| 标题 |
 Breast cancer molecular subtype prediction: Improving interpretability of complex machine-learning models based on multiparametric-MRI features using SHapley Additive exPlanations (SHAP) methodology 乳腺癌分子亚型预测：使用SHapley加性解释（SHAP）方法提高基于多参数MRI特征的复杂机器学习模型的可解释性
相关领域
可解释性
医学
乳腺癌
人工智能
机器学习
癌症
医学物理学
内科学
计算机科学
|
| 网址 | |
| DOI | |
| 其它 |
期刊：Diagnostic and interventional imaging 作者：Amandine Crombé; Masako Kataoka 出版日期：2024-05-01 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
爱静静
嗯哼
朝阳区李知恩
寻道图强
彭于彦祖
现代青枫
cannon8
Leonardi
面向杂志编论文
于芋菊
Jenny
不配.
从容芮
8R60d8
浅尝离白
浅惜
宜醉宜游宜睡
pcr163
kento
iNk
皖公网安备34019202002308
