Aller au contenu principal
Accès ouvert déclaré 2026 preprint

Fully automated segmentation of [18F]FDG- and PSMA-PET/CT images via data-centric Deep-Learning.

0Citations signalées, ce qui n’est pas une note de qualité
25Institutions déclarées
7Pays d’affiliation déclarés

Rattachement africain : at, it, de, au, fr, us, fi. 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
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 notice
    Université ou école supérieure
  • Azienda Ospedaliero-Universitaria Careggi pays non établi dans la notice
    Établissement de santé
  • Essen University Hospital pays non établi dans la notice
    Organisme public
  • West German Heart and Vascular Center Essen pays non établi dans la notice
    Établissement de santé
  • Institut für Medizinische Informatik pays non établi dans la notice
    Structure de recherche
  • LMU Klinikum pays non établi dans la notice
    Établissement de santé
  • Ludwig-Maximilians-Universität München pays non établi dans la notice
    Université ou école supérieure
  • Peter MacCallum Cancer Centre pays non établi dans la notice
    Établissement de santé
  • St Vincent's Hospital Melbourne pays non établi dans la notice
    Établissement de santé
  • University Children's Hospital Tübingen pays non établi dans la notice
    Établissement de santé
  • University of Tübingen pays non établi dans la notice
    Université ou école supérieure
  • Centre National de la Recherche Scientifique pays non établi dans la notice
    Organisme 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.

Les sujets associés

Radiomics and Machine Learning in Medical ImagingMedical Imaging Techniques and ApplicationsProstate Cancer Treatment and Research

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.