Machine learning can reliably predict malignancy of breast lesions based on clinical and ultrasonographic features (2024)
- Authors:
- USP affiliated authors: TIEZZI, DANIEL GUIMARÃES - FMRP ; RECIFE, SARAH ABUD - FMRP ; BUZATTO, ISABELA PANZERI CARLOTTI - FMRP ; MIGUEL, LICÉRIO - FMRP
- Unidade: FMRP
- DOI: 10.1007/s10549-024-07429-0
- Subjects: NEOPLASIAS MAMÁRIAS; APRENDIZADO COMPUTACIONAL; MEDICINA PREVENTIVA; BIOMARCADORES; ESTATÍSTICA
- Keywords: Breast ultrasound; Machine learning; Artificial intelligence; Prediction; Breast biopsy
- Language: Inglês
- Imprenta:
- Source:
- Título: Breast Cancer Research and Treatment
- ISSN: 0167-6806
- Volume/Número/Paginação/Ano: v. 211, p. 581-593, 2024
- Status:
- Nenhuma versão em acesso aberto identificada
-
ABNT
BUZATTO, Isabela Panzeri Carlotti et al. Machine learning can reliably predict malignancy of breast lesions based on clinical and ultrasonographic features. Breast Cancer Research and Treatment, v. 211, p. 581-593, 2024Tradução . . Disponível em: https://doi.org/10.1007/s10549-024-07429-0. Acesso em: 01 abr. 2026. -
APA
Buzatto, I. P. C., Recife, S. A., Miguel, L. F. F., Bonini, R. M., Onari, N., Faim, A. L. P. A., et al. (2024). Machine learning can reliably predict malignancy of breast lesions based on clinical and ultrasonographic features. Breast Cancer Research and Treatment, 211, 581-593. doi:10.1007/s10549-024-07429-0 -
NLM
Buzatto IPC, Recife SA, Miguel LFF, Bonini RM, Onari N, Faim ALPA, Silvestre L, Carlotti DP, Fröhlich AA, Tiezzi DG. Machine learning can reliably predict malignancy of breast lesions based on clinical and ultrasonographic features [Internet]. Breast Cancer Research and Treatment. 2024 ; 211 581-593.[citado 2026 abr. 01 ] Available from: https://doi.org/10.1007/s10549-024-07429-0 -
Vancouver
Buzatto IPC, Recife SA, Miguel LFF, Bonini RM, Onari N, Faim ALPA, Silvestre L, Carlotti DP, Fröhlich AA, Tiezzi DG. Machine learning can reliably predict malignancy of breast lesions based on clinical and ultrasonographic features [Internet]. Breast Cancer Research and Treatment. 2024 ; 211 581-593.[citado 2026 abr. 01 ] Available from: https://doi.org/10.1007/s10549-024-07429-0 - Cirurgia para o câncer de endométrio: comparação das abordagens laparotômica e laparoscópica
- Fatores de predição de resposta ao tratamento neoadjuvante com trastuzumabe associado à quimioterapia em pacientes com câncer de mama HER2 positivo
- Machine learning como método de predição de malignidade em lesões mamárias identificadas à ultrassonografia
- Estimation of clinical benefit and economic burden for using a commercial 70-gene signature test for Brazilian breast cancer patients in the public health system
- Real-world data on adjuvant capecitabine after standard neoadjuvant chemotherapy for triple negative breast cancer
- The temporal mutational and immune tumour microenvironment remodelling of HER2-negative primary breast cancers
- Indução da apoptose em tumores de mama sob quimioterapia neoadjuvante: comparação entre dois esquemas terapêuticos
- Células iniciadoras de tumor (CD44+/CD24-) como fator de predição de metástase axilar no câncer de mama estágio I e II
- A cirurgia no tratamento do câncer da mama: um antigo recurso para um emergente problema de saúde pública
- Docetaxel enhance the response to neodjuvant chemotherapy in stage II and III breast cancer
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
003285687.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
