Your browser doesn't support javascript.
loading
Unenhanced abdominal low-dose CT reconstructed with deep learning-based image reconstruction: image quality and anatomical structure depiction.
Kaga, Tetsuro; Noda, Yoshifumi; Mori, Takayuki; Kawai, Nobuyuki; Miyoshi, Toshiharu; Hyodo, Fuminori; Kato, Hiroki; Matsuo, Masayuki.
Afiliación
  • Kaga T; Department of Radiology, Gifu University, 1-1 Yanagido, Gifu, 501-1194, Japan.
  • Noda Y; Department of Radiology, Gifu University, 1-1 Yanagido, Gifu, 501-1194, Japan. noda1031@gifu-u.ac.jp.
  • Mori T; Department of Radiology, Gifu University, 1-1 Yanagido, Gifu, 501-1194, Japan.
  • Kawai N; Department of Radiology, Gifu University, 1-1 Yanagido, Gifu, 501-1194, Japan.
  • Miyoshi T; Department of Radiology Services, Gifu University Hospital, 1-1 Yanagido, Gifu, 501-1194, Japan.
  • Hyodo F; Department of Radiology, Frontier Science for Imaging, Gifu University, 1-1 Yanagido, Gifu, 501-1194, Japan.
  • Kato H; Department of Radiology, Gifu University, 1-1 Yanagido, Gifu, 501-1194, Japan.
  • Matsuo M; Department of Radiology, Gifu University, 1-1 Yanagido, Gifu, 501-1194, Japan.
Jpn J Radiol ; 40(7): 703-711, 2022 Jul.
Article en En | MEDLINE | ID: mdl-35286578
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: Aprendizaje Profundo Tipo de estudio: Observational_studies / Qualitative_research Límite: Humans Idioma: En Revista: Jpn J Radiol Asunto de la revista: DIAGNOSTICO POR IMAGEM / RADIOLOGIA / RADIOTERAPIA Año: 2022 Tipo del documento: Article País de afiliación: Japón
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: Aprendizaje Profundo Tipo de estudio: Observational_studies / Qualitative_research Límite: Humans Idioma: En Revista: Jpn J Radiol Asunto de la revista: DIAGNOSTICO POR IMAGEM / RADIOLOGIA / RADIOTERAPIA Año: 2022 Tipo del documento: Article País de afiliación: Japón