Gu104-CSDN博客

原创【文献阅读】Deep learning based classification of breast tumors with shear-waveelastography

本研究旨在建立一个深度学习（DL）架构，用于从剪切波弹性成像（SWE）中自动提取从数据中学习到的图像特征，并评估DL架构在区分良恶性乳腺肿瘤中的作用。我们构建了一个用于SWE特征提取的两层DL体系结构，由点向门控玻尔兹曼机（PGBM）和限制性玻尔兹曼机（RBM）组成。PGBM包含与任务相关和与任务无关的隐藏单元，而与任务相关的单元与RBM相连。对来自121例患者的227张SWE图像、135张良性肿瘤和92张恶性肿瘤进行了5倍交叉验证。用我们的DL架构学习到的特征与量化图像强度和纹理的统计特征进行了比较。

2024-09-13 15:56:40 1198

Gu104的博客

原创【文献阅读】Deep learning based classification of breast tumors with shear-waveelastography

原创【影像组学pyradiomics学习笔记】png图像提取组学特征

原创【影像组学pyradiomics学习笔记】pyradiomics 使用案例

原创【影像组学pyradiomics学习笔记】pyradiomics安装无Microsoft Visual C++ 14.0 或更高版本问题

原创离线安装Microsoft Visual C++ 14.0

原创【影像组学pyradiomics学习笔记】pyradiomics安装及介绍

空空如也

空空如也

原创 【文献阅读】Deep learning based classification of breast tumors with shear-waveelastography

原创 【影像组学pyradiomics学习笔记】png图像提取组学特征

原创 【影像组学pyradiomics学习笔记】pyradiomics 使用案例

原创 【影像组学pyradiomics学习笔记】pyradiomics安装无Microsoft Visual C++ 14.0 或更高版本问题

原创 离线安装Microsoft Visual C++ 14.0

原创 【影像组学pyradiomics学习笔记】pyradiomics安装及介绍

空空如也

空空如也

原创【文献阅读】Deep learning based classification of breast tumors with shear-waveelastography

原创【影像组学pyradiomics学习笔记】png图像提取组学特征

原创【影像组学pyradiomics学习笔记】pyradiomics 使用案例

原创【影像组学pyradiomics学习笔记】pyradiomics安装无Microsoft Visual C++ 14.0 或更高版本问题

原创离线安装Microsoft Visual C++ 14.0

原创【影像组学pyradiomics学习笔记】pyradiomics安装及介绍