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 und Utikal, Jochen S.
(2021)
Deep learning approach to predict sentinel lymph node status directly from routine histology of primary melanoma tumours.
European Journal of Cancer 154, S. 227-234.
Veröffentlichungsdatum dieses Volltextes: 29 Feb 2024 12:35
Artikel
Alternative Links zum Volltext
Beteiligte Einrichtungen
Details
| Dokumentenart | Artikel | ||||
| Titel eines Journals oder einer Zeitschrift | European Journal of Cancer | ||||
| Verlag: | Elsevier | ||||
|---|---|---|---|---|---|
| Ort der Veröffentlichung: | OXFORD | ||||
| Band: | 154 | ||||
| Seitenbereich: | S. 227-234 | ||||
| Datum | 2021 | ||||
| Institutionen | Medizin > Lehrstuhl für Dermatologie und Venerologie | ||||
| Identifikationsnummer |
| ||||
| Stichwörter / Keywords | CLASSIFICATION; RISK; STRATIFICATION; DERMATOLOGISTS; SUPERIOR; Melanoma; Skin cancer; Artificial intelligence; Neural network model; Lymph node biopsy; Sentinel; Histology; Machine learning; Biomarkers; Pathology | ||||
| Dewey-Dezimal-Klassifikation | 600 Technik, Medizin, angewandte Wissenschaften > 610 Medizin | ||||
| Status | Veröffentlicht | ||||
| Begutachtet | Ja, diese Version wurde begutachtet | ||||
| An der Universität Regensburg entstanden | Ja | ||||
| Dokumenten-ID | 56647 |
Bibliographische Daten exportieren
Nur für Besitzer und Autoren: Kontrollseite des Eintrags
Altmetric
Altmetric