Navigation überspringen
Universitätsbibliothek Heidelberg
Status: Bibliographieeintrag

Verfügbarkeit
Standort: ---
Exemplare: ---
heiBIB
 Online-Ressource
Verfasst von:Koutsouleris, Nikolaos [VerfasserIn]   i
 Rietschel, Marcella [VerfasserIn]   i
Titel:Predicting response to repetitive transcranial magnetic stimulation in patients with schizophrenia using structural magnetic resonance imaging
Titelzusatz:a multisite machine learning analysis
Verf.angabe:Nikolaos Koutsouleris, Thomas Wobrock, Birgit Guse, Berthold Langguth, Michael Landgrebe, Peter Eichhammer, Elmar Frank, Joachim Cordes, Wolfgang Wölwer, Francesco Musso, Georg Winterer, Wolfgang Gaebel, Göran Hajak, Christian Ohmann, Pablo E. Verde, Marcella Rietschel, Raees Ahmed, William G. Honer, Dominic Dwyer, Farhad Ghaseminejad, Peter Dechent, Berend Malchow, Peter M. Kreuzer, Tim B. Poeppl, Thomas Schneider-Axmann, Peter Falkai, and Alkomiet Hasan
E-Jahr:2018
Jahr:September 2018
Umfang:14 S.
Fussnoten:Gesehen am 30.10.2018 ; Published: 31 August 2017
Titel Quelle:Enthalten in: Schizophrenia bulletin
Ort Quelle:Oxford : Oxford Univ. Press, 1969
Jahr Quelle:2018
Band/Heft Quelle:44(2018), 5, Seite 1021-1034
ISSN Quelle:1745-1701
Abstract:AbstractBackground. The variability of responses to plasticity-inducing repetitive transcranial magnetic stimulation (rTMS) challenges its successful applicati
DOI:doi:10.1093/schbul/sbx114
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.

Volltext: http://dx.doi.org/10.1093/schbul/sbx114
 Volltext: https://academic.oup.com/schizophreniabulletin/article/44/5/1021/4100677
 DOI: https://doi.org/10.1093/schbul/sbx114
Datenträger:Online-Ressource
Sprache:eng
K10plus-PPN:1582425930
Verknüpfungen:→ Zeitschrift

Permanenter Link auf diesen Titel (bookmarkfähig):  https://katalog.ub.uni-heidelberg.de/titel/68323147   QR-Code
zum Seitenanfang