guest ::
Predicting Mutational Status of Driver and Suppressor Genes Directly from Histopathology With Deep Learning: A Systematic Study Across 23 Solid Tumor Types
; ; ; ; ; ; ; ; ; ;
In
Computational approaches applied to cancer genetics, immunogenomics, and immuno-oncology
In
Frontiers in genetics 12, Seiten/Artikel-Nr.:806386
2022
Online
DOI: 10.3389/fgene.2021.806386
DOI: 10.18154/RWTH-CONV-249720
URL: https://publications.rwth-aachen.de/record/860785/files/860785.pdf
Einrichtungen
- Klinik und Lehrstuhl für Allgemein-, Viszeral- und Transplantationschirurgie (533500-2)
- Klinik und Lehrstuhl für Innere Medizin (mit dem Schwerpunkt Gastroenterologie und Stoffwechselkrankheiten) (531030-2)
- Institut und Lehrstuhl für Pathologie (528001-2)
OpenAccess: 
PDF
Dokumenttyp
Journal Article/Contribution to a book
Format
online
Sprache
English
Anmerkung
Peer reviewed article
Externe Identnummern
SCOPUS: SCOPUS:2-s2.0-85125637745
WOS Core Collection: WOS:000764393600001
PubMed: pmid:35251119
Interne Identnummern
RWTH-CONV-249720
Datensatz-ID: 860785
Beteiligte Länder
Germany, Netherlands, UK
Related:
Dissertation / PhD Thesis
Predicting mutational status of driver and suppressor genes directly from histopathology with deep learning : a systematic study across 23 solid tumor types
Aachen 13, 6 Blätter : Illustrationen, Diagramme (2023) = Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2023
BibTeX |
EndNote:
XML,
Text |
RIS
; 
; 
; 
; Article Processing Charges ; BIOSIS Previews ; Biological Abstracts ; Clarivate Analytics Master Journal List ; DOAJ Seal ; Essential Science Indicators ; Fees ; IF < 5 ; JCR ; SCOPUS ; Science Citation Index Expanded ; Web of Science Core Collection
|
The record appears in these collections: |
PDF