<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://dirros.openscience.si/IzpisGradiva.php?id=19052"><dc:title>Prepoznavanje ogroženosti za nastanek raka dojk na mamografskih slikah</dc:title><dc:creator>Klaneček,	Žan	(Avtor)
	</dc:creator><dc:creator>Studen,	Andrej	(Avtor)
	</dc:creator><dc:creator>Jarm,	Katja	(Avtor)
	</dc:creator><dc:creator>Krajc,	Mateja	(Avtor)
	</dc:creator><dc:creator>Vrhovec,	Miloš	(Avtor)
	</dc:creator><dc:creator>Jeraj,	Robert	(Avtor)
	</dc:creator><dc:subject>obvladovanje raka</dc:subject><dc:subject>presejalni programi</dc:subject><dc:subject>rak dojk</dc:subject><dc:subject>mamografija</dc:subject><dc:description>Za prehod s populacijskega na personalizirano presejanje za raka dojk je v prvi vrsti potrebno natančno prepoznavanje ogroženosti za razvoj raka dojk. Standardni modeli, ki temeljijo na klasičnih značilkah, niso najbolj zanesljivi. Z razvojem umetne inteligence, predvsem na področju globokega učenja, se je izkazalo, da modeli, ki so naučeni na mamografskih slikah, dosegajo signifikantno boljše rezultate pri napovedovanju ogroženosti. Trenutno je najboljši model za napovedovanje ogroženosti MIRAI, ki je bil uspešno validiran na različnih populacijah. A vendar so rezultati še daleč od popolnih in možnosti za izboljšave je ogromno, predvsem na področju razširitve uporabnosti modela za različne proizvajalce mamografskih aparatov, vključevanja longitudinalnih sprememb in uporabe segmentiranih slik dojke.</dc:description><dc:publisher>Kancerološko združenje Slovenskega zdravniškega društva : Onkološki inštitut</dc:publisher><dc:date>2024</dc:date><dc:date>2024-06-06 10:59:47</dc:date><dc:type>Neznano</dc:type><dc:identifier>19052</dc:identifier><dc:source>Ljubljana</dc:source><dc:language>sl</dc:language><dc:rights>by Authors</dc:rights></rdf:Description></rdf:RDF>
