• 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

Deep Learning Assessment of Small Renal Masses.

作者信息

Zhang Xiaoxiao, Zhang Gumuyang, Sun Hao

机构信息

Department of Radiology, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Shuaifuyuan No 1, Wangfujing St, Dongcheng District, Beijing 100730, China.

出版信息

Radiology. 2024 Nov;313(2):e241619. doi: 10.1148/radiol.241619.

DOI:10.1148/radiol.241619
PMID:39589240
Abstract
摘要

相似文献

1
Deep Learning Assessment of Small Renal Masses.小肾肿块的深度学习评估
Radiology. 2024 Nov;313(2):e241619. doi: 10.1148/radiol.241619.
2
Deep Learning Assessment of Small Renal Masses at Contrast-enhanced Multiphase CT.基于对比增强多期 CT 的小肾肿块深度学习评估
Radiology. 2024 May;311(2):e232178. doi: 10.1148/radiol.232178.
3
Differentiation of Small (≤ 4 cm) Renal Masses on Multiphase Contrast-Enhanced CT by Deep Learning.基于深度学习的多期增强 CT 对直径≤4cm 肾脏小病灶的鉴别诊断。
AJR Am J Roentgenol. 2020 Mar;214(3):605-612. doi: 10.2214/AJR.19.22074. Epub 2020 Jan 8.
4
Discriminating malignant and benign clinical T1 renal masses on computed tomography: A pragmatic radiomics and machine learning approach.基于计算机断层扫描鉴别临床T1期肾肿块的良恶性：一种实用的放射组学和机器学习方法。
Medicine (Baltimore). 2020 Apr;99(16):e19725. doi: 10.1097/MD.0000000000019725.
5
Deep learning and radiomics: the utility of Google TensorFlow™ Inception in classifying clear cell renal cell carcinoma and oncocytoma on multiphasic CT.深度学习和放射组学：Google TensorFlow™ Inception 在多期 CT 上对透明细胞肾细胞癌和嗜酸细胞瘤分类的应用。
Abdom Radiol (NY). 2019 Jun;44(6):2009-2020. doi: 10.1007/s00261-019-01929-0.
6
Role of Angular Interface Sign in Characterizing Small Exophytic Renal Masses in Computed Tomography; Prospective Study.角界面征在计算机断层扫描中对小的外生性肾肿块的特征性作用；前瞻性研究。
J Kidney Cancer VHL. 2023 Jun 28;10(2):33-39. doi: 10.15586/jkcvhl.v10i2.262. eCollection 2023.
7
Deep learning based classification of solid lipid-poor contrast enhancing renal masses using contrast enhanced CT.基于深度学习的对比增强 CT 对固体脂质贫脂性增强性肾肿块的分类。
Br J Radiol. 2020 Jul;93(1111):20200002. doi: 10.1259/bjr.20200002. Epub 2020 May 11.
8
Automatic renal mass segmentation and classification on CT images based on 3D U-Net and ResNet algorithms.基于3D U-Net和ResNet算法的CT图像上肾脏肿块自动分割与分类
Front Oncol. 2023 May 18;13:1169922. doi: 10.3389/fonc.2023.1169922. eCollection 2023.
9
A Radiomic-based Machine Learning Algorithm to Reliably Differentiate Benign Renal Masses from Renal Cell Carcinoma.一种基于放射组学的机器学习算法，用于可靠地区分良性肾肿块与肾细胞癌。
Eur Urol Focus. 2022 Jul;8(4):988-994. doi: 10.1016/j.euf.2021.09.004. Epub 2021 Sep 16.
10
Deep Learning for Differentiation of Breast Masses Detected by Screening Ultrasound Elastography.深度学习用于筛查超声弹性成像检测到的乳腺肿块的鉴别诊断
Ultrasound Med Biol. 2023 Apr;49(4):989-995. doi: 10.1016/j.ultrasmedbio.2022.12.003. Epub 2023 Jan 19.

引用本文的文献

1
Multi-modal large language models in radiology: principles, applications, and potential.放射学中的多模态大语言模型：原理、应用及潜力
Abdom Radiol (NY). 2025 Jun;50(6):2745-2757. doi: 10.1007/s00261-024-04708-8. Epub 2024 Dec 2.