Council NSaT, 2016, United States: networking and Information Technology Research and Development Subcommittee, 1
10.1016/j.breast.2017.09.003
10.1001/jamaoncol.2017.0473
Wang D, Khosla A, Gargeya R, et al. Deep learning for identifying metastatic breast cancer. Beth Israel Deaconess Medical Center, Harvard Medical School; 2016. p. 1–6.
10.1097/XEB.0000000000000050
10.1016/j.jclinepi.2014.03.013
10.1080/1364557032000119616
Rodriguez-Ruiz A, 2019, J Natl Cancer Inst, 111, djy222, 10.1093/jnci/djy222
10.1016/j.cmpb.2018.01.017
10.1038/s41598-018-22437-z
10.1016/j.cmpb.2018.01.011
10.1016/j.cmpb.2018.01.007
Becker AS, 2018, Br J Radiol, 91, 20170576, 10.1259/bjr.20170576
10.1007/978-3-319-67558-9_20
10.1097/RLI.0000000000000358
10.1016/j.artmed.2017.07.003
10.1016/j.media.2016.07.007
Samala RK, 2017, Phys Med Biol, 62, 8894, 10.1088/1361-6560/aa93d4
10.1007/s10278-017-9993-2
10.1016/j.media.2017.01.009
10.1016/j.compmedimag.2016.07.004
10.3109/03091902.2014.942041
10.1016/j.artmed.2012.12.004
10.1007/s10916-011-9813-z
10.1007/s10916-011-9781-3
Parmeggiani D, 2012, Ann Ital Chir, 83, 1
10.1088/0031-9155/57/16/5295
10.1007/s10916-010-9485-0
10.1371/journal.pone.0087387
10.1007/s10916-011-9723-0
10.1016/j.jbi.2014.01.010
10.1007/s10916-011-9762-6
10.1007/s10916-009-9301-x
10.1007/s10278-015-9807-3
Qiu Y, 2017, J Xray Sci Technol, 25, 751
10.1007/s11548-014-0992-1
10.1016/j.ultrasmedbio.2015.07.020
10.1016/j.compmedimag.2012.07.004
10.1007/s10278-014-9757-1
10.1016/j.ultras.2016.08.004
10.1001/jamaoncol.2015.5569