• 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

相似文献

1
Editorial: Automatic methods for multiple sclerosis new lesions detection and segmentation.社论：用于多发性硬化症新病灶检测与分割的自动方法
Front Neurosci. 2023 Mar 14;17:1176625. doi: 10.3389/fnins.2023.1176625. eCollection 2023.
2
Automatic segmentation of hepatocellular carcinoma on dynamic contrast-enhanced MRI based on deep learning.基于深度学习的动态对比增强磁共振成像对肝细胞癌的自动分割
Phys Med Biol. 2024 Mar 12;69(6). doi: 10.1088/1361-6560/ad2790.
3
Limited One-time Sampling Irregularity Map (LOTS-IM) for Automatic Unsupervised Assessment of White Matter Hyperintensities and Multiple Sclerosis Lesions in Structural Brain Magnetic Resonance Images.用于结构磁共振成像中白质高信号和多发性硬化病变自动无监督评估的有限一次性采样不规则图（LOTS-IM）。
Comput Med Imaging Graph. 2020 Jan;79:101685. doi: 10.1016/j.compmedimag.2019.101685. Epub 2019 Nov 27.
4
Recent advances in the longitudinal segmentation of multiple sclerosis lesions on magnetic resonance imaging: a review.磁共振成像中多发性硬化病变纵向分割的最新进展：综述
Neuroradiology. 2022 Nov;64(11):2103-2117. doi: 10.1007/s00234-022-03019-3. Epub 2022 Jul 22.
5
An automatic progressive chromosome segmentation approach using deep learning with traditional image processing.一种基于深度学习和传统图像处理的自动渐进式染色体分割方法。
Med Biol Eng Comput. 2024 Jan;62(1):207-223. doi: 10.1007/s11517-023-02896-x. Epub 2023 Sep 28.
6
Automatic segmentation of the spinal cord and intramedullary multiple sclerosis lesions with convolutional neural networks.基于卷积神经网络的脊髓和髓内多发性硬化病变自动分割。
Neuroimage. 2019 Jan 1;184:901-915. doi: 10.1016/j.neuroimage.2018.09.081. Epub 2018 Oct 6.
7
Joint MRI T1 Unenhancing and Contrast-enhancing Multiple Sclerosis Lesion Segmentation with Deep Learning in OPERA Trials.基于 OPERA 试验的深度学习方法对 MRI T1 未增强相与增强相多发性硬化病变的分割。
Radiology. 2022 Mar;302(3):662-673. doi: 10.1148/radiol.211528. Epub 2021 Dec 14.
8
Automatic Tissue Image Segmentation Based on Image Processing and Deep Learning.基于图像处理和深度学习的自动组织图像分割。
J Healthc Eng. 2019 Jan 31;2019:2912458. doi: 10.1155/2019/2912458. eCollection 2019.
9
Evaluating the effect of multiple sclerosis lesions on automatic brain structure segmentation.评估多发性硬化症病变对脑结构自动分割的影响。
Neuroimage Clin. 2017 May 8;15:228-238. doi: 10.1016/j.nicl.2017.05.003. eCollection 2017.
10
Deep learning-based automatic segmentation of images in cardiac radiography: A promising challenge.基于深度学习的心脏放射成像图像自动分割：一项颇具前景的挑战。
Comput Methods Programs Biomed. 2022 Jun;220:106821. doi: 10.1016/j.cmpb.2022.106821. Epub 2022 Apr 19.

引用本文的文献

1
A generalizable deep voxel-guided morphometry algorithm for the detection of subtle lesion dynamics in multiple sclerosis.一种用于检测多发性硬化症细微病变动态的可推广的深度体素引导形态测量算法。
Front Neurosci. 2024 Jan 25;18:1326108. doi: 10.3389/fnins.2024.1326108. eCollection 2024.

本文引用的文献

1
Trustworthy clinical AI solutions: A unified review of uncertainty quantification in Deep Learning models for medical image analysis.值得信赖的临床人工智能解决方案：医学图像分析中深度学习模型不确定性量化的综合综述。
Artif Intell Med. 2024 Apr;150:102830. doi: 10.1016/j.artmed.2024.102830. Epub 2024 Mar 4.
2
Role of artificial intelligence in MS clinical practice.人工智能在多发性硬化症临床实践中的作用。
Neuroimage Clin. 2022;35:103065. doi: 10.1016/j.nicl.2022.103065. Epub 2022 May 28.
3
Multiple sclerosis lesions segmentation from multiple experts: The MICCAI 2016 challenge dataset.多发性硬化病变分割来自多位专家：MICCAI 2016 挑战赛数据集。
Neuroimage. 2021 Dec 1;244:118589. doi: 10.1016/j.neuroimage.2021.118589. Epub 2021 Sep 24.
4
Small Animal Shanoir (SAS) A Cloud-Based Solution for Managing Preclinical MR Brain Imaging Studies.小动物Shanoir（SAS）：一种用于管理临床前磁共振脑成像研究的基于云的解决方案。
Front Neuroinform. 2020 May 19;14:20. doi: 10.3389/fninf.2020.00020. eCollection 2020.
5
New OFSEP recommendations for MRI assessment of multiple sclerosis patients: Special consideration for gadolinium deposition and frequent acquisitions.新的 OFSEP 推荐用于多发性硬化症患者的 MRI 评估：特别考虑钆沉积和频繁采集。
J Neuroradiol. 2020 Jun;47(4):250-258. doi: 10.1016/j.neurad.2020.01.083. Epub 2020 Jan 31.
6
Observatoire Français de la Sclérose en Plaques (OFSEP): A unique multimodal nationwide MS registry in France.法国多发性硬化症观察站（OFSEP）：法国独一无二的全国性多发性硬化症多模式注册中心。
Mult Scler. 2020 Jan;26(1):118-122. doi: 10.1177/1352458518815602. Epub 2018 Dec 13.
7
Survey of automated multiple sclerosis lesion segmentation techniques on magnetic resonance imaging.磁共振成像上自动多发性硬化病变分割技术调查。
Comput Med Imaging Graph. 2018 Dec;70:83-100. doi: 10.1016/j.compmedimag.2018.10.002. Epub 2018 Oct 5.
8
Diagnosis of multiple sclerosis: 2017 revisions of the McDonald criteria.多发性硬化症的诊断：2017 年麦当劳标准修订版。
Lancet Neurol. 2018 Feb;17(2):162-173. doi: 10.1016/S1474-4422(17)30470-2. Epub 2017 Dec 21.
9
Longitudinal multiple sclerosis lesion segmentation data resource.纵向多发性硬化病变分割数据资源。
Data Brief. 2017 Apr 8;12:346-350. doi: 10.1016/j.dib.2017.04.004. eCollection 2017 Jun.
10
Improving automated multiple sclerosis lesion segmentation with a cascaded 3D convolutional neural network approach.采用级联3D卷积神经网络方法改进自动多发性硬化病变分割
Neuroimage. 2017 Jul 15;155:159-168. doi: 10.1016/j.neuroimage.2017.04.034. Epub 2017 Apr 19.

Editorial: Automatic methods for multiple sclerosis new lesions detection and segmentation.

作者信息

Commowick Olivier, Combès Benoît, Cervenansky Frédéric, Dojat Michel

机构信息

Empenn INSERM U1228, CNRS UMR6074, Inria, University of Rennes I, Rennes, France.

Univ Lyon, INSA-Lyon, Université Claude Bernard Lyon 1, UJM-Saint Etienne, CNRS, Inserm, CREATIS UMR 5220, U1206, Lyon, France.

出版信息

Front Neurosci. 2023 Mar 14;17:1176625. doi: 10.3389/fnins.2023.1176625. eCollection 2023.

DOI:10.3389/fnins.2023.1176625
PMID:36998735
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC10043498/
Abstract
摘要