Artículos relacionadosArtículos relacionadosArtículos relacionados
ABORDAJE DEL CÁNCER DE MAMA LOCALMENTE AVANZADO EN AMÉRICA LATINA
JCO Global Oncology 10:1-15
Difundido en siicsalud: 4 oct 2024
LA ASPIRINA COMO TRATAMIENTO ADYUVANTE PARA EL CÁNCER DE MAMA
JAMA 331(20):1714-1721
Difundido en siicsalud: 15 nov 2024

LA EVALUACIÓN DEL RIESGO DE CÁNCER DE MAMA PUEDE MEJORARSE

Boston, EE.UU.: La aplicación de un modelo de aprendizaje profundo que evalúe los patrones mamográficos en la mamografía de campo completo resulta superior para la detección del riesgo de cáncer de mama, en comparación con los modelos aplicados habitualmente.

Profundizar



Fuente científica:
Radiology
1-7
Título original
A Deep Learning Mammography-based Model for Improved Breast Cancer Risk Prediction
Título en castellano
Un Modelo de Aprendizaje Profundo Aplicado sobre la Mamografía para Mejorar la Predicción del Riesgo de Cáncer de Mama
Palabras clave
aprendizaje profundo, mamografía, modelo, cáncer de mama, predicción del riesgo
Key Words
deep learning, mammography, model, breast cancer, risk prediction
Autores
Yala A, Lehman C, Barzilay R
Dirigir correspondencia a:
Adam Yala, Harvard Medical School Department of Radiology, Boston, Massachusetts, EE.UU.
Patrocinio
No declarado.
Conflicto de interés
Algunos autores poseen patentes relacionadas con los modelos de aprendizaje descritos.
Institución
Harvard Medical School


Imprimir esta página

ReSIIC editado en las especialidades:

DI.gif OG.gif   AP.gif MF.gif On.gif 



Comprar este Resumen SIIC (ReSIIC)
El Resumen SIIC en castellano comprende
2.95 páginas impresas en papel A4
Otros artículos escogidos
Los ReSIIC en castellano son resúmenes elaborados por el Comité de Redacción Científica de SIIC en base al texto original completo publicado por la fuente editorial.
Los redactores no vierten opiniones personales.


Artículos relacionadosMás relacionadosAtículos relacionados
INTELIGENCIA ARTIFICIAL PARA MEJORAR EL RENDIMIENTO DIAGNÓSTICO DE LA TOMOGRAFÍA COMPUTARIZADA
JAMA Network Open 6(1):1-10
Difundido en siicsalud: 21 ago 2024
ua31618
Home

Copyright siicsalud © 1997-2024 ISSN siicsalud: 1667-9008