机译:使用MRI特征预测对乳腺癌新辅助治疗的病理反应的多变量机器学习模型:使用独立验证集的研究
Duke Univ Sch Med Dept Radiol 2301 Erwin Rd Durham NC 27705 USA;
Duke Univ Sch Med Dept Radiol 2301 Erwin Rd Durham NC 27705 USA;
Duke Univ Sch Med Dept Radiol 2301 Erwin Rd Durham NC 27705 USA;
Duke Univ Sch Med Dept Surg 2301 Erwin Rd Durham NC 27705 USA;
Duke Univ Sch Med Dept Med 2301 Erwin Rd Durham NC 27705 USA;
Duke Univ Sch Med Dept Radiol 2301 Erwin Rd Durham NC 27705 USA;
Pathologic complete response; Neoadjuvant therapy; Breast cancer; Breast cancer MRI; MRI radiomics; Machine learning; Logistic regression; Support vector machines;
机译:使用MRI特征预测对乳腺癌新辅助治疗的病理反应的多变量机器学习模型:使用独立验证集的研究
机译:基于MRI的机器学习射频可以预测HER2在HER2过表达乳腺癌中的新辅助治疗后HER2表达水平和病理反应
机译:使用集合机器学习预测乳腺癌对乳腺癌进行的病理完全应答
机译:一种深度学习分类器,可通过基线乳腺DCE-MRI预测对新辅助化疗的病理完全反应
机译:在乳腺癌新辅助化疗后使用术前Mri引导的活检来预测病理完全缓解
机译:用多场多阶段学习机器学习的价值CE-MRI射频用于早期预测对HER2阳性侵袭性乳腺癌新辅助治疗的病理完全反应
机译:使用MRI特征预测对乳腺癌新辅助治疗的病理反应的多变量机器学习模型:使用独立验证集的研究