Accès ouvert déclaré 2023 erratum

Correction: Machine learning-based normal tissue complication probability model for predicting albumin-bilirubin (ALBI) grade increase in hepatocellular carcinoma patients

Anussara Prayongrat, Natchalee Srimaneekarn, Kanokporn Thonglert, Chonlakiet Khorprasert, Napapat Amornwichet, Petch Alisanant, Hiroki Shirato, Keiji Kobashi, Sira Sriswasdi

2Citations signalées, ce qui n’est pas une note de qualité
5Institutions déclarées
2Pays d’affiliation déclarés

Rattachement africain : th, jp. Niveau de preuve : code pays fourni par la source.

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

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Correction: Machine learning-based normal tissue complication probability model for predicting albumin-bilirubin (ALBI) grade increase in hepatocellular carcinoma patients
Date Crossref
15/03/2023
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 il ne compte pas comme une seconde source scientifique indépendante.

Les institutions déclarées

Chulalongkorn UniversityMahidol UniversityHokkaido UniversitySapporo Medical UniversityHokkaido University Hospital

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

Les sujets associés

Radiomics and Machine Learning in Medical ImagingHepatocellular Carcinoma Treatment and PrognosisMRI in cancer diagnosis
Lire en accès ouvert Consulter la publication primaire Ouvrir le DOI

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.