HL-1062: Artificial Intelligence, Machine Learning, and Radiomics-Based Prediction Models in Relapsed or Refractory Hodgkin Lymphoma: A Systematic Review
0Citations signalées — pas une note de qualité
11Institutions déclarées
3Pays d’affiliation déclarés
Résumé indisponible : les résultats de l’étude ne doivent pas être déduits depuis son seul titre.
Contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- HL-1062: Artificial Intelligence, Machine Learning, and Radiomics-Based Prediction Models in Relapsed or Refractory Hodgkin Lymphoma: A Systematic Review
- Date Crossref
- 01/08/2026
- Éditeur
- Elsevier BV
- 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
McGill University Health CentreMcGill UniversityMontefiore Health SystemMemorialCare Health SystemUniversity of Central FloridaFlorida CollegeTucson Medical CenterNorthwest Hospital and Medical CenterKurnool Medical CollegeUniversity of Iowa Hospitals and ClinicsOutcomes Research Consortium
Une affiliation ne permet pas de déduire la nationalité d’un auteur.