Accès ouvert déclaré 2022 article

AI support for accurate and fast radiological diagnosis of COVID-19: an international multicenter, multivendor CT study

Fanyang Meng, Jonathan Kottlors, Rahil Shahzad, Haifeng Liu, Philipp Fervers, Yinhua Jin, Miriam Rinneburger, Le Dou, Mathilda Weisthoff, Wenyun Liu, Mengzhe Ni, Ye Sun, Liying An, Xiaochen Huai, Dorottya Móré, Athanasios Giannakis, Isabel Kaltenborn, Andreas Bucher, David Maintz, Lei Zhang, Frank Thiele, Mingyang Li, Michael Perkuhn, Huimao Zhang, Thorsten Persigehl

23Citations signalées — pas une note de qualité

12Institutions déclarées

2Pays d’affiliation déclarés

Résumé indisponible : les résultats de l’étude ne doivent pas être déduits depuis son seul titre.

Contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref: AI support for accurate and fast radiological diagnosis of COVID-19: an international multicenter, multivendor CT study
Date Crossref: 16/12/2022
Éditeur: Springer Science and Business Media LLC
Type: journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude et ne compte pas comme une seconde source scientifique indépendante.

Institutions déclarées

Jilin University First Hospital of Jilin University University of Cologne University Hospital Cologne Philips (Germany)Wuhan No.1 Hospital University of Chinese Academy of Sciences Philips (China)Heidelberg University University Hospital Heidelberg Goethe University Frankfurt University Hospital Frankfurt

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Sujets associés

COVID-19 diagnosis using AICOVID-19 Clinical Research StudiesRadiomics and Machine Learning in Medical Imaging

Lire en accès ouvert Consulter la publication primaire DOI