Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
MSDNet: a deep neural ensemble model for abnormality detection and classification of plain radiographs
2022·17 Zitationen·Journal of Ambient Intelligence and Humanized Computing
Volltext beim Verlag öffnen17
Zitationen
2
Autoren
2022
Jahr
Abstract
Für dieses Paper ist kein Abstract in der Datenbank hinterlegt.
Abstract beim Verlag einsehenÄhnliche Arbeiten
Refinement and reassessment of the SERVQUAL scale.
1991 · 3.966 Zit.
Features and uses of high-fidelity medical simulations that lead to effective learning: a BEME systematic review
2005 · 3.755 Zit.
Radiobiology for the Radiologist.
1974 · 3.501 Zit.
International evidence-based recommendations for point-of-care lung ultrasound
2012 · 2.807 Zit.
Radiation Dose Associated With Common Computed Tomography Examinations and the Associated Lifetime Attributable Risk of Cancer
2009 · 2.427 Zit.
Autoren
Institutionen
Themen
Radiology practices and educationRadiomics and Machine Learning in Medical ImagingArtificial Intelligence in Healthcare and Education