Digitale Bibliotheek
Sluiten Bladeren door artikelen uit een tijdschrift
 
<< vorige    volgende >>
     Tijdschrift beschrijving
       Alle jaargangen van het bijbehorende tijdschrift
         Alle afleveringen van het bijbehorende jaargang
           Alle artikelen van de bijbehorende aflevering
                                       Details van artikel 5 van 10 gevonden artikelen
 
 
  Interpretable deep learning model to predict the molecular classification of endometrial cancer from haematoxylin and eosin-stained whole-slide images: a combined analysis of the PORTEC randomised trials and clinical cohorts
 
 
Titel: Interpretable deep learning model to predict the molecular classification of endometrial cancer from haematoxylin and eosin-stained whole-slide images: a combined analysis of the PORTEC randomised trials and clinical cohorts
Auteur: Fremond, Sarah
Andani, Sonali
Barkey Wolf, Jurriaan
Dijkstra, Jouke
Melsbach, Sinéad
Jobsen, Jan J
Brinkhuis, Mariel
Roothaan, Suzan
Jurgenliemk-Schulz, Ina
Lutgens, Ludy C H W
Nout, Remi A
van der Steen-Banasik, Elzbieta M
de Boer, Stephanie M
Powell, Melanie E
Singh, Naveena
Mileshkin, Linda R
Mackay, Helen J
Leary, Alexandra
Nijman, Hans W
Smit, Vincent T H B M
Creutzberg, Carien L
Horeweg, Nanda
Koelzer, Viktor H
Bosse, Tjalling
Verschenen in: The Lancet. Digital health
Paginering: Jaargang 5 () nr. 2 pagina's e71-e82
Jaar: 2023
Inhoud:
Uitgever: The Author(s). Published by Elsevier Ltd. This is an Open Access article under the CC BY 4.0 license
Bronbestand: Elektronische Wetenschappelijke Tijdschriften
 
 

                             Details van artikel 5 van 10 gevonden artikelen
 
<< vorige    volgende >>
 
 Koninklijke Bibliotheek - Nationale Bibliotheek van Nederland