CareLit · DOI-Nachweis · Nuklearmedizin - NuclearMedicine
Ability of F18-FDG PET radiomics and machine learning in predicting KRAS mutation status in therapy-naive lung adenocarcinoma
DOI 10.1055/s-0042-1746049
Bibliografische Angaben
Nachweis in CareLit
Autor:innenR. Zhang, K. Shi, W. Hohenforst-Schmidt, C. Steppert, C. Schmidkonz, A. Atzinger, A. Hartmann, M. Vieth, S. Förster
ZeitschriftNuklearmedizin - NuclearMedicine
Ausgabe02/2022
Jahrgang / SeitenJg. 61 · S. 174
Kernaussage aus der Literatur
Abstract-Vorschau
Für diesen Datensatz sind bibliografische Angaben hinterlegt. Weitere Inhalte und passende Literatur stehen in der CareLit-Recherche bereit.
Zitieren
Zitierempfehlung
R. Zhang, K. Shi, W. Hohenforst-Schmidt, C. Steppert, C. Schmidkonz, A. Atzinger, A. Hartmann, M. Vieth, S. Förster (2022) Ability of F18-FDG PET radiomics and machine learning in predicting KRAS mutation status in therapy-naive lung adenocarcinoma. Nuklearmedizin - NuclearMedicine, 61 (02), 174. https://doi.org/10.1055/s-0042-1746049
Mit CareLit weiterarbeiten