Your browser doesn't support javascript.
loading
Automated pectoral muscle identification on MLO-view mammograms: Comparison of deep neural network to conventional computer vision.
Ma, Xiangyuan; Wei, Jun; Zhou, Chuan; Helvie, Mark A; Chan, Heang-Ping; Hadjiiski, Lubomir M; Lu, Yao.
Afiliación
  • Ma X; Department of Radiology, University of Michigan, Ann Arbor, MI, USA.
  • Wei J; School of Data and Computer Science, Sun Yat-Sen University, Guangzhou, 510275, P.R. China.
  • Zhou C; Guangdong Province Key Laboratory Computational Science, Sun Yat-Sen University, Guangzhou, 510275, P.R. China.
  • Helvie MA; Department of Radiology, University of Michigan, Ann Arbor, MI, USA.
  • Chan HP; Department of Radiology, University of Michigan, Ann Arbor, MI, USA.
  • Hadjiiski LM; Department of Radiology, University of Michigan, Ann Arbor, MI, USA.
  • Lu Y; Department of Radiology, University of Michigan, Ann Arbor, MI, USA.
Med Phys ; 46(5): 2103-2114, 2019 May.
Article en En | MEDLINE | ID: mdl-30771257
Asunto(s)
Palabras clave
Texto completo
Añadir a Mi BVS
Imprimir
XML
PubMed Links
Buscar en Google

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Asunto principal: Músculos Pectorales / Procesamiento de Imagen Asistido por Computador / Neoplasias de la Mama / Mamografía / Diagnóstico por Computador / Redes Neurales de la Computación / Aprendizaje Profundo Tipo de estudio: Diagnostic_studies / Prognostic_studies Límite: Female / Humans Idioma: En Revista: Med Phys Año: 2019 Tipo del documento: Article País de afiliación: Estados Unidos Pais de publicación: Estados Unidos
Texto completo
Añadir a Mi BVS
Imprimir
XML
PubMed Links
Buscar en Google

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Asunto principal: Músculos Pectorales / Procesamiento de Imagen Asistido por Computador / Neoplasias de la Mama / Mamografía / Diagnóstico por Computador / Redes Neurales de la Computación / Aprendizaje Profundo Tipo de estudio: Diagnostic_studies / Prognostic_studies Límite: Female / Humans Idioma: En Revista: Med Phys Año: 2019 Tipo del documento: Article País de afiliación: Estados Unidos Pais de publicación: Estados Unidos