PuSH - Publikationsserver des Helmholtz Zentrums München

Export: TXT Text RIS Endnote (RIS) BIB BibTeX
Prade, V.M. ; Sun, N. ; Shen, J. ; Feuchtinger, A. ; Kunzke, T. ; Buck, A. ; Schraml, P.* ; Moch, H.* ; Schwamborn, K.* ; Autenrieth, M.* ; Gschwend, J.E.* ; Erlmeier, F.* ; Hartmann, A.* ; Walch, A.K.

The synergism of spatial metabolomics and morphometry improves machine learning-based renal tumour subtype classification.

Clin. Transl. Med. 12:e666 (2022)
Verlagsversion Forschungsdaten DOI PMC
Open Access Gold
Creative Commons Lizenzvertrag
Impact Factor
Scopus SNIP
Altmetric
8.554
0.000
Tags
Anmerkungen
Besondere Publikation
Auf Hompepage verbergern

Zusatzinfos bearbeiten
Eigene Tags bearbeiten
Privat
Eigene Anmerkung bearbeiten
Privat
Auf Publikationslisten für
Homepage nicht anzeigen
Als besondere Publikation
markieren
Publikationstyp Artikel: Journalartikel
Dokumenttyp Wissenschaftlicher Artikel
Schlagwörter Machine Learning ; Mass Spectrometry Imaging ; Metabolomics ; Morphometry ; Renal Cell Carcinoma ; Tumour Of The Kidney ; Tumour Subtyping; Imaging Mass-spectrometry; Cell Carcinoma; Oncocytoma
Sprache englisch
Veröffentlichungsjahr 2022
HGF-Berichtsjahr 2022
ISSN (print) / ISBN 2001-1326
e-ISSN 2001-1326
Zeitschrift Clinical and translational medicine
Quellenangaben Band: 12, Heft: 2, Seiten: , Artikelnummer: e666 Supplement: ,
Verlag Springer
Verlagsort The Atrium, Southern Gate, Chichester Po19 8sq, W Sussex, England
Begutachtungsstatus Peer reviewed
Institut(e) Research Unit Analytical Pathology (AAP)
CF Pathology & Tissue Analytics (CF-PTA)
POF Topic(s) 30205 - Bioengineering and Digital Health
30505 - New Technologies for Biomedical Discoveries
Forschungsfeld(er) Enabling and Novel Technologies
PSP-Element(e) G-500390-001
A-630600-001
Förderungen Impulse and Networking Fund of the Helmholtz Association and the Helmholtz Zentrum München
Deutsche Forschungsgemeinschaft
DOI 10.1002/ctm2.666
WOS ID WOS:000761320600001
PubMed ID 35184396
Erfassungsdatum 2022-05-04
[➜Korrektur melden]