Startseite UR

Deep learning approach to predict sentinel lymph node status directly from routine histology of primary melanoma tumours

Brinker, Titus J. ; Kiehl, Lennard ; Schmitt, Max ; Jutzi, Tanja B. ; Krieghoff-Henning, Eva I. ; Krahl, Dieter ; Kutzner, Heinz ; Gholam, Patrick ; Haferkamp, Sebastian ; Klode, Joachim ; Schadendorf, Dirk ; Hekler, Achim ; Fröhling, Stefan ; Kather, Jakob N. ; Haggenmüller, Sarah ; von Kalle, Christof ; Heppt, Markus ; Hilke, Franz ; Ghoreschi, Kamran ; Tiemann, Markus ; Wehkamp, Ulrike ; Hauschild, Axel ; Weichenthal, Michael ; Utikal, Jochen S.



Zusammenfassung

Aim: Sentinel lymph node status is a central prognostic factor for melanomas. However, the surgical excision involves some risks for affected patients. In this study, we therefore aimed to develop a digital biomarker that can predict lymph node metastasis non invasively from digitised H&E slides of primary melanoma tumours. Methods: A total of 415 H&E slides from primary melanoma tumours with ...

plus


Nur für Besitzer und Autoren: Kontrollseite des Eintrags
  1. Universität

Universitätsbibliothek

Publikationsserver

Kontakt:

Publizieren: oa@ur.de
0941 943 -4239 oder -69394

Dissertationen: dissertationen@ur.de
0941 943 -3904

Forschungsdaten: datahub@ur.de
0941 943 -5707

Ansprechpartner