Machine Learning in Laryngoscopy Analysis: A Proof of Concept Observational Study for the Identification of Post-Extubation Ulcerations and Granulomas.

Parker, Felix; Brodsky, Martin B; Akst, Lee M; Ali, Haider

Parker, Felix; Brodsky, Martin B; Akst, Lee M; Ali, Haider.

Afiliación

Parker F; Department of Computer Science, Johns Hopkins University, Baltimore, MD, USA.
Brodsky MB; Department of Physical Medicine and Rehabilitation, Johns Hopkins University, Baltimore, MD, USA.
Akst LM; Division Pulmonary and Critical Care Medicine, Johns Hopkins University, Baltimore, MD, USA.
Ali H; Outcomes After Critical Illness and Surgery (OACIS) Research Group, Johns Hopkins University, Baltimore, MD, USA.

Ann Otol Rhinol Laryngol ; 130(3): 286-291, 2021 Mar.

Article en En | MEDLINE | ID: mdl-32795159

Asunto(s)

Granuloma Laríngeo/patología; Procesamiento de Imagen Asistido por Computador/métodos; Laringoscopía; Laringe/patología; Redes Neurales de la Computación; Úlcera/patología; Extubación Traqueal; Humanos; Unidades de Cuidados Intensivos; Intubación Intratraqueal; Laringe/lesiones; Aprendizaje Automático; Prueba de Estudio Conceptual; Respiración Artificial

Palabras clave

deep learning; endotracheal intubation; intensive care; laryngeal granuloma; laryngeal ulceration; larynx; machine learning

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: Úlcera / Procesamiento de Imagen Asistido por Computador / Granuloma Laríngeo / Redes Neurales de la Computación / Laringoscopía / Laringe Tipo de estudio: Diagnostic_studies / Observational_studies Límite: Humans Idioma: En Revista: Ann Otol Rhinol Laryngol Año: 2021 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