• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Machine Outputs Must Be Checked.

作者信息

Kellner Elias, Urbach Horst

机构信息

Dept. of Radiology, Medical Physics, Medical Center, University of Freiburg, Freiburg, Germany.

Dept. of Neuroradiology, Medical Center, University of Freiburg, Freiburg, Germany.

出版信息

Clin Neuroradiol. 2021 Jun;31(2):507-508. doi: 10.1007/s00062-021-01012-6. Epub 2021 Apr 9.

DOI:10.1007/s00062-021-01012-6
PMID:33835191
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC8211601/
Abstract
摘要

相似文献

1
Machine Outputs Must Be Checked.机器输出必须进行检查。
Clin Neuroradiol. 2021 Jun;31(2):507-508. doi: 10.1007/s00062-021-01012-6. Epub 2021 Apr 9.
2
PCirc: random forest-based plant circRNA identification software.PCirc：基于随机森林的植物 circRNA 鉴定软件。
BMC Bioinformatics. 2021 Jan 6;22(1):10. doi: 10.1186/s12859-020-03944-1.
3
Introducing Machine Learning Concepts with WEKA.使用WEKA介绍机器学习概念。
Methods Mol Biol. 2016;1418:353-78. doi: 10.1007/978-1-4939-3578-9_17.
4
PrositNG - A Machine Learning Supported Disease Model Generation Software.PrositNG - 一款机器学习支持的疾病模型生成软件。
Stud Health Technol Inform. 2020 Jun 26;272:151-154. doi: 10.3233/SHTI200516.
5
Galaxy-ML: An accessible, reproducible, and scalable machine learning toolkit for biomedicine.Galaxy-ML：一个可访问、可重现和可扩展的生物医学机器学习工具包。
PLoS Comput Biol. 2021 Jun 1;17(6):e1009014. doi: 10.1371/journal.pcbi.1009014. eCollection 2021 Jun.
6
Performance of machine learning software to classify breast lesions using BI-RADS radiomic features on ultrasound images.使用超声图像上的BI-RADS放射组学特征对乳腺病变进行分类的机器学习软件的性能。
Eur Radiol Exp. 2019 Aug 5;3(1):34. doi: 10.1186/s41747-019-0112-7.
7
Differentiation of glioblastoma from solitary brain metastases using radiomic machine-learning classifiers.使用放射组学机器学习分类器对胶质母细胞瘤与单发脑转移瘤进行鉴别。
Cancer Lett. 2019 Jun 1;451:128-135. doi: 10.1016/j.canlet.2019.02.054. Epub 2019 Mar 13.
8
Comparison between two programs for image analysis, machine learning and subsequent classification.两种图像分析、机器学习和后续分类程序的比较。
Tissue Cell. 2019 Jun;58:12-16. doi: 10.1016/j.tice.2019.03.002. Epub 2019 Mar 27.
9
Detection of early infarction signs with machine learning-based diagnosis by means of the Alberta Stroke Program Early CT score (ASPECTS) in the clinical routine.在临床常规中，通过基于机器学习的诊断方法，借助阿尔伯塔卒中项目早期CT评分（ASPECTS）检测早期梗死迹象。
Neuroradiology. 2018 Sep;60(9):889-901. doi: 10.1007/s00234-018-2066-5. Epub 2018 Jul 31.
10
Setting the standards for machine learning in biology.设定生物学中机器学习的标准。
Nat Rev Mol Cell Biol. 2019 Nov;20(11):659-660. doi: 10.1038/s41580-019-0176-5.

引用本文的文献

1
Impact of temporal resolution on perfusion metrics, therapy decision, and radiation dose reduction in brain CT perfusion in patients with suspected stroke.时间分辨率对疑似中风患者脑 CT 灌注中的灌注指标、治疗决策和辐射剂量降低的影响。
Neuroradiology. 2024 May;66(5):749-759. doi: 10.1007/s00234-024-03335-w. Epub 2024 Mar 18.
2
Reducing False-Positives in CT Perfusion Infarct Core Segmentation Using Contralateral Local Normalization.使用对侧局部归一化减少CT灌注梗死核心分割中的假阳性
AJNR Am J Neuroradiol. 2024 Mar 7;45(3):277-283. doi: 10.3174/ajnr.A8111.
3
Accuracy and Prognostic Role of NCCT-ASPECTS Depend on Time from Acute Stroke Symptom-onset for both Human and Machine-learning Based Evaluation.

本文引用的文献

1
Automated Perfusion Calculations vs. Visual Scoring of Collaterals and CBV-ASPECTS : Has the Machine Surpassed the Eye?自动灌注计算与侧支循环和 CBV-ASPECTS 的视觉评分：机器是否超越了肉眼？
Clin Neuroradiol. 2021 Jun;31(2):499-506. doi: 10.1007/s00062-020-00974-3. Epub 2020 Nov 20.
NCCT-ASPECTS 的准确性和预后作用取决于基于人类和机器学习的评估从急性卒中症状发作到评估的时间。
Clin Neuroradiol. 2022 Mar;32(1):133-140. doi: 10.1007/s00062-021-01110-5. Epub 2021 Oct 28.