PuSH - Publikationsserver des Helmholtz Zentrums München

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
Altmetric
Weitere Metriken?
[➜Einloggen]
Zusatzinfos bearbeiten [➜Einloggen]
Publikationstyp Artikel: Journalartikel
Dokumenttyp Wissenschaftlicher Artikel
Korrespondenzautor
Schlagwörter Machine Learning ; Mass Spectrometry Imaging ; Metabolomics ; Morphometry ; Renal Cell Carcinoma ; Tumour Of The Kidney ; Tumour Subtyping; Imaging Mass-spectrometry; Cell Carcinoma; Oncocytoma
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
Nichtpatentliteratur Publikationen
Begutachtungsstatus Peer reviewed
Institut(e) Research Unit Analytical Pathology (AAP)
CF Pathology & Tissue Analytics (CF-PTA)
Förderungen Impulse and Networking Fund of the Helmholtz Association and the Helmholtz Zentrum München
Deutsche Forschungsgemeinschaft