Martin Lillholm
Professor
Machine Learning
Universitetsparken 1
2100 København Ø
ORCID: 0000-0002-1402-6899
21 - 22 ud af 22Pr. side: 10
- 2015
- Udgivet
Assessing breast cancer masking risk with automated texture analysis in full field digital mammography
Kallenberg, M. G. J., Lillholm, Martin, Diao, P., Petersen, K., Holland, K., Karssemeijer, N., Igel, Christian & Nielsen, Mads, 2015, Breast Imaging and Interventional. Radiological Society of North America, Inc, s. 218 1 s.Publikation: Bidrag til bog/antologi/rapport › Konferenceabstrakt i proceedings › Forskning › fagfællebedømt
- 2016
- Udgivet
Learning density independent texture features
Kallenberg, M. G. J., Nielsen, Mads, Holland, K., Karssemeijer, N., Igel, Christian & Lillholm, Martin, 2016, Breast Imaging: 13th International Workshop, IWDM 2016, Malmö, Sweden, June 19-22, 2016, Proceedings. Tingberg, A., Lång, K. & Timberg, P. (red.). Springer, s. 299-306 8 s. (Lecture notes in computer science, Bind 9699).Publikation: Bidrag til bog/antologi/rapport › Konferencebidrag i proceedings › Forskning › fagfællebedømt
ID: 152298477
Flest downloads
-
1625
downloads
Mammographic texture resemblance generalizes as an independent risk factor for breast cancer
Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt
Udgivet -
627
downloads
Mammographic density and structural features can individually and jointly contribute to breast cancer risk assessment in mammography screening: a case-control study
Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt
Udgivet -
339
downloads
Automatic segmentation of high-and low-field knee MRIs using knee image quantification with data from the osteoarthritis initiative
Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt
Udgivet