CareLit · DOI-Nachweis · Ultraschall in der Medizin - European Journal of Ultrasound
Deep learning radiomics of multimodal ultrasound for classifying metastatic cervical lymphadenopathy into primary cancer sites: a feasibility study
DOI 10.1055/a-2161-9369
Bibliografische Angaben
Nachweis in CareLit
Autor:innenHao Wu, Xiao Fan, Wenhao lv, Jie Tian, Kun Wang, Fang Nie
ZeitschriftUltraschall in der Medizin - European Journal of Ultrasound
Ausgabe03/2024
Jahrgang / SeitenJg. 45 · S. 305-315
Kernaussage aus der Literatur
Abstract-Vorschau
Zusammenfassung Ziel Untersuchung der Machbarkeit von Deep-Learning-Radiomics (DLR), basierend auf multimodalem Ultraschall zur Differenzierung primärer Krebsherde bei metastasierter zervikaler Lymphadenopathie (CLA). Material und Methoden In dieser Studie wurden 280 durch Biopsie bestätigte metastatische CLAs von 280 Krebspatienten analysiert, darunter 54 mit Plattenepithel-Karzinomen im Kopf-Hals-Bereich (HNSCC),…
Zitieren
Zitierempfehlung
Hao Wu, Xiao Fan, Wenhao lv, Jie Tian, Kun Wang, Fang Nie (2024) Deep learning radiomics of multimodal ultrasound for classifying metastatic cervical lymphadenopathy into primary cancer sites: a feasibility study. Ultraschall in der Medizin - European Journal of Ultrasound, 45 (03), 305-315. https://doi.org/10.1055/a-2161-9369
Mit CareLit weiterarbeiten