CareLit Fachartikel

Maschinelles Lernen und radiomische Analyse von 18F-FDG PET/CT-Datensätzen zur Vorhersage des somatischen Mutationsstatus sowie des N- und M-Stadiums bei Patienten mit therapienai…

M Chodyla, A Demircioglu, J Haubold, S Bogner, K Herrmann, F Nensa, L Umutlu · RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 2020 · Heft S 01 S 01 · S. S74

Dokument
940803
CareLit-ID
Jahr
2020
Publikation
PDF
nein
Metadaten
DOI
ja
zitierfähig

Bibliografische Angaben

Zeitschrift
RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren
Autor:innen
M Chodyla, A Demircioglu, J Haubold, S Bogner, K Herrmann, F Nensa, L Umutlu
Ausgabe
Heft S 01 S 01 / 2020
Jahrgang 192
Seiten
S74
Erschienen: 2020-04-01 00:00:00
ISSN
1433-5972
DOI
10.1055/s-0040-1703328

Zusammenfassung

Maschinelles Lernen und radiomische Analyse von 18F-FDG PET/CT-Datensätzen zur Vorhersage des somatischen Mutationsstatus sowie des N- und M-Stadiums bei Patienten mit therapienaiven NSCLC

Schlagworte

Maschinelles Lernen Radiomische Analyse 18F-Fdg Ct-Datensätzen Vorhersage Somatischen Mutationsstatus M-Stadiums Therapienaiven Nsclc RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Ver…