• 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

A Novel Benchmarking Approach to Assess the Agreement among Radiomic Tools.

作者信息

Bettinelli Andrea, Marturano Francesca, Avanzo Michele, Loi Emiliano, Menghi Enrico, Mezzenga Emilio, Pirrone Giovanni, Sarnelli Anna, Strigari Lidia, Strolin Silvia, Paiusco Marta

出版信息

Radiology. 2022 May;303(2):E30. doi: 10.1148/radiol.229008.

DOI:10.1148/radiol.229008
PMID:35468022
Abstract
摘要

相似文献

1
A Novel Benchmarking Approach to Assess the Agreement among Radiomic Tools.一种评估放射组学工具之间一致性的新型基准测试方法。
Radiology. 2022 May;303(2):E30. doi: 10.1148/radiol.229008.
2
The impact of the variation of imaging parameters on the robustness of Computed Tomography radiomic features: A review.成像参数变化对 CT 放射组学特征稳健性的影响：综述。
Comput Biol Med. 2021 Jun;133:104400. doi: 10.1016/j.compbiomed.2021.104400. Epub 2021 Apr 16.
3
Quantitative imaging decision support (QIDS) tool consistency evaluation and radiomic analysis by means of 594 metrics in lung carcinoma on chest CT scan.基于 594 项指标的肺癌 CT 扫描定量成像决策支持（QIDS）工具一致性评估和放射组学分析。
Cancer Control. 2021 Jan-Dec;28:1073274820985786. doi: 10.1177/1073274820985786.
4
Development and Validation of a Preoperative Magnetic Resonance Imaging Radiomics-Based Signature to Predict Axillary Lymph Node Metastasis and Disease-Free Survival in Patients With Early-Stage Breast Cancer.基于术前磁共振成像放射组学的signature 模型：预测早期乳腺癌患者腋窝淋巴结转移和无病生存的研究
JAMA Netw Open. 2020 Dec 1;3(12):e2028086. doi: 10.1001/jamanetworkopen.2020.28086.
5
The MR radiomic signature can predict preoperative lymph node metastasis in patients with esophageal cancer.MR 影像组学特征可预测食管癌患者术前淋巴结转移。
Eur Radiol. 2019 Feb;29(2):906-914. doi: 10.1007/s00330-018-5583-z. Epub 2018 Jul 23.
6
Automated detection of dental artifacts for large-scale radiomic analysis in radiation oncology.用于放射肿瘤学大规模放射组学分析的牙科伪影自动检测
Phys Imaging Radiat Oncol. 2021 Apr 21;18:41-47. doi: 10.1016/j.phro.2021.04.001. eCollection 2021 Apr.
7
A radiomics approach to assess tumour-infiltrating CD8 cells and response to anti-PD-1 or anti-PD-L1 immunotherapy: an imaging biomarker, retrospective multicohort study.一种基于放射组学的方法来评估肿瘤浸润 CD8 细胞与抗 PD-1 或抗 PD-L1 免疫治疗反应的关系：一项影像学生物标志物、回顾性多队列研究。
Lancet Oncol. 2018 Sep;19(9):1180-1191. doi: 10.1016/S1470-2045(18)30413-3. Epub 2018 Aug 14.
8
Development of a Novel, Multi-Parametric, MRI-Based Radiomic Nomogram for Differentiating Between Clinically Significant and Insignificant Prostate Cancer.基于多参数磁共振成像的新型影像组学列线图用于鉴别临床显著与非显著前列腺癌的研究进展
Front Oncol. 2020 Jun 30;10:888. doi: 10.3389/fonc.2020.00888. eCollection 2020.
9
Comprehensive Analysis of Radiomic Datasets by RadAR.基于 RadAR 的影像组学数据集综合分析
Cancer Res. 2020 Aug 1;80(15):3170-3174. doi: 10.1158/0008-5472.CAN-20-0332. Epub 2020 Jun 15.
10
Interchangeability of radiomic features between [18F]-FDG PET/CT and [18F]-FDG PET/MR.基于[18F]-FDG 的 PET/CT 与 PET/MR 影像中影像组学特征的可互换性。
Med Phys. 2019 Apr;46(4):1677-1685. doi: 10.1002/mp.13422. Epub 2019 Feb 22.

引用本文的文献

1
Role of radiomic analysis of [F]fluoromethylcholine PET/CT in predicting biochemical recurrence in a cohort of intermediate and high risk prostate cancer patients at initial staging.[F]氟甲基胆碱 PET/CT 影像组学分析在预测初诊中高危前列腺癌患者生化复发中的作用。
Eur Radiol. 2023 Oct;33(10):7199-7208. doi: 10.1007/s00330-023-09642-9. Epub 2023 Apr 20.
2
An Automated Method for Artifical Intelligence Assisted Diagnosis of Active Aortitis Using Radiomic Analysis of FDG PET-CT Images.基于 FDG PET-CT 图像纹理分析的人工智能辅助诊断活动性主动脉炎的自动化方法。
Biomolecules. 2023 Feb 9;13(2):343. doi: 10.3390/biom13020343.
3
Radiomic and Volumetric Measurements as Clinical Trial Endpoints-A Comprehensive Review.
作为临床试验终点的影像组学和体积测量——全面综述
Cancers (Basel). 2022 Oct 17;14(20):5076. doi: 10.3390/cancers14205076.
4
Predicting Local Failure after Partial Prostate Re-Irradiation Using a Dosiomic-Based Machine Learning Model.使用基于剂量组学的机器学习模型预测前列腺部分再照射后的局部失败
J Pers Med. 2022 Sep 13;12(9):1491. doi: 10.3390/jpm12091491.