يعرض 1 - 20 نتائج من 66 نتيجة بحث عن '"ключевые точки"', وقت الاستعلام: 0.50s تنقيح النتائج
  1. 1
    Academic Journal
  2. 2
    Academic Journal

    المساهمون: Исследование выполнено при поддержке гранта Российского научного фонда № 23-75-10009, https://rscf.ru/project/23-75-10009/.

    المصدر: Complex Issues of Cardiovascular Diseases; Том 13, № 1 (2024); 144-151 ; Комплексные проблемы сердечно-сосудистых заболеваний; Том 13, № 1 (2024); 144-151 ; 2587-9537 ; 2306-1278

    وصف الملف: application/pdf

    Relation: https://www.nii-kpssz.com/jour/article/view/1390/882; https://www.nii-kpssz.com/jour/article/downloadSuppFile/1390/1454; https://www.nii-kpssz.com/jour/article/downloadSuppFile/1390/1455; Abdelgawad A.M.E., Hussein M.A., Naeim H., Abuelatta R., Alghamdy S. A comparative study of TAVR versus SAVR in moderate and high-risk surgical patients: hospital outcome and midterm results. Heart Surg Forum. Heart Surg Forum. 2019;22(5):E331-E339. doi:10.1532/hsf.2243.; Baumgartner H., Falk V., Bax J.J., De Bonis M., Hamm C., Holm P.J., Iung B, Lancellotti P, Lansac E, Rodriguez Muñoz D, Rosenhek R, Sjögren J, Tornos Mas P, Vahanian A, Walther T, Wendler O, Windecker S, Zamorano JL; ESC Scientific Document Group.2017 ESC/EACTS Guidelines for the management of valvular heart disease. Eur Heart J.2017;38(36):2739-2791. doi:10.1093/eurheartj/ehx391.; Winkel M.G., Stortecky S., Wenaweser P. Transcatheter aortic valve implantation current indications and future directions. Front Cardiovasc Med. 2019;6:179. doi:10.3389/fcvm.2019.00179.; Veulemans V., Mollus S., Saalbach A., Pietsch M., Hellhammer K., Zeus T., Westenfeld R., Weese J., Kelm M., Balzer J. Optimal C-arm angulation during transcatheter aortic valve replacement: accuracy of a rotational C-arm computed tomography based three dimensional heart model. World J Cardiol. 2016;8(10):606-614. doi:10.4330/wjc.v8.i10.606.; Dasi L.P., Hatoum H., Kheradvar A., Zareian R., Alavi S.H., Sun W., Martin C., Pham T., Wang Q., Midha P.A., Raghav V., Yoganathan A.P. On the mechanics of transcatheter aortic valve replacement. Ann Biomed Eng. 2017;45(2):310-331. doi:10.1007/s10439-016-1759-3.; Chourdakis E., Koniari I., Kounis N.G., Velissaris D., Koutsogiannis N., Tsigkas G., Hauptmann K.E., Sontag B., Hahalis G. The role of echocardiography and CT angiography in transcatheter aortic valve implantation patients. J Geriatr Cardiol. 2018;15(1):86-94. doi:10.11909/j.issn.1671-5411.2018.01.006.; Chakravarty T., Jilaihawi H., Doctor N., Fontana G., Forrester J.S., Cheng W., Makkar R. Complications after Transfemoral Transcatheter Aortic Valve Replacement with a Balloon-Expandable Prosthesis: The Importance of Preventative Measures and Contingency Planning. Catheter Cardiovasc Interv. 2018;91(5):E29-E42. doi:10.1002/ccd.24888.; Scarsini R., De Maria G.L., Joseph J., Fan L., Cahill T.J., Kotronias R.A., Burzotta F., Newton J.D., Kharbanda R., Prendergast B., Ribichini F., Banning A.P. Impact of complications during transfemoral transcatheter aortic valve replacement: how can they be avoided and managed? J Am Heart Assoc. 2019;8(18):e013801. doi:10.1161/JAHA.119.013801.; Kappetein A.P., Head S.J., Genereux P., Piazza N., van Mieghem N.M., Blackstone E.H., Brott T.G., Cohen D.J., Cutlip D.E., van Es G.A., Hahn R.T., Kirtane A.J., Krucoff M.W., Kodali S., Mack M.J., Mehran R., Rodés-Cabau J., Vranckx P., Webb J.G., Windecker S., Serruys P.W., Leon M.B. Updated standardized endpoint definitions for transcatheter aortic valve implantation.: the Valve Academic Research Consortium-2 consensus document (VARC-2). Eur J Cardio-Thoracic Surg. 2012;33(19):2403-18. doi:10.1093/eurheartj/ehs255.; Chan J.L., Mazilu D., Miller J.G., Hunt T., Horvath K.A., Li M. Robotic-assisted real-time MRI-guided TAVR: from system deployment to in vivo experiment in swine model. Int J Comput Assist Radiol Surg. 2016;11(10):1905-18. doi:10.1007/s11548-016-1421-4.; Kilic T., Yilmaz I. Transcatheter aortic valve implantation: a revolution in the therapy of elderly and high-risk patients with severe aortic stenosis. J Geriatr Cardiol. 2017;14:204–17. doi:10.11909/j.issn.1671-5411.2017.03.002; Codner P., Lavi I., Malki G., Vaknin-Assa H., Assali A., Kornowski R. C-THV measures of self-expandable valve positioning and correlation with implant outcomes. Catheter Cardiovasc Interv. 2014;84(6):877-84. doi:10.1002/ccd.25594.; Horehledova B., Mihl C., Schwemmer C., Hendriks B.M.F., Eijsvoogel N.G., Kietselaer B.L.J.H., Wildberger J.E., Das M. Aortic root evaluation prior to transcatheter aortic valve implantation-Correlation of manual and semi-automatic measurements. PLoS One. 2018;13(6):e0199732. doi:10.1371/journal.pone.0199732.; Овчаренко Е.А., Клышников К.Ю., Саврасов Г.В., Батранин А.В., Ганюков В.И., Коков А.Н., Нуштаев Д.В., Долгов В.Ю., Кудрявцева Ю.А., Барбараш Л.С. Прогнозирование результатов имплантации транскатетерного протеза клапана аорты на основе метода конечных элементов и данных микрокомпьютерной томографии. Современные технологии в медицине. 2016;8(1): 82-92. doi:10.17691/stm2016.8.1.11; Онищенко П.С., Клышников К.Ю., Овчаренко Е.А. Искусственные нейронные сети в кардиологии: анализ графических данных. Бюллетень сибирской медицины. 2021; 20(4):193-204. doi:10.20538/1682-0363-2021-4-193-204; Danilov V.V., Klyshnikov K.Y., Gerget O.M., Skirnevsky I.P., Kutikhin A.G., Shilov A.A., Ganyukov V.I., Ovcharenko E.A. (2021) Aortography Keypoint Tracking for Transcatheter Aortic Valve Implantation Based on Multi-Task Learning. Front Cardiovasc Med. 2021;8:697737. doi:10.3389/fcvm.2021.697737.; Amit, Y., Felzenszwalb, P., Girshick, R. Object Detection. In: Computer Vision: A Reference Guide. Springer, Cham. 2020. https://doi.org/10.1007/978-3-030-03243-2_660-1; Лаптев Н.В., Лаптев В.В., Гергет О.М. Обнаружение пожароопасных объектов в лесном массиве на основе динамических признаков. Вестник Томского государственного университета. Управление, вычислительная техника и информатика.2023;63: 72-83. doi:10.17223/19988605/63/9; Manakov R.A., Kolpashchikov D.Y., Laptev N.V., Danilov V.V., Skirnevskiy I.P., Gerget O.M. Visual shape and position sensing algorithm for a continuum robot. 14th International Forum on Strategic Technology (IFOST-2019). Tomsk, Russia: TPU Publishing House, 2019. P. 399–402; Данилов В.В., Гергет О.М., Клышников К.Ю., Франжи А.Ф., Овчаренко Е.А. Анализ глубоких нейронных сетей для детекции стенозов коронарных артерий. Программирование. 2021; 3:3-11. doi:10.31857/S0132347421030031; Tan M., Pang R., Le Q. V. Efficientdet: Scalable and efficient object detection. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). USA: Seattle, 2020. pp. 10778-10787 doi:10.1109/CVPR42600.2020.01079; https://www.nii-kpssz.com/jour/article/view/1390

  3. 3
    Academic Journal

    المصدر: Interactive science; № 3(79); 9-11 ; Интерактивная наука; № 3(79); 9-11 ; ISSN: 2414-9411 ; 2414-9411 ; ISSN(electronic Version): 2500-2686 ; 2500-2686

    وصف الملف: text/html

    Relation: info:eu-repo/semantics/altIdentifier/pissn/2414-9411; info:eu-repo/semantics/altIdentifier/eissn/2500-2686; Monthly international scientific journal Interactive science Issue 3(79); https://interactive-plus.ru/e-articles/858/Action858-559453.pdf; Jiang X. A review of multimodal image matching: Methods and applications / X. Jiang, J. Ma, G. Xiao [et al.] //Information Fusion. ‒ 2021. ‒ Т. 73. ‒ P. 22–71.; Leng C. Local feature descriptor for image matching: A survey / C. Leng, H. Zhang, B. Li [et al.] // IEEE Access. ‒ 2018. ‒ Т. 7. ‒ P. 6424–6434.; Павельева Е.А. Обработка и анализ изображений на основе использования информации о фазе / Е.А. Павельева // Компьютерная оптика. ‒ 2018. ‒ Т. 42. №6. ‒ С. 1022–1034.; Biryukov A. Neural network clustering methods to evaluate the totality of taxpayers according to their degree of creditworthiness // Artificial societies. – 2017. ‒ V. 12. Issue 1–2 [Electronic resource]. – Access mode: https://artsoc.jes.su/s207751800000103–2-1/ ‒ DOI 10.18254/S0000103-2-1 (accessed 03.04.2023).; Cui S. A Novel Robust Feature Descriptor for Multi-Source Remote Sensing Image Registration / S. Cui, Y. Zhong, A. Ma [et al.] // IEEE International Geoscience and Remote Sensing Symposium (IGARSS). ‒ 2019. ‒ P. 919–922.; Barroso-Laguna A. Key.Net: Keypoint detection by handcrafted and learned CNN filters / A. Barroso-Laguna, Riba E., Ponsa D., Mikolajczyk K. // Proceedings of the IEEE/CVF International Conference on Computer Vision. ‒ 2019. ‒ P. 5836–5844.; Tikhonova V.A. Hybrid Iris Segmentation Method Based on CNN and Principal Curvatures / V.A. Tikhonova, E.A. Pavelyeva // CEUR Workshop Proceedings. ‒ 2020. ‒ Vol. 2744. P. 31. ‒ P. 1–10.; Protsenko M.А. Iris Image Key Points Descriptors Based on Phase Congruency / M.А. Protsenko, E.A. Pavelyeva // International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. ‒ 2019. ‒ Т. 42. №2/W12. ‒ С. 167–171.; Райченко Б.В. Практическое применение методов ключевых точек на примере сопоставления снимков со спутника «Канопус-В» / Б.В. Райченко, В.В. Некрасов // Геоматика. ‒ 2013. ‒ №2.; Андреев А.Ю. Сегментация символов в изображении модифицированным методом жука / А.Ю. Андреев, С.П. Бобков // Современные наукоемкие технологии. Региональное приложение. ‒ 2014. ‒ №1 (37).; Hebb D.O. The Organization of Behavior, Wiley / D.O. Hebb. ‒ New York, 1949.; Aggarwal C.C. Neural Networks and Deep Learning. A Textbook / C.C. Aggarwal // Springer International Publishing AG. ‒ 2018. ‒ DOI 10.1007/978-3-319-94463-0. ‒ ISBN 978-3-319-94462-3.; Haykin S. Neural Networks and Learning Machines / S. Haykin. ‒ 3rd Edition. ‒ Pearson, 2018.; Жээнбеков А.А. Метод распознавания изображений на принципах двунаправленной ассоциативной памяти / А.А. Жээнбеков, А.А. Сарыбаева // Евразийский Союз Ученых (ЕСУ). ‒ 2016. ‒ №1 (22). ‒ С. 148–151.; https://interactive-plus.ru/files/Books/858/644a65626ce6b.jpg?req=559453; https://interactive-science.media/article/559453/discussion_platform; https://doi.org/10.21661/r-559453

  4. 4
    Academic Journal
  5. 5
    Conference

    وصف الملف: application/pdf

    Relation: Молодежь и современные информационные технологии : сборник трудов XVIII Международной научно-практической конференции студентов, аспирантов и молодых учёных, 22-26 марта 2021 г., г. Томск; Друки, А. А. Разработка алгоритма поэтапного совмещения перекрывающихся изображений для сравнительного анализа методов обнаружения ключевых точек / А. А. Друки, Е. В. Унжакова // Молодежь и современные информационные технологии : сборник трудов XVIII Международной научно-практической конференции студентов, аспирантов и молодых учёных, 22-26 марта 2021 г., г. Томск. — Томск : Изд-во ТПУ, 2021. — [С. 21-22].; http://earchive.tpu.ru/handle/11683/68029

  6. 6
    Academic Journal

    المصدر: Frontiers in Cardiovascular Medicine

    وصف الملف: application/pdf

    Relation: info:eu-repo/grantAgreement/RSF//18-75-10061; Frontiers in Cardiovascular Medicine. 2021. Vol. 8; Aortography Keypoint Tracking for Transcatheter Aortic Valve Implantation Based on Multi-Task Learning / V. V. Danilov, K. Yu. Klyshnikov, O. M. Gerget [et al.] // Frontiers in Cardiovascular Medicine. — 2021. — Vol. 8. — [697737, 15 p.].; http://earchive.tpu.ru/handle/11683/70713

  7. 7
    Academic Journal
  8. 8
    Conference

    Relation: Информационные технологии в науке, управлении, социальной сфере и медицине : сборник научных трудов VI Международной конференции, 14-19 октября 2019 г., Томск. — Томск, 2019.; Коровкин В. А. Применение методов машинного обучения для решения задачи классификации эмоции на изображении по ключевым точкам / В. А. Коровкин // Информационные технологии в науке, управлении, социальной сфере и медицине : сборник научных трудов VI Международной конференции, 14-19 октября 2019 г., Томск. — Томск : Изд-во ТПУ, 2019. — [100-104].; http://earchive.tpu.ru/handle/11683/57385

  9. 9
    Conference

    المؤلفون: Минаева, О. И.

    المساهمون: Спицын, Владимир Григорьевич

    Relation: Молодежь и современные информационные технологии : сборник трудов XV Международной научно-практической конференции студентов, аспирантов и молодых учёных, 04-07 декабря 2017 г., г. Томск. — Томск, 2018.; Минаева О. И. Применение нейронных сетей для определения расположения ключевых точек лица на изображениях / О. И. Минаева; науч. рук. В. Г. Спицын // Молодежь и современные информационные технологии : сборник трудов XV Международной научно-практической конференции студентов, аспирантов и молодых учёных, 04-07 декабря 2017 г., г. Томск. — Томск : Изд-во ТПУ, 2018. — [С. 79-80].; http://earchive.tpu.ru/handle/11683/46535

  10. 10
    Academic Journal

    المصدر: Electronics and Control Systems; Vol. 4 No. 58 (2018); 35-41 ; Электроника и системы управления; Том 4 № 58 (2018); 35-41 ; Електроніка та системи управління; Том 4 № 58 (2018); 35-41 ; 1990-5548

    وصف الملف: application/pdf

  11. 11
  12. 12
    Report

    المساهمون: Замятин, Сергей Владимирович

    وصف الملف: application/pdf

    Relation: Липатов Д. С. Стратегия ведения игры роботом с применением системы технического зрения : магистерская диссертация / Д. С. Липатов; Национальный исследовательский Томский политехнический университет (ТПУ), Инженерная школа информационных технологий и робототехники (ИШИТР), Отделение автоматизации и робототехники (ОАР); науч. рук. С. В. Замятин. — Томск, 2018.; http://earchive.tpu.ru/handle/11683/48450

  13. 13
  14. 14
    Conference

    المؤلفون: Баглаева, Е. А.

    المساهمون: Цапко, Сергей Геннадьевич

    Relation: Молодежь и современные информационные технологии : сборник трудов XII Всероссийской научно-практической конференции студентов, аспирантов и молодых ученых, г. Томск, 12-14 ноября 2014 г. Т. 2. — Томск, 2014.; Баглаева Е. А. Обзор и применение библиотеки OpenCV 2.4.9 для поиска и сопоставления ключевых точек изображений / Е. А. Баглаева; науч. рук. С. Г. Цапко // Молодежь и современные информационные технологии : сборник трудов XII Всероссийской научно-практической конференции студентов, аспирантов и молодых ученых, г. Томск, 12-14 ноября 2014 г. : в 2 т. — Томск : Изд-во ТПУ, 2014. — Т. 2. — [С. 211-212].; http://earchive.tpu.ru/handle/11683/20297

  15. 15
    Academic Journal

    المصدر: Journal Infectology; Том 7, № 3 (2015); 91-102 ; Журнал инфектологии; Том 7, № 3 (2015); 91-102 ; 2072-6732 ; 10.22625/2072-6732-2015-7-3

    وصف الملف: application/pdf

    Relation: https://journal.niidi.ru/jofin/article/view/427/414; Clinical and Laboratory Standards Institute. 2008. Reference method for broth dilution antifungal susceptibility testing of yeasts—third edition. CLSI document M27-A3. Clinical and Laboratory Standards Institute, Wayne, PA; Clinical and Laboratory Standards Institute. 2008. Reference method for broth dilution antifungal susceptibility testing of yeasts; 3rd informational supplement. CLSI M27-S3. Clinical and Laboratory Standards Institute, Wayne, PA; ESCMID European Committee for Antimicrobial Susceptibility Testing (EUCAST). 2008. EUCAST definitive document EDef 7.1: method for the determination of broth dilution MICs of antifungal agents for fermentative yeasts. Clin. Microbiol. Infect. 14:398–405; O. A.Cornely, M. Bassetti, T. Calandra, J. Garbino, B. J. Kullberg,O. Lortholary, W.Meersseman, M.Akova, Arendrup, S. Arikan-Akdagli, J. Bille, Castagnola,M.Cuenca-Estrella, J. P. Donnelly, A. H. Groll, R. Herbrecht, W. W.Hope, H.E. Jensen, C. Lass-Flo¨ rl,G. Petrikkos,M. D. Richardson, E. Roilides, P. E.Verweij, C. Viscoli and A. J. Ullmann for the ESCMID Fungal Infection Study Group (EFISG). ESCMID* guideline for the diagnosis and management of Candida diseases 2012: nonneutropenic adult patients. Clin Microbiol Infect 2012; 18 (7):19–37.; Maiken Cavling Arendrup. Candida and Candidaemia. Susceptibility and Epidemiology. Dan Med J 2013; 60(11):B4698.; Clinical and Laboratory Standards Institute. Reference Method for Broth Dilution Antifungal Susceptibility Testing of Yeasts; Fourth Informational Supplement, M27-S4. 2012; Pfaller M.A., Shawn A. Messer, Leah N. Woosley, Ronald N. Jones, Mariana Castanheira. Echinocandin and Triazole Antifungal Susceptibility Profiles for Clinical Opportunistic Yeast and Mold Isolates Collected from 2010 to 2011: Application of New CLSI Clinical Breakpoints and Epidemiological Cutoff Values for Characterization of Geographic and Temporal Trends of Antifungal Resistance. J. Clin. Microbiol. August 2013 . – Vol. 51 № 8: 2571–2581; Pfaller MA, Andes D, Arendrup MC, Diekema DJ, Espinel- Ingroff A, Alexander BD, Brown SD, Chaturvedi V, Fowler CL, Ghannoum MA, Johnson EM, Knapp CC, Motyl MR, Ostrosky- Zeichner L, Walsh TJ. Clinical breakpoints for voriconazole and Candida spp. revisited: review of microbiologic, molecular, pharmacodynamic, and clinical data as they pertain to the development of species-specific interpretive criteria. Diagn. Microbiol. Infect. Dis. 2011; 70: 330–343; Pfaller MA, Andes D, Diekema DJ, Espinel-Ingroff A, Sheehan D, CLSI Subcommittee for Antifungal Susceptibility Testing. Wild-type MIC distributions, epidemiological cutoff values and species-specific clinical breakpoints for fluconazole and Candida: time for harmonization of CLSI and EUCAST broth microdilution methods. Drug Resist. Updat. 2010; 13:180–195; Pfaller MA, Castanheira M, Messer SA, Moet GJ, Jones RN. Echinocandin and triazole antifungal susceptibility profiles for Candida spp., Cryptococcus neoformans, and Aspergillus fumigatus: application of new CLSI clinical breakpoints and epidemiologic cutoff values to characterize resistance in the SENTRY Antimicrobial Surveillance Program (2009). Diagn. Microbiol. Infect. Dis. 2011; 69:45–50; Pfaller MA, Diekema DJ. Progress in antifungal susceptibility testing of Candida spp. by use of Clinical and Laboratory Standards Institute broth microdilution methods, 2010 to 2012. J. Clin. Microbiol. 2012; 50:2846–2856; Pfaller MA, Castanheira M, Lockhart SR, Ahlquist AM, Messer SA, Jones RN. Frequency of decreased susceptibility and resistance to echinocandins among fluconazole-resistant bloodstream isolates of Candida glabrata. J. Clin. Microbiol. 2012; 50:1199–1203; Pfaller MA, Woosley LN, Messer SA, Jones RN, Castanheira M. Significance of molecular identification and antifungal susceptibility of clinically significant yeasts and moulds in a global antifungal surveillance programme. Mycopathologia 2012; 174:259–271; Pfaller MA, Diekema DJ, Andes D, Arendrup MC, Brown SD, Lockhart SR, et al. Clinical breakpoints for the echinocandins and Candida revisited: integration of molecular, clinical, and microbiological data to arrive at species-specific interpretive criteria. Drug Resist Updat 2011, doi:10.1016/j.drup.2011.01.004; Bagirova N.S., Dmitrieva N.V, Hachaturova V.A. In vitro aktivnost‘ flukonazola i vorikonazola protiv drozhzhevyh gribov, vydelennyh u onkologicheskih bol‘nyh. Soprovoditel‘naja terapija v onkologii, 2007; № 1-2. C. 73-81; Arendrup M. C., G.Garcia-Effron, C. Lass-FloЁrl, A. Gomez Lopez, J. Luis Rodriguez-Tudela, M. Cuenca-Estrella, and D.S. Perlin. Echinocandin Susceptibility Testing of Candida Species: Comparison of EUCAST EDef 7.1, CLSI M27-A3, Etest, Disk Diffusion, and Agar Dilution Methods with RPMI and IsoSensitest Media. Antimicrob. Aagents and Chemother., Jan. 2010; 54 (1): 426–439; Cuesta Isabel, Concha Bielza, Manuel Cuenca-Estrella, Pedro Larran aga, and Juan L. Rodr guez-Tudela. Evaluation by Data Mining Techniques of Fluconazole Breakpoints Established by the Clinical and Laboratory Standards Institute (CLSI) and Comparison with Those of the European Committee on Antimicrobial Susceptibility Testing (EUCAST). Antimicrob. Aagents and Chemother., Apr. 2010; 54(4): 1541–1546; Alexander B.D., Johnson M.D., Pfeiffer C.D., Jimenes-Ortigosa C., Canania J., Booker R., et al. Increasing echinocandin resistance in Candida glabrata: clinical failure correlates with presence of FKS mutation and elevated minimum inhibitory concentrations. Clin. Infect. Dis. 2013; 56:1724-32; Cuenca-Estrella M., Verweij P.E., Arendrup M.C., Arikan-Akdagli S., Bille J., Donnelly J.P. et al. ESCMID guideline for the diagnosis and management of Candida diseases 2012: diagnosis procedures. Clin. Microbiol. Infect. 2012; 18(7): 9-18; Shields R.K., Nguyen M.N., Press E.G., Updike C.L., Clancy C.J. Caspofungin MICs correlate with treatment outcomes among patients with Candida glabrata invasive candidiasis and prior echinocandin exposure. Antimicrob. Agents Chemother. 2013; 57: 3528-35; Ben-Ami R., Y. Hilerowicz, A. Novikov, M. Giladi. The impact of new epidemiological cutoff values on Candida glabrata resistance rates and concordance between testing methods. Diagnostic Microbiol. And Infect Dis. 2014; 79: 209-213; Cuenca-Estrella M., A. Gomez-Lopez, A. Alastruey-Izquierdo, L. Bernal-Martinez, I. Cuesta, M.J. Buitrago, and J.L. Rodriguez-Tudela. Comparison of the VITEK 2 Antifungal Susceptibility System with the CLSI and the EUCAST Broth Microdilution Reference methods and with the Sensititre Yeast-One and the Etest Techniques for the Detection in Vitro of Antifungal Resistance in Yeasts. J. Clin. Microbiol., May 2010; 48 (5): 1782–1786; Pfaller M.A, L. Boyken, R. J. Hollis, J. Kroeger, S. A. Messer, S. Tendolkar, and D. J. Diekema. Wild-Type MIC Distributions and Epidemiological Cutoff Values for Posaconazole and Voriconazole and Candida spp. as Determined by 24-Hour CLSI Broth Microdilution. J. Clin. Microbiol. 2011; 49(2): 630–637; https://journal.niidi.ru/jofin/article/view/427

  16. 16
  17. 17
  18. 18
    Academic Journal
  19. 19

    المصدر: Frontiers in Cardiovascular Medicine, Vol 8 (2021)
    Frontiers in Cardiovascular Medicine

    وصف الملف: application/pdf

  20. 20