关于这个研究课题
过去的十年里经历了巨大的进步在定量成像(又名Radiomics)的爆炸性的改造方法和神经网络在多尺度形态深层网络以前所未有的对开源工具工业贡献。这些发展都影响地区的社会和医学影像社区。研究社区的创新唆使几个问题思考公平伦理的使用技术,可靠的,可再生的使用这些医学人工智能/定量成像方法。我们希望社区使用的方法是可靠和健壮的尽可能最大程度地和可再生的不同变化。
在这种精神,我们想把这个研究主题邀请探索以下区域内(但不限于)。可以原始研究的文章,简短的评论或评论在这些主题。
●可再生的肿瘤学radiomics方法
●测量重复性的人工智能/ Radiomics方法在医学成像
●公平和伦理AI -影响或使用先进的成像结果,人工智能方法的社会。
●调查现有工具在人工智能或Radiomics肿瘤学。
●AI / Radiomic方法的限制或失败
主题编辑器,Yoganand Balagurunathan宣布没有利益冲突的研究课题。他一直与突然的测验LLC(顾问/顾问Y2014-17)和灵巧LLC(支付(自由),科学顾问,Y2011-12)。Harini Veeraraghavan宣布没有利益冲突的研究课题。
在这种精神,我们想把这个研究主题邀请探索以下区域内(但不限于)。可以原始研究的文章,简短的评论或评论在这些主题。
●可再生的肿瘤学radiomics方法
●测量重复性的人工智能/ Radiomics方法在医学成像
●公平和伦理AI -影响或使用先进的成像结果,人工智能方法的社会。
●调查现有工具在人工智能或Radiomics肿瘤学。
●AI / Radiomic方法的限制或失败
主题编辑器,Yoganand Balagurunathan宣布没有利益冲突的研究课题。他一直与突然的测验LLC(顾问/顾问Y2014-17)和灵巧LLC(支付(自由),科学顾问,Y2011-12)。Harini Veeraraghavan宣布没有利益冲突的研究课题。
关键字:人工智能、方法检查,机器学习,肿瘤
重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。
