ترجمه فارسی مقاله ترکیب بدن به عنوان نشانگر زیستی برای ارزیابی خطر ابتلا به سرطان ریه در آینده

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Body composition as a biomarker for assessing future lung cancer risk
عنوان مقاله به فارسی ترکیب بدن به عنوان نشانگر زیستی برای ارزیابی خطر ابتلا به سرطان ریه در آینده
نویسندگان Jing Wang, Joseph K. Leader, Xin Meng, Tong Yu, Renwei Wang, James Herman, Jian-min Yuan, David Wilson, Jiantao Pu
فرمت مقاله انگلیسی PDF
تعداد صفحات 22
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Radiology and Imaging رادیولوژی و تصویربرداری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Materials and Methods Low-dose computed tomography (LDCT) scans from the Pittsburgh Lung Screening Study (PLuSS) (n=3,635, 22 follow-up years) and NLST-ACRIN (n=16,435, 8 follow-up years) cohorts were used in the study. Artificial intelligence (AI) algorithms were developed to automatically segment and quantify subcutaneous adipose tissue (SAT), visceral adipose tissue (VAT), intramuscular adipose tissue (IMAT), skeletal muscle (SM), and bone. Cause-specific Cox proportional hazards models were used to evaluate the hazard ratios (HRs). Standard time-dependent receiver operating characteristic (ROC) analysis was used to evaluate the prognostic ability of different models over time.

چکیده به فارسی (ترجمه ماشینی)

اسکن مواد و روشهای توموگرافی کامپیوتری با دوز کم (LDCT) از مطالعه غربالگری ریه پیتسبورگ (PLUS) (3،635 = n = 3،635 ، 22 سال پیگیری) و NLST-ACRIN (16،435 نفر ، 8 سال پیگیری) از گروههای استفاده شد.در مطالعهالگوریتم های هوش مصنوعی (AI) برای تقسیم خودکار و تعیین کمیت بافت چربی زیر جلدی (SAT) ، بافت چربی احشایی (مالیات بر ارزش افزوده) ، بافت چربی عضلانی (IMAT) ، عضله اسکلتی (SM) و استخوان ایجاد شد.برای ارزیابی نسبت خطر (HRS) از مدل های خطرات متناسب COX خاص استفاده شد.برای ارزیابی توانایی پیش آگهی مدلهای مختلف در طول زمان از تجزیه و تحلیل مشخصه عملکرد گیرنده زمان استاندارد (ROC) استفاده شد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.