• 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 learning algorithms in predicting the recurrence of renal stones using clinical data.

作者信息

Li Pei, Li Yang, Yang Bowei, Zhang Xingyu, Li Jiongming

机构信息

Department of Urology, The Second Affiliated Hospital of Kunming Medical University, Kunming, China.

出版信息

Urolithiasis. 2023 Dec 14;52(1):12. doi: 10.1007/s00240-023-01516-5.

DOI:10.1007/s00240-023-01516-5
PMID:38095697
Abstract
摘要

相似文献

1
Machine learning algorithms in predicting the recurrence of renal stones using clinical data.使用临床数据的机器学习算法预测肾结石复发情况
Urolithiasis. 2023 Dec 14;52(1):12. doi: 10.1007/s00240-023-01516-5.
2
Predicting symptomatic kidney stones using machine learning algorithms: insights from the Fasa adults cohort study (FACS).使用机器学习算法预测有症状肾结石：法萨成年人队列研究（FACS）的见解。
BMC Res Notes. 2024 Oct 24;17(1):318. doi: 10.1186/s13104-024-06979-2.
3
Dose independent characterization of renal stones by means of dual energy computed tomography and machine learning: an ex-vivo study.双能 CT 与机器学习在肾结石不依赖于剂量特征描述中的应用：一项离体研究。
Eur Radiol. 2020 Mar;30(3):1397-1404. doi: 10.1007/s00330-019-06455-7. Epub 2019 Nov 26.
4
Differentiating kidney stones from phleboliths in unenhanced low-dose computed tomography using radiomics and machine learning.使用放射组学和机器学习在未增强的低剂量 CT 中区分肾结石和静脉石。
Eur Radiol. 2019 Sep;29(9):4776-4782. doi: 10.1007/s00330-019-6004-7. Epub 2019 Feb 12.
5
Microwave dielectric property based classification of renal calculi: Application of a kNN algorithm.基于微波介电特性的肾结石分类：kNN 算法的应用。
Comput Biol Med. 2019 Sep;112:103366. doi: 10.1016/j.compbiomed.2019.103366. Epub 2019 Jul 23.
6
[Application of machine learning models in predicting early stone-free rate after flexible ureteroscopic lithotripsy for renal stones].[机器学习模型在预测肾结石软性输尿管镜碎石术后早期结石清除率中的应用]
Beijing Da Xue Xue Bao Yi Xue Ban. 2019 Aug 18;51(4):653-659. doi: 10.19723/j.issn.1671-167X.2019.04.010.
7
A Novel Machine-Learning Algorithm to Predict Stone Recurrence with 24-Hour Urine Data.一种基于 24 小时尿液数据预测结石复发的新型机器学习算法。
J Endourol. 2024 Aug;38(8):809-816. doi: 10.1089/end.2023.0457.
8
Do dental calculi predict the presence of renal stones?牙结石能预测肾结石的存在吗？
Arch Ital Urol Androl. 2018 Sep 30;90(3):159-162. doi: 10.4081/aiua.2018.3.159.
9
A retrospective study using machine learning to develop predictive model to identify urinary infection stones in vivo.使用机器学习建立预测模型以识别活体中泌尿道感染结石的回顾性研究。
Urolithiasis. 2023 May 31;51(1):84. doi: 10.1007/s00240-023-01457-z.
10
Pediatric urinary stone disease--does age matter?小儿泌尿系统结石病——年龄重要吗？
J Urol. 2009 May;181(5):2267-71; discussion 2271. doi: 10.1016/j.juro.2009.01.050. Epub 2009 Mar 17.

引用本文的文献

1
Prediction of spontaneous distal ureteral stone passage using artificial intelligence.利用人工智能预测自发性远端输尿管结石排出。
Int Urol Nephrol. 2024 Jul;56(7):2179-2186. doi: 10.1007/s11255-024-03955-4. Epub 2024 Feb 10.

本文引用的文献

1
Artificial Intelligence and Its Impact on Urological Diseases and Management: A Comprehensive Review of the Literature.人工智能及其对泌尿系统疾病与管理的影响：文献综述
J Clin Med. 2021 Apr 26;10(9):1864. doi: 10.3390/jcm10091864.
2
Current and future applications of machine and deep learning in urology: a review of the literature on urolithiasis, renal cell carcinoma, and bladder and prostate cancer.目前和未来机器和深度学习在泌尿科中的应用：对肾结石、肾细胞癌以及膀胱癌和前列腺癌文献的综述。
World J Urol. 2020 Oct;38(10):2329-2347. doi: 10.1007/s00345-019-03000-5. Epub 2019 Nov 5.
3
Big Data and Machine Learning in Health Care.
医疗保健中的大数据与机器学习
JAMA. 2018 Apr 3;319(13):1317-1318. doi: 10.1001/jama.2017.18391.