文献检索
文档翻译
深度研究
学术资讯

Zotero 插件

邀请有礼
套餐&价格
历史记录

应用&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

相似文献

1

Erratum: Efficacy of Location-Based Features for Survival Prediction of Patients With Glioblastoma Depending on Resection Status.勘误：基于位置特征对不同切除状态的胶质母细胞瘤患者生存预测的疗效。

Front Oncol. 2021 Aug 5;11:745820. doi: 10.3389/fonc.2021.745820. eCollection 2021.

2

Efficacy of Location-Based Features for Survival Prediction of Patients With Glioblastoma Depending on Resection Status.基于位置特征对不同切除状态的胶质母细胞瘤患者进行生存预测的效能

Front Oncol. 2021 Jul 6;11:661123. doi: 10.3389/fonc.2021.661123. eCollection 2021.

3

Corrigendum: Machine Learning-Based Analysis of Magnetic Resonance Radiomics for the Classification of Gliosarcoma and Glioblastoma.勘误：基于机器学习的磁共振影像组学分析用于胶质肉瘤和胶质母细胞瘤的分类

Front Oncol. 2021 Oct 18;11:774369. doi: 10.3389/fonc.2021.774369. eCollection 2021.

4

Erratum: Imaging biomarkers of glioblastoma treatment response: a systematic review and meta-analysis of recent machine learning studies.勘误：胶质母细胞瘤治疗反应的影像学生物标志物：近期机器学习研究的系统评价与荟萃分析。

Front Oncol. 2023 May 24;13:1217461. doi: 10.3389/fonc.2023.1217461. eCollection 2023.

5

Radiomics-based machine learning model for efficiently classifying transcriptome subtypes in glioblastoma patients from MRI.基于放射组学的机器学习模型可高效地对 MRI 中的胶质母细胞瘤患者进行转录组亚型分类。

Comput Biol Med. 2021 May;132:104320. doi: 10.1016/j.compbiomed.2021.104320. Epub 2021 Mar 9.

6

Machine learning-based radiomic, clinical and semantic feature analysis for predicting overall survival and MGMT promoter methylation status in patients with glioblastoma.基于机器学习的放射组学、临床和语义特征分析预测胶质母细胞瘤患者的总生存期和 MGMT 启动子甲基化状态。

Magn Reson Imaging. 2020 Dec;74:161-170. doi: 10.1016/j.mri.2020.09.017. Epub 2020 Sep 25.

7

Corrigendum: Machine Learning and Feature Selection Methods for Disease Classification With Application to Lung Cancer Screening Image Data.勘误：用于疾病分类的机器学习与特征选择方法及其在肺癌筛查图像数据中的应用

Front Oncol. 2020 Jun 5;10:866. doi: 10.3389/fonc.2020.00866. eCollection 2020.

8

Corrigendum: Clinical radiomics-based machine learning versus three-dimension convolutional neural network analysis for differentiation of thymic epithelial tumors from other prevascular mediastinal tumors on chest computed tomography scan.勘误：基于临床放射组学的机器学习与三维卷积神经网络分析在胸部计算机断层扫描上鉴别胸腺上皮肿瘤与其他前纵隔肿瘤的比较。

Front Oncol. 2023 May 31;13:1220962. doi: 10.3389/fonc.2023.1220962. eCollection 2023.

9

Erratum: Improving the Prediction of Benign or Malignant Breast Masses Using a Combination of Image Biomarkers and Clinical Parameters.勘误：使用图像生物标志物和临床参数组合改进乳腺肿块良恶性预测。

Front Oncol. 2021 Apr 29;11:694094. doi: 10.3389/fonc.2021.694094. eCollection 2021.

10

Overall survival prediction in glioblastoma multiforme patients from volumetric, shape and texture features using machine learning.利用机器学习从体积、形状和纹理特征预测多形性胶质母细胞瘤患者的总生存期

Surg Oncol. 2018 Dec;27(4):709-714. doi: 10.1016/j.suronc.2018.09.002. Epub 2018 Sep 10.

勘误：基于位置特征对不同切除状态的胶质母细胞瘤患者生存预测的疗效。

Erratum: Efficacy of Location-Based Features for Survival Prediction of Patients With Glioblastoma Depending on Resection Status.

出版信息

Front Oncol. 2021 Aug 5;11:745820. doi: 10.3389/fonc.2021.745820. eCollection 2021.

DOI:10.3389/fonc.2021.745820

原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC8377806/

Abstract

[This corrects the article DOI: 10.3389/fonc.2021.661123.].

摘要

[本文更正了文章DOI：10.3389/fonc.2021.661123。]