Navigation überspringen
Universitätsbibliothek Heidelberg
Status: Bibliographieeintrag

Verfügbarkeit
Standort: ---
Exemplare: ---
heiBIB
 Online-Ressource
Verfasst von:Almeida, Silvia D. [VerfasserIn]   i
 Norajitra, Tobias [VerfasserIn]   i
 Lüth, Carsten T. [VerfasserIn]   i
 Wald, Tassilo [VerfasserIn]   i
 Weru, Vivienn [VerfasserIn]   i
 Nolden, Marco [VerfasserIn]   i
 Jäger, Paul F. [VerfasserIn]   i
 Stackelberg, Oyunbileg von [VerfasserIn]   i
 Heußel, Claus Peter [VerfasserIn]   i
 Weinheimer, Oliver [VerfasserIn]   i
 Biederer, Jürgen [VerfasserIn]   i
 Kauczor, Hans-Ulrich [VerfasserIn]   i
 Maier-Hein, Klaus H. [VerfasserIn]   i
Titel:Prediction of disease severity in COPD
Titelzusatz:a deep learning approach for anomaly-based quantitative assessment of chest CT
Verf.angabe:Silvia D. Almeida, Tobias Norajitra, Carsten T. Lüth, Tassilo Wald, Vivienn Weru, Marco Nolden, Paul F. Jäger, Oyunbileg von Stackelberg, Claus Peter Heußel, Oliver Weinheimer, Jürgen Biederer, Hans-Ulrich Kauczor and Klaus Maier-Hein
Jahr:2024
Umfang:14 S.
Illustrationen:Illustrationen
Fussnoten:Gesehen am 18.03.2024
Titel Quelle:Enthalten in: European radiology
Ort Quelle:Berlin : Springer, 1991
Jahr Quelle:2024
Band/Heft Quelle:34(2024), 7, Seite 4379–4392
ISSN Quelle:1432-1084
 1613-3757
Abstract:To quantify regional manifestations related to COPD as anomalies from a modeled distribution of normal-appearing lung on chest CT using a deep learning (DL) approach, and to assess its potential to predict disease severity.
DOI:doi:10.1007/s00330-023-10540-3
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: https://doi.org/10.1007/s00330-023-10540-3
 DOI: https://doi.org/10.1007/s00330-023-10540-3
Datenträger:Online-Ressource
Sprache:eng
Sach-SW:Artificial intelligence
 Chronic obstructive pulmonary disease
 Computed tomography
 Deep learning
K10plus-PPN:1883634911
Verknüpfungen:→ Zeitschrift

Permanenter Link auf diesen Titel (bookmarkfähig):  https://katalog.ub.uni-heidelberg.de/titel/69192713   QR-Code
zum Seitenanfang