• 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

Author Correction: ThyroNet-X4 genesis: an advanced deep learning model for auxiliary diagnosis of thyroid nodules' malignancy.

作者信息

Wang Xiaoxue, Niu Yupeng, Liu Hongli, Tian Fa, Zhang Qiang, Wang Yimeng, Wang Yeju, Li Yijia

机构信息

HanZhong Central Hospital, HanZhong, 723000, China.

College of Information Engineering, Sichuan Agricultural University, Ya'an, 625000, China.

出版信息

Sci Rep. 2025 Mar 27;15(1):10599. doi: 10.1038/s41598-025-94090-2.

DOI:10.1038/s41598-025-94090-2
PMID:40148386
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC11950409/
Abstract
摘要

相似文献

1
Author Correction: ThyroNet-X4 genesis: an advanced deep learning model for auxiliary diagnosis of thyroid nodules' malignancy.作者更正：ThyroNet-X4起源：一种用于辅助诊断甲状腺结节恶性肿瘤的先进深度学习模型。
Sci Rep. 2025 Mar 27;15(1):10599. doi: 10.1038/s41598-025-94090-2.
2
ThyroNet-X4 genesis: an advanced deep learning model for auxiliary diagnosis of thyroid nodules' malignancy.甲状腺网络-X4起源：一种用于辅助诊断甲状腺结节恶性肿瘤的先进深度学习模型。
Sci Rep. 2025 Feb 4;15(1):4214. doi: 10.1038/s41598-025-86819-w.
3
Cascade marker removal algorithm for thyroid ultrasound images.甲状腺超声图像的级联标记去除算法。
Med Biol Eng Comput. 2020 Nov;58(11):2641-2656. doi: 10.1007/s11517-020-02216-7. Epub 2020 Aug 25.
4
The auxiliary diagnosis of thyroid echogenic foci based on a deep learning segmentation model: A two-center study.基于深度学习分割模型的甲状腺回声灶辅助诊断：一项多中心研究。
Eur J Radiol. 2023 Oct;167:111033. doi: 10.1016/j.ejrad.2023.111033. Epub 2023 Aug 11.
5
Thyroid Nodule Doubling Time is Not a Reliable Indicator of Benign or Malignant Nature.甲状腺结节倍增时间并非判断其良恶性的可靠指标。
Ultrasound Q. 2016 Jun;32(2):132-5. doi: 10.1097/RUQ.0000000000000190.
6
Utility of adult-based ultrasound malignancy risk stratifications in pediatric thyroid nodules.基于成人的超声恶性风险分层在儿童甲状腺结节中的应用价值。
Pediatr Radiol. 2018 Jan;48(1):74-84. doi: 10.1007/s00247-017-3974-y. Epub 2017 Oct 5.
7
Deep learning to assist composition classification and thyroid solid nodule diagnosis: a multicenter diagnostic study.深度学习辅助成分分类和甲状腺实性结节诊断：一项多中心诊断研究。
Eur Radiol. 2024 Apr;34(4):2323-2333. doi: 10.1007/s00330-023-10269-z. Epub 2023 Oct 11.
8
Thyroid nodules risk stratification through deep learning based on ultrasound images.基于超声图像的深度学习甲状腺结节风险分层
Med Phys. 2020 Dec;47(12):6355-6365. doi: 10.1002/mp.14543. Epub 2020 Nov 14.
9
F-FDG PET/CT diagnostic performance in solitary and multiple pulmonary nodules detected in patients with previous cancer history: reports of 182 nodules.在有既往癌症病史的患者中检测到的单发和多发肺结节的 F-FDG PET/CT 诊断性能：182 个结节的报告。
Eur J Nucl Med Mol Imaging. 2019 Feb;46(2):429-436. doi: 10.1007/s00259-018-4226-6. Epub 2018 Dec 8.
10
Texture and shape analysis of diffusion-weighted imaging for thyroid nodules classification using machine learning.基于机器学习的甲状腺结节分类的弥散加权成像纹理和形状分析。
Med Phys. 2022 Feb;49(2):988-999. doi: 10.1002/mp.15399. Epub 2021 Dec 23.

引用本文的文献

1
Incorporation of clinical features into a multivariate logistic regression model for the differential diagnosis of benign and malignant TI-RADS 4 thyroid nodules.将临床特征纳入多变量逻辑回归模型以鉴别诊断TI-RADS 4类甲状腺结节的良恶性。
Front Endocrinol (Lausanne). 2025 May 29;16:1550034. doi: 10.3389/fendo.2025.1550034. eCollection 2025.