Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Surgomics: personalized prediction of morbidity, mortality and long-term outcome in surgery using machine learning on multimodal data
2022·24 Zitationen·Surgical EndoscopyOpen Access
Volltext beim Verlag öffnen24
Zitationen
24
Autoren
2022
Jahr
Abstract
Für dieses Paper ist kein Abstract in der Datenbank hinterlegt.
Abstract beim Verlag einsehenÄhnliche Arbeiten
New response evaluation criteria in solid tumours: Revised RECIST guideline (version 1.1)
2008 · 28.780 Zit.
TNM Classification of Malignant Tumours
1987 · 16.123 Zit.
A survey on deep learning in medical image analysis
2017 · 13.483 Zit.
Reduced Lung-Cancer Mortality with Low-Dose Computed Tomographic Screening
2011 · 10.732 Zit.
The American Joint Committee on Cancer: the 7th Edition of the AJCC Cancer Staging Manual and the Future of TNM
2010 · 9.098 Zit.
Autoren
- Martin Wagner
- Johanna M. Brandenburg
- Sebastian Bodenstedt
- A. Schulze
- Alexander C. Jenke
- Antonia Stern
- Marie T. J. Daum
- Lars Mündermann
- Fiona R. Kolbinger
- Nithya Bhasker
- Gerd Schneider
- Grit Krause-Jüttler
- Hisham Alwanni
- Fleur Fritz
- Oliver Burgert
- Dirk Wilhelm
- Johannes Fallert
- Felix Nickel
- Lena Maier‐Hein
- Martin Dugas
- Marius Distler
- Jürgen Weitz
- Beat P. Müller‐Stich
- Stefanie Speidel
Institutionen
- University Hospital Heidelberg(DE)
- Heidelberg University(DE)
- National Center for Tumor Diseases(DE)
- TU Dresden(DE)
- Karl Storz (Germany)(DE)
- University Hospital Carl Gustav Carus(DE)
- Fresenius (Germany)(DE)
- Reutlingen University(DE)
- Klinikum rechts der Isar(DE)
- Technical University of Munich(DE)
- German Cancer Research Center(DE)
- Helmholtz-Zentrum Dresden-Rossendorf(DE)
Themen
Radiomics and Machine Learning in Medical ImagingArtificial Intelligence in Healthcare and EducationColorectal Cancer Screening and Detection