Quantification of intratumoural heterogeneity in mice and patients via machine-learning models trained on PET-MRI data

DSpace Repositorium (Manakin basiert)

Quantification of intratumoural heterogeneity in mice and patients via machine-learning models trained on PET-MRI data

Autor(en): Katiyar, Prateek; Schwenck, Johannes; Frauenfeld, Leonie; Divine, Mathew R.; Agrawal, Vaibhav; Kohlhofer, Ursula; Gatidis, Sergios; Kontermann, Roland; Koenigsrainer, Alfred; Quintanilla-Martinez, Leticia; la Fougere, Christian; Schoelkopf, Bernhard; Pichler, Bernd J.; Disselhorst, Jonathan A.
Tübinger Autor(en):
Katiyar, Prateek
Frauenfeld, Leonie
Agrawal, Vaibhav
Kohlhofer, Ursula
Gatidis, Sergios
Quintanilla-Martinez, Leticia
Disselhorst, Jonathan A.
Schwenck, Johannes Walter
Divine, Mathew Ryan
Königsrainer, Alfred
La Fougère, Christian Jean
Schölkopf, Bernhard
Pichler, Bernd
Erschienen in: Nature Biomedical Engineering (2023), Bd. 7, H. 8, S. 1014–1027
Verlagsangabe: Berlin : Nature Portfolio
Sprache: Englisch
Referenz zum Volltext: http://dx.doi.org/10.1038/s41551-023-01047-9
ISSN: 2157-846X
DDC-Klassifikation: 600 - Technik
Dokumentart: Wissenschaftlicher Artikel
Zur Langanzeige

Das Dokument erscheint in: