Fully automated segmentation of [18F]FDG- and PSMA-PET/CT images via data-centric Deep-Learning.
Rattachement africain : at, it, de, au, fr, us, fi. Niveau de preuve : code pays fourni par la source.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Fully automated segmentation of [18F]FDG- and PSMA-PET/CT images via data-centric Deep-Learning.
- 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
-
Medical University of Vienna QIMP Team pays non établi dans la noticeUniversité ou école supérieure
-
Azienda Ospedaliero-Universitaria Careggi pays non établi dans la noticeÉtablissement de santé
-
Essen University Hospital pays non établi dans la noticeOrganisme public
-
West German Heart and Vascular Center Essen pays non établi dans la noticeÉtablissement de santé
-
Institut für Medizinische Informatik pays non établi dans la noticeStructure de recherche
-
LMU Klinikum pays non établi dans la noticeÉtablissement de santé
-
Ludwig-Maximilians-Universität München pays non établi dans la noticeUniversité ou école supérieure
-
Peter MacCallum Cancer Centre pays non établi dans la noticeÉtablissement de santé
-
St Vincent's Hospital Melbourne pays non établi dans la noticeÉtablissement de santé
-
University Children's Hospital Tübingen pays non établi dans la noticeÉtablissement de santé
-
University of Tübingen pays non établi dans la noticeUniversité ou école supérieure
-
Centre National de la Recherche Scientifique pays non établi dans la noticeOrganisme public
QIMP Team — Medical University of Vienna, Azienda Ospedaliero-Universitaria Careggi et Essen University Hospital, avec 9 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.