Machine Learning and Deep Learning in Oncologic Imaging: Potential Hurdles, Opportunities for Improvement, and Solutions-Abdominal Imagers' Perspective.

Yedururi, Sireesha; Morani, Ajaykumar C; Katabathina, Venkata Subbiah; Jo, Nahyun; Rachamallu, Medhini; Prasad, Srinivasa; Marcal, Leonardo

Yedururi, Sireesha; Morani, Ajaykumar C; Katabathina, Venkata Subbiah; Jo, Nahyun; Rachamallu, Medhini; Prasad, Srinivasa; Marcal, Leonardo.

Afiliação

Yedururi S; From the Department of Abdominal Imaging, The University of Texas MD Anderson Cancer Center, Houston.
Morani AC; From the Department of Abdominal Imaging, The University of Texas MD Anderson Cancer Center, Houston.
Katabathina VS; Department of Radiology, The University of Texas Health Science Center at San Antonio, San Antonio, TX.
Jo N; Department of Internal Medicine, UAB Montgomery Regional Medical Campus, Montogomery, AL.
Rachamallu M; Department of Biomedical Engineering, The University of Virginia, VA.
Prasad S; From the Department of Abdominal Imaging, The University of Texas MD Anderson Cancer Center, Houston.
Marcal L; From the Department of Abdominal Imaging, The University of Texas MD Anderson Cancer Center, Houston.

J Comput Assist Tomogr ; 45(6): 805-811, 2021.

Article em En | MEDLINE | ID: mdl-34270486

Assuntos

Neoplasias Abdominais/diagnóstico por imagem; Diagnóstico por Imagem/métodos; Interpretação de Imagem Assistida por Computador/métodos; Aprendizado de Máquina; Abdome/diagnóstico por imagem; Humanos

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Diagnóstico por Imagem / Interpretação de Imagem Assistida por Computador / Aprendizado de Máquina / Neoplasias Abdominais Tipo de estudo: Diagnostic_studies Limite: Humans Idioma: En Revista: J Comput Assist Tomogr Ano de publicação: 2021 Tipo de documento: Article

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google