A comparative study of machine learning methods for time-to-event survival data for radiomics risk modelling

Radiomics applies machine learning algorithms to quantitative imaging data to characterise the tumour phenotype and predict clinical outcome. For the development of radiomics risk models, a variety of different algorithms is available and it is not clear which one gives optimal results. Therefore, w...

وصف كامل

محفوظ في:
التفاصيل البيبلوغرافية
الحاوية / القاعدة:Sci Rep
المؤلفون الرئيسيون: Leger, Stefan, Zwanenburg, Alex, Pilz, Karoline, Lohaus, Fabian, Linge, Annett, Zöphel, Klaus, Kotzerke, Jörg, Schreiber, Andreas, Tinhofer, Inge, Budach, Volker, Sak, Ali, Stuschke, Martin, Balermpas, Panagiotis, Rödel, Claus, Ganswindt, Ute, Belka, Claus, Pigorsch, Steffi, Combs, Stephanie E., Mönnich, David, Zips, Daniel, Krause, Mechthild, Baumann, Michael, Troost, Esther G. C., Löck, Steffen, Richter, Christian
التنسيق: Artigo
اللغة:Inglês
منشور في: Nature Publishing Group UK 2017
الموضوعات:
Article
الوصول للمادة أونلاين:https://ncbi.nlm.nih.gov/pmc/articles/PMC5643429/
https://ncbi.nlm.nih.gov/pubmed/29038455
https://ncbi.nlm.nih.govhttp://dx.doi.org/10.1038/s41598-017-13448-3
الوسوم: إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!

مواد مشابهة