Scidown文献预览系统！
肾肿块良恶性预测:基于机器学习的CT纹理分析- ScienceDirect( Prediction of Benign and Malignant Solid Renal Masses: Machine Learning-Based CT Texture Analysis - ScienceDirect )
CE A AHY B CTB B BK B SBK C HD D OK B
理论和目的：本研究旨在探讨基于机器学习(ML)的计算机断层扫描(CT)纹理分析是否能区分肾脏实性肿块的良恶性。材料和方法：回顾性研究了79例单中心肾脏实性肿块84例（良性21例，恶性63例）。恶性肿块包括常见肾细胞癌(RCC)亚型：透明细胞RCC、乳头细胞RCC和嫌色细胞RCC。良性肿块以嗜酸细胞瘤和脂肪缺乏的血管平滑肌脂肪瘤为代表。经过预处理后，从未增强和增强CT图像中提取了271个纹理特征。通过可靠性分析和特征选择算法进行降维。采用嵌套方法进行特征选择、模型优化和验证。分类采用决策树、局部加权学习、K-最近邻、朴素贝叶斯、logistic回归、支持向量机、神经网络和随机森林8种ML算法。结果：CT未增强198例，增强244例。随机森林算法在选取的5个增强CT纹理特征上表现出最佳的预测性能。曲线测量的准确度和曲线下面积分别为90.5%和0.915。消除了高度共线特征后，曲线的准确度和曲线下面积分别提高到91.7%和0.916。结论：基于ML的CT增强纹理分析是鉴别肾实质肿块良恶性的一种有效方法。
SciDown文献求助系统（解决99%问题） Public Download Elsevier ResearchGate
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown 前言下载
scidown 钙钛矿太阳能电池:通过控制自掺杂效应获得长期稳定性的缺陷耐受钙钛矿太阳能电池的研究(ad . Energy Mater. 17/2021)下载
scidown 亚甲基的绝热态制备研究下载