Segmenting Whole-Body MRI and CT for Multiorgan Anatomic Structure Delineation
16Citations signalées — pas une note de qualité
24Institutions déclarées
5Pays d’affiliation déclarés
Résumé fourni par la source
MR-Imaging, Segmentation, Vision, Application Domain, Supervised Learning, Type of Machine Learning © The Author(s) 2025. Published by the Radiological Society of North America under a CC BY 4.0 license. See also commentary by Tao in this issue.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Segmenting Whole-Body MRI and CT for Multiorgan Anatomic Structure Delineation
- Date Crossref
- 01/11/2025
- Éditeur
- Radiological Society of North America (RSNA)
- 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
Radboud University NijmegenRadboud University Medical CenterHumboldt-Universität zu BerlinTUM KlinikumAthinoula A. Martinos Center for Biomedical ImagingFriedrich-Alexander-Universität Erlangen-NürnbergUniversitätsklinikum ErlangenTechnical University of MunichImperial College LondonHarvard UniversityMaastricht UniversityDana-Farber Brigham Cancer CenterArtificial Intelligence in Medicine (Canada)Mass General BrighamUniversitätsklinikum AachenUniversity of FreiburgUniversity Medical Center FreiburgMax Delbrück CenterHeidelberg UniversityUniversity Hospital HeidelbergUniversity Hospital AugsburgUniversitätsmedizin GreifswaldGerman Cancer Research CenterDeutsches Herzzentrum München
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Sujets associés
Radiomics and Machine Learning in Medical ImagingAdvanced X-ray and CT ImagingMedical Imaging Techniques and Applications