Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Machine Learning Using Multiparametric Magnetic Resonance Imaging Radiomic Feature Analysis to Predict Ki-67 in World Health Organization Grade I Meningiomas.

Szczegóły

Tytuł:: Machine Learning Using Multiparametric Magnetic Resonance Imaging Radiomic Feature Analysis to Predict Ki-67 in World Health Organization Grade I Meningiomas.
Autorzy:: Khanna, Omaditya
Kazerooni, Anahita Fathi
Farrell, Christopher J
Baldassari, Michael P
Alexander, Tyler D
Karsy, Michael
Greenberger, Benjamin A
Garcia, Jose A
Sako, Chiharu
Evans, James J
Judy, Kevin D
Andrews, David W
Flanders, Adam E
Sharan, Ashwini D
Dicker, Adam P
Shi, Wenyin
Davatzikos, Christos
Źródło:: Neurosurgery; Nov2021, Vol. 89 Issue 5, p928-936, 9p
: Czasopismo naukowe

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies

Informacja

Machine Learning Using Multiparametric Magnetic Resonance Imaging Radiomic Feature Analysis to Predict Ki-67 in World Health Organization Grade I Meningiomas.