CareLit · DOI-Nachweis · Nuklearmedizin - NuclearMedicine
Unabhängige Validierung eines Machine Learning-Tools für das Lymphknoten-Staging beim nicht kleinzelligen Lungenkarzinom mit Routineparametern der [18F]FDG-PET/CT
DOI 10.1055/s-0044-1782329
Bibliografische Angaben
Nachweis in CareLit
Autor:innenA. Wdowiak, G. L. Baumgärtner, N. Frost, J. Rückert, J. Neudecker, S. Ochsenreither, M. Gerhold, B. Schmidt, P. Schneider, H. Amthauer, T. Penzkofer, C. Furth, J. Rogasch
ZeitschriftNuklearmedizin - NuclearMedicine
Ausgabe02/2024
Jahrgang / SeitenJg. 63 · S. 106
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
A. Wdowiak, G. L. Baumgärtner, N. Frost, J. Rückert, J. Neudecker, S. Ochsenreither, M. Gerhold, B. Schmidt, P. Schneider, H. Amthauer, T. Penzkofer, C. Furth, J. Rogasch (2024) Unabhängige Validierung eines Machine Learning-Tools für das Lymphknoten-Staging beim nicht kleinzelligen Lungenkarzinom mit Routineparametern der [18F]FDG-PET/CT. Nuklearmedizin - NuclearMedicine, 63 (02), 106. https://doi.org/10.1055/s-0044-1782329
Mit CareLit weiterarbeiten