Decoding Tumor Phenotypes: A Radiologist-Inspired Deep Learning Framework for Breast Cancer Recurrence Prediction
0Citations signalées, ce qui n’est pas une note de qualité
8Institutions déclarées
5Pays d’affiliation déclarés
Rattachement africain : nl, us, cn, jp, mo. 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
- Decoding Tumor Phenotypes: A Radiologist-Inspired Deep Learning Framework for Breast Cancer Recurrence Prediction
- Date Crossref
- 15/04/2026
- Éditeur
- Springer Science and Business Media LLC
- Type
- posted-content
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.
Où se fait cette recherche
-
The Netherlands Cancer Institute pays non établi dans la noticeÉtablissement de santé
-
Radboud University Nijmegen pays non établi dans la noticeUniversité ou école supérieure
-
Radboud University Medical Center pays non établi dans la noticeOrganisme public
-
Duke University pays non établi dans la noticeUniversité ou école supérieure
-
Westlake University Affiliated Hangzhou First People's Hospital pays non établi dans la noticeÉtablissement de santé
-
The Polytechnic University of Japan pays non établi dans la noticeUniversité ou école supérieure
-
Macao Polytechnic University pays non établi dans la noticeUniversité ou école supérieure
-
Fujian Provincial Hospital pays non établi dans la noticeÉtablissement de santé
-
Radboud University Medical Centre pays non établi dans la noticeUniversité ou école supérieure
-
Affiliated Hangzhou First People's Hospital pays non établi dans la noticeÉtablissement de santé
-
Macau Polytechnic University pays non établi dans la noticeUniversité ou école supérieure
-
Radboud UMC pays non établi dans la noticeInstitution
The Netherlands Cancer Institute, Radboud University Nijmegen et Radboud University Medical Center, avec 9 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Radiomics and Machine Learning in Medical ImagingMRI in cancer diagnosisAI in cancer detection