phys &
Technol Jinan 250117 Shandong;
Shandong Univ Shandong Canc Hosp Dept Radiol Jinan 250117 Shandong Peoples R China;
Shandong Univ Shandong Canc Hosp Dept Radiat Oncol Phys &
Technol Jinan 250117 Shandong;
Univ Jinan Shandong Prov Key Lab Network Based Intelligent C Sch Informat Sci &
Engn Jinan;
机译:三种机器学习方法,使用数字乳房X线图的纹理特征预测良性或恶性乳房肿块
机译:基于系统发育多样性的纹理分析,使用纹理分析来分化良恶性肿瘤的良性和恶性肿瘤
机译:基于超声图像中形状和纹理特征的乳腺良恶性分类
机译:基于纹理特征和基于相关性的特征选择在数字化乳腺X线照片上识别恶性肿块
机译:特征选择机器学习方法从全基因组RNA-Seq数据预测CYP3A4代谢活性
机译:通过有效地结合超声图像纹理和形态特征的良性和恶性乳腺肿瘤分类方法
机译:一种基于非线性和纹理特征组合的机器学习方法,从Dermoscopic图像诊断恶性黑素瘤