Comprehensive Analysis of Tumour Sub-Volumes for Radiomic Risk Modelling in Locally Advanced HNSCC

Imaging features for radiomic analyses are commonly calculated from the entire gross tumour volume (GTV <sub>entire</sub><inline-formula>)</inline-formula>. However, tumours are biologically complex and the consideration of different tumour regions in radiomic models may lead...

תיאור מלא

שמור ב:
מידע ביבליוגרפי
Main Authors: Stefan Leger, Alex Zwanenburg, Karoline Leger, Fabian Lohaus, Annett Linge, Andreas Schreiber, Goda Kalinauskaite, Inge Tinhofer, Nika Guberina, Maja Guberina, Panagiotis Balermpas, Jens von der Grün, Ute Ganswindt, Claus Belka, Jan C. Peeken, Stephanie E. Combs, Simon Boeke, Daniel Zips, Christian Richter, Mechthild Krause, Michael Baumann, Esther G.C. Troost, Steffen Löck
פורמט: Artigo
שפה:Inglês
יצא לאור: MDPI AG 2020-10-01
סדרה:Cancers
נושאים:
radiomic
image-based risk modelling
machine learning
personalised therapy
radiation oncology
גישה מקוונת:https://www.mdpi.com/2072-6694/12/10/3047
תגים: הוספת תג
אין תגיות, היה/י הראשונ/ה לתייג את הרשומה!

פריטים דומים