Navigation überspringen
Universitätsbibliothek Heidelberg
Status: Bibliographieeintrag

Verfügbarkeit
Standort: ---
Exemplare: ---
heiBIB
 Online-Ressource
Verfasst von:Wessels, Frederik [VerfasserIn]   i
 Schmitt, Max [VerfasserIn]   i
 Krieghoff-Henning, Eva [VerfasserIn]   i
 Nientiedt, Malin [VerfasserIn]   i
 Waldbillig, Frank [VerfasserIn]   i
 Neuberger, Manuel [VerfasserIn]   i
 Kriegmair, Maximilian [VerfasserIn]   i
 Kowalewski, Karl-Friedrich [VerfasserIn]   i
 Worst, Thomas [VerfasserIn]   i
 Steeg, Matthias [VerfasserIn]   i
 Popovic, Zoran V. [VerfasserIn]   i
 Gaiser, Timo [VerfasserIn]   i
 Kalle, Christof von [VerfasserIn]   i
 Utikal, Jochen [VerfasserIn]   i
 Fröhling, Stefan [VerfasserIn]   i
 Michel, Maurice Stephan [VerfasserIn]   i
 Nuhn, Philipp [VerfasserIn]   i
 Brinker, Titus Josef [VerfasserIn]   i
Titel:A self-supervised vision transformer to predict survival from histopathology in renal cell carcinoma
Titelzusatz:original article
Verf.angabe:Frederik Wessels, Max Schmitt, Eva Krieghoff-Henning, Malin Nientiedt, Frank Waldbillig, Manuel Neuberger, Maximilian C. Kriegmair, Karl-Friedrich Kowalewski, Thomas S. Worst, Matthias Steeg, Zoran V. Popovic, Timo Gaiser, Christof von Kalle, Jochen S. Utikal, Stefan Fröhling, Maurice S. Michel, Philipp Nuhn, Titus J. Brinker
E-Jahr:2023
Jahr:August 2023
Umfang:9 S.
Illustrationen:Illustrationen
Fussnoten:Online veröffentlicht: 29. Juni 2023 ; Gesehen am 08.04.2024
Titel Quelle:Enthalten in: World journal of urology
Ort Quelle:Berlin : Springer, 1983
Jahr Quelle:2023
Band/Heft Quelle:41(2023), 8 vom: Aug., Seite 2233-2241
ISSN Quelle:1433-8726
Abstract:To develop and validate an interpretable deep learning model to predict overall and disease-specific survival (OS/DSS) in clear cell renal cell carcinoma (ccRCC).
DOI:doi:10.1007/s00345-023-04489-7
URL:Bitte beachten Sie: Dies ist ein Bibliographieeintrag. Ein Volltextzugriff für Mitglieder der Universität besteht hier nur, falls für die entsprechende Zeitschrift/den entsprechenden Sammelband ein Abonnement besteht oder es sich um einen OpenAccess-Titel handelt.

kostenfrei: Volltext: https://doi.org/10.1007/s00345-023-04489-7
 kostenfrei: Volltext: https://link.springer.com/article/10.1007/s00345-023-04489-7
 DOI: https://doi.org/10.1007/s00345-023-04489-7
Datenträger:Online-Ressource
Sprache:eng
Sach-SW:Artificial intelligence
 Deep learning
 Kidney neoplasms
 Oncology
 Risk assessment
 Survival analysis
 Treatment outcome
K10plus-PPN:1885240864
Verknüpfungen:→ Zeitschrift

Permanenter Link auf diesen Titel (bookmarkfähig):  https://katalog.ub.uni-heidelberg.de/titel/69198165   QR-Code

zum Seitenanfang