Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
318P AI-driven dynamic prediction of prognosis in mNSCLC using CT scans and multimodal real-world data
2025·0 Zitationen·ESMO Real World Data and Digital OncologyOpen Access
Volltext beim Verlag öffnen0
Zitationen
19
Autoren
2025
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 · 28.795 Zit.
TNM Classification of Malignant Tumours
1987 · 16.123 Zit.
A survey on deep learning in medical image analysis
2017 · 13.500 Zit.
Reduced Lung-Cancer Mortality with Low-Dose Computed Tomographic Screening
2011 · 10.736 Zit.
The American Joint Committee on Cancer: the 7th Edition of the AJCC Cancer Staging Manual and the Future of TNM
2010 · 9.101 Zit.
Autoren
Institutionen
- Sophia Genetics (France)(FR)
- Université Sorbonne Nouvelle(FR)
- Sorbonne Université(FR)
- Université Paris 1 Panthéon-Sorbonne(FR)
- Hospices Civils de Lyon(FR)
- Hospital Universitario Puerta de Hierro Majadahonda(ES)
- Sunnybrook Health Science Centre(CA)
- UMass Memorial Medical Center(US)
- Assistance Publique – Hôpitaux de Paris(FR)
- Hôpital Tenon(FR)
- Hôpital Foch(FR)
- Hôpital Saint-Louis(FR)
- Hôpital Cardiologique du Haut-Lévêque(FR)
- Hôpital Avicenne(FR)
- Hôpital d'Instruction des Armées Sainte-Anne(FR)
- Centre Hospitalier Intercommunal Toulon-La Seyne-sur-Mer(FR)
- University of Utah Hospital(US)
- Utah Department of Health(US)
Themen
Radiomics and Machine Learning in Medical ImagingArtificial Intelligence in Healthcare and EducationLung Cancer Diagnosis and Treatment