Radiómica y características profundas: clasificación robusta de hemorragias cerebrales y análisis de reproducibilidad utilizando una red neuronal autoencoder en 3D
Autores: Bijari, Salar; Sayfollahi, Sahar; Mardokh-Rouhani, Shiwa; Bijari, Sahar; Moradian, Sadegh; Zahiri, Ziba; Rezaeijo, Seyed Masoud
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Radiómica y características profundas: clasificación robusta de hemorragias cerebrales y análisis de reproducibilidad utilizando una red neuronal autoencoder en 3D
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Radiómica
Características profundas
Modelos de aprendizaje automático
Hemorragias cerebrales
Clasificación
Evaluación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
Este estudio evalúa la reproducibilidad de modelos de aprendizaje automático que integran radiómica y características profundas (características extraídas de una red neuronal autoencoder 3D) para clasificar eficazmente diversas hemorragias cerebrales.
Descripción
Este estudio evalúa la reproducibilidad de modelos de aprendizaje automático que integran radiómica y características profundas (características extraídas de una red neuronal autoencoder 3D) para clasificar eficazmente diversas hemorragias cerebrales.