• 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

Editorial for "Glioblastoma and Solitary Brain Metastasis: Differentiation by Integrating Demographic-MRI and Deep-Learning Radiomics Signatures".

作者信息

Okada Tomohisa

机构信息

Human Brain Research Center, Graduate School of Medicine, Kyoto University, Kyoto, Japan.

出版信息

J Magn Reson Imaging. 2024 Sep;60(3):921-922. doi: 10.1002/jmri.29126. Epub 2023 Nov 16.

DOI:10.1002/jmri.29126
PMID:37974516
Abstract
摘要

相似文献

1
Editorial for "Glioblastoma and Solitary Brain Metastasis: Differentiation by Integrating Demographic-MRI and Deep-Learning Radiomics Signatures".《胶质母细胞瘤与孤立性脑转移瘤：通过整合人口统计学 - MRI 及深度学习影像组学特征进行鉴别》的社论
J Magn Reson Imaging. 2024 Sep;60(3):921-922. doi: 10.1002/jmri.29126. Epub 2023 Nov 16.
2
Glioblastoma and Solitary Brain Metastasis: Differentiation by Integrating Demographic-MRI and Deep-Learning Radiomics Signatures.胶质母细胞瘤和单发脑转移瘤：通过整合人口统计学 MRI 和深度学习放射组学特征进行区分。
J Magn Reson Imaging. 2024 Sep;60(3):909-920. doi: 10.1002/jmri.29123. Epub 2023 Nov 13.
3
A radiomics-based model to differentiate glioblastoma from solitary brain metastases.基于放射组学的模型，用于区分脑胶质母细胞瘤与单发脑转移瘤。
Clin Radiol. 2021 Aug;76(8):629.e11-629.e18. doi: 10.1016/j.crad.2021.04.012. Epub 2021 Jun 4.
4
Differentiation between glioblastoma, brain metastasis and subtypes using radiomics analysis.使用放射组学分析对胶质母细胞瘤、脑转移瘤和亚型进行区分。
J Magn Reson Imaging. 2019 Aug;50(2):519-528. doi: 10.1002/jmri.26643. Epub 2019 Jan 11.
5
Development and Validation of a Deep Learning-Based Model to Distinguish Glioblastoma from Solitary Brain Metastasis Using Conventional MR Images.基于深度学习的模型在利用常规磁共振成像区分脑胶质母细胞瘤和单发脑转移瘤中的建立与验证。
AJNR Am J Neuroradiol. 2021 May;42(5):838-844. doi: 10.3174/ajnr.A7003. Epub 2021 Mar 18.
6
Applications of radiomics and machine learning for radiotherapy of malignant brain tumors.放射组学和机器学习在恶性脑肿瘤放疗中的应用。
Strahlenther Onkol. 2020 Oct;196(10):856-867. doi: 10.1007/s00066-020-01626-8. Epub 2020 May 11.
7
Deep Learning Radiomics for the Assessment of Telomerase Reverse Transcriptase Promoter Mutation Status in Patients With Glioblastoma Using Multiparametric MRI.基于多参数MRI的深度学习影像组学用于评估胶质母细胞瘤患者端粒酶逆转录酶启动子突变状态
J Magn Reson Imaging. 2023 Nov;58(5):1441-1451. doi: 10.1002/jmri.28671. Epub 2023 Mar 10.
8
Radiomics features to distinguish glioblastoma from primary central nervous system lymphoma on multi-parametric MRI.基于多参数MRI的区分胶质母细胞瘤与原发性中枢神经系统淋巴瘤的影像组学特征
Neuroradiology. 2018 Dec;60(12):1297-1305. doi: 10.1007/s00234-018-2091-4. Epub 2018 Sep 19.
9
Differentiation of glioblastoma from solitary brain metastasis using deep ensembles: Empirical estimation of uncertainty for clinical reliability.使用深度学习集成对胶质母细胞瘤与单发脑转移瘤进行鉴别：对临床可靠性的不确定性进行经验估计。
Comput Methods Programs Biomed. 2024 Sep;254:108288. doi: 10.1016/j.cmpb.2024.108288. Epub 2024 Jun 21.
10
Discrimination Between Glioblastoma and Solitary Brain Metastasis Using Conventional MRI and Diffusion-Weighted Imaging Based on a Deep Learning Algorithm.基于深度学习算法的常规 MRI 和弥散加权成像在胶质母细胞瘤与单发脑转移瘤鉴别诊断中的应用。
J Digit Imaging. 2023 Aug;36(4):1480-1488. doi: 10.1007/s10278-023-00838-5. Epub 2023 May 8.

引用本文的文献

1
Multiple deep learning models based on MRI images in discriminating glioblastoma from solitary brain metastases: a multicentre study.基于MRI图像的多种深度学习模型鉴别胶质母细胞瘤与孤立性脑转移瘤：一项多中心研究
BMC Med Imaging. 2025 May 19;25(1):171. doi: 10.1186/s12880-025-01703-3.