Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Benchmarking weakly-supervised deep learning pipelines for whole slide classification in computational pathology
2022·169 Zitationen·Medical Image AnalysisOpen Access
Volltext beim Verlag öffnen169
Zitationen
23
Autoren
2022
Jahr
Abstract
Für dieses Paper ist kein Abstract in der Datenbank hinterlegt.
Abstract beim Verlag einsehenÄhnliche Arbeiten
A survey on deep learning in medical image analysis
2017 · 13.978 Zit.
pROC: an open-source package for R and S+ to analyze and compare ROC curves
2011 · 13.786 Zit.
Dermatologist-level classification of skin cancer with deep neural networks
2017 · 13.512 Zit.
A survey on Image Data Augmentation for Deep Learning
2019 · 12.117 Zit.
QuPath: Open source software for digital pathology image analysis
2017 · 8.417 Zit.
Autoren
- Narmin Ghaffari Laleh
- Hannah Sophie Muti
- Chiara Maria Lavinia Loeffler
- Amelie Echle
- Oliver Lester Saldanha
- Faisal Mahmood
- Ming Y. Lu
- Christian Trautwein
- Rupert Langer
- Bastian Dislich
- Roman D. Buelow
- Heike I. Grabsch
- Hermann Brenner
- Jenny Chang‐Claude
- Elizabeth Alwers
- Titus J. Brinker
- Firas Khader
- Daniel Truhn
- Nadine T. Gaisa
- Peter Boor
- Michael Hoffmeister
- Volkmar Schulz
- Jakob Nikolas Kather
Institutionen
- RWTH Aachen University(DE)
- Brigham and Women's Hospital(US)
- Harvard University(US)
- Johannes Kepler University of Linz(AT)
- University of Bern(CH)
- University of Leeds(GB)
- St James's University Hospital(GB)
- Maastricht University(NL)
- German Cancer Research Center(DE)
- Heidelberg University(DE)
- National Center for Tumor Diseases(DE)
- Universität Hamburg(DE)
- University Hospital Heidelberg(DE)
- University Medical Center Hamburg-Eppendorf(DE)
- University Cancer Center Hamburg(DE)
- Universitätsklinikum Aachen(DE)
- Fraunhofer Institute for Digital Medicine(DE)
- University Hospital Carl Gustav Carus(DE)
Themen
AI in cancer detectionColorectal Cancer Screening and DetectionRadiomics and Machine Learning in Medical Imaging