Ultra-High-Resolution CT: Prediction of Therapeutic Induced Complication with Radiomics Appropach
超高分辨率 CT:利用放射组学方法预测治疗引起的并发症
基本信息
- 批准号:20K08037
- 负责人:
- 金额:$ 2.75万
- 依托单位:
- 依托单位国家:日本
- 项目类别:Grant-in-Aid for Scientific Research (C)
- 财政年份:2020
- 资助国家:日本
- 起止时间:2020-04-01 至 2023-03-31
- 项目状态:已结题
- 来源:
- 关键词:
项目摘要
项目成果
期刊论文数量(29)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Artificial Intelligence and Computer-Aided Diagnosis for Chest Radiology: Clinical Perspective.
胸部放射学的人工智能和计算机辅助诊断:临床视角。
- DOI:
- 发表时间:2022
- 期刊:
- 影响因子:0
- 作者:Ohno Y
- 通讯作者:Ohno Y
Newly Developed Artificial Intelligence Algorithm for COVID-19 Pneumonia: Utility of Quantitative CT Texture Analysis for Prediction of Favipiravir Treatment Effect
新开发的 COVID-19 肺炎人工智能算法:利用定量 CT 纹理分析预测法匹拉韦治疗效果
- DOI:
- 发表时间:2022
- 期刊:
- 影响因子:0
- 作者:Ohno Y; Aoyagi K; Arakita K; Fujisawa Y; Taniguchi A; Ikeda H; Hattori H; Murayama K; Toyama H
- 通讯作者:Toyama H
Machine Learning Based Computer-Aided Simple Triage (CAST) : Capability for COVID-19 Pneumonia Triage in Multicenter and Multi-Reader Study.
基于机器学习的计算机辅助简单分诊 (CAST):多中心和多读者研究中的 COVID-19 肺炎分诊能力。
- DOI:
- 发表时间:2023
- 期刊:
- 影响因子:0
- 作者:Ohno Y; Aoki T; Endo M; Koyama H; Moriya H; Okada F; Higashino T; Sato H; Manabe N; Matsumoto J; Arakita K; Aoyagi K; Ikeda Y; Kaminaga S; Taniguchi A; Sugihara N.
- 通讯作者:Sugihara N.
Ultra-high Resolution CT と Area-Detector CTにおける低線量下CT値測定の検討
超高分辨率CT和区域探测器CT中低剂量CT值测量的思考
- DOI:
- 发表时间:2022
- 期刊:
- 影响因子:0
- 作者:大島夕佳;濱渕菜邑;秋野成臣;伊藤雄也;木全洋奈;藤井健二;藤澤恭子;服部秀計;大野良治;外山 宏
- 通讯作者:外山 宏
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ patent.updateTime }}
Ohno Yoshiharu其他文献
Computed Diffusion-Weighted Imaging in Prostate Cancer: Basics, Advantages, Cautions, and Future Prospects
前列腺癌的计算弥散加权成像:基础知识、优点、注意事项和未来前景
- DOI:
10.3348/kjr.2018.19.5.832 - 发表时间:
2018 - 期刊:
- 影响因子:4.8
- 作者:
Ueno Yoshiko R.;Tamada Tsutomu;Takahashi Satoru;Tanaka Utaru;Sofue Keitaro;K;a Tomonori;Nogami Munenobu;Ohno Yoshiharu;Hinata Nobuyuki;Fujisawa Masato;Murakami Takamichi - 通讯作者:
Murakami Takamichi
Effects of acquisition method and reconstruction algorithm for CT number measurement on standard-dose CT and reduced-dose CT: a QIBA phantom study
CT 数测量的采集方法和重建算法对标准剂量 CT 和减少剂量 CT 的影响:QIBA 体模研究
- DOI:
10.1007/s11604-019-00823-5 - 发表时间:
2019 - 期刊:
- 影响因子:2.1
- 作者:
Ohno Yoshiharu;Fujisawa Yasuko;Fujii Kenji;Sugihara Naoki;Kishida Yuji;Seki Shinichiro;Yoshikawa Takeshi - 通讯作者:
Yoshikawa Takeshi
Effect of Reconstruction Parameters on the Quantitative Analysis of Chest Computed Tomography
重建参数对胸部计算机断层扫描定量分析的影响
- DOI:
10.1097/rti.0000000000000389 - 发表时间:
2019 - 期刊:
- 影响因子:3.3
- 作者:
Kim Hyungjin;Goo Jin Mo;Ohno Yoshiharu;Kauczor Hans;Hoffman Eric A.;Gee James C.;van Beek Edwin J.R. - 通讯作者:
van Beek Edwin J.R.
Machine learning for lung texture analysis on thin-section CT: Capability for assessments of disease severity and therapeutic effect for connective tissue disease patients in comparison with expert panel evaluations
用于薄层 CT 肺部纹理分析的机器学习:与专家小组评估相比,评估结缔组织病患者疾病严重程度和治疗效果的能力
- DOI:
10.1177/02841851211044973 - 发表时间:
2021 - 期刊:
- 影响因子:1.3
- 作者:
Ohno Yoshiharu;Aoyagi Kota;Takenaka Daisuke;Yoshikawa Takeshi;Fujisawa Yasuko;Sugihara Naoki;Hamabuchi Nayu;Hanamatsu Satomu;Obama Yuki;Ueda Takahiro;Hattori Hidekazu;Murayama Kazuhiro;Toyama Hiroshi - 通讯作者:
Toyama Hiroshi
Differentiation of Benign from Malignant Pulmonary Nodules by Using a Convolutional Neural Network to Determine Volume Change at Chest CT
使用卷积神经网络确定胸部 CT 体积变化来区分良性和恶性肺结节
- DOI:
10.1148/radiol.2020191740 - 发表时间:
2020 - 期刊:
- 影响因子:19.7
- 作者:
Ohno Yoshiharu;Aoyagi Kota;Yaguchi Atsushi;Seki Shinichiro;Ueno Yoshiko;Kishida Yuji;Takenaka Daisuke;Yoshikawa Takeshi - 通讯作者:
Yoshikawa Takeshi
Ohno Yoshiharu的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
{{ truncateString('Ohno Yoshiharu', 18)}}的其他基金
New Pulmonary MR Imaging with Ultra-Short TE for Morphological and Functional Evaluations
使用超短 TE 进行形态和功能评估的新型肺部 MR 成像
- 批准号:
15K09923 - 财政年份:2015
- 资助金额:
$ 2.75万 - 项目类别:
Grant-in-Aid for Scientific Research (C)
相似国自然基金
基于联邦学习和多时序CT影像早期智能预测肺结核治疗耐药的研究
- 批准号:82360359
- 批准年份:2023
- 资助金额:32 万元
- 项目类别:地区科学基金项目
基于相衬CT研究胆汁淤积性肝硬化Glisson系统微脉管形态演变对门脉高压的作用机制
- 批准号:82302189
- 批准年份:2023
- 资助金额:30 万元
- 项目类别:青年科学基金项目
新型核素探针YNF-(GX1)2结合PET-CT/切伦科夫双模态成像用于引导早期胃癌精准切除的研究
- 批准号:82373117
- 批准年份:2023
- 资助金额:49 万元
- 项目类别:面上项目
多段有限角光子计数能谱CT图像重建方法研究
- 批准号:62371184
- 批准年份:2023
- 资助金额:50 万元
- 项目类别:面上项目
基于模型与数据双驱动深度字典网络的稀疏角度CT重建方法研究
- 批准号:62371414
- 批准年份:2023
- 资助金额:50 万元
- 项目类别:面上项目
相似海外基金
Optimization and Validation of a Cost-effective Image-Guided Automated Extracapsular Extension Detection Framework through Interpretable Machine Learning in Head and Neck Cancer
通过可解释的机器学习在头颈癌中优化和验证具有成本效益的图像引导自动囊外扩展检测框架
- 批准号:
10648372 - 财政年份:2023
- 资助金额:
$ 2.75万 - 项目类别:
An AI/ML-ready Dataset for Investigating the Effect of Variations in CT Acquisition and Reconstruction
用于研究 CT 采集和重建变化影响的 AI/ML 数据集
- 批准号:
10842635 - 财政年份:2022
- 资助金额:
$ 2.75万 - 项目类别:
Curating musculoskeletal CT data to enable the development of AI/ML approaches for analysis of clinical CT in patients with metastatic spinal disease
整理肌肉骨骼 CT 数据,以开发用于分析转移性脊柱疾病患者临床 CT 的 AI/ML 方法
- 批准号:
10593799 - 财政年份:2020
- 资助金额:
$ 2.75万 - 项目类别:
Deep learning approach to predict tumor regression for adaptive radiotherapy
深度学习方法预测自适应放疗的肿瘤消退
- 批准号:
20K22795 - 财政年份:2020
- 资助金额:
$ 2.75万 - 项目类别:
Grant-in-Aid for Research Activity Start-up
Radiation dose reduction in medical imaging exams by means of deep-learning-based virtual imaging technology
基于深度学习的虚拟成像技术减少医学影像检查中的辐射剂量
- 批准号:
18H02761 - 财政年份:2018
- 资助金额:
$ 2.75万 - 项目类别:
Grant-in-Aid for Scientific Research (B)