Visualizing “featureless” regions on mammograms classified as invasive ductal carcinomas by a deep learning algorithm: the promise of AI support in radiology
16Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : jp. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Visualizing “featureless” regions on mammograms classified as invasive ductal carcinomas by a deep learning algorithm: the promise of AI support in radiology
- Date Crossref
- 16/11/2020
- Éditeur
- Springer Science and Business Media LLC
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Osaka City University pays non établi dans la noticeUniversité ou école supérieure
-
Osaka City University Hospital pays non établi dans la noticeÉtablissement de santé
-
Osaka Prefectural Medical Center pays non établi dans la noticeÉtablissement de santé
-
Graduate School of Medicine Department of Diagnostic and Interventional Radiology pays non établi dans la noticeUniversité ou école supérieure
-
Osaka Prefectural Hospital Organization Osaka Habikino Hospital Department of Radiology pays non établi dans la noticeÉtablissement de santé
Osaka City University, Osaka City University Hospital et Osaka Prefectural Medical Center, avec 2 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
AI in cancer detectionCOVID-19 diagnosis using AIArtificial Intelligence in Healthcare and Education