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

Dokumenttyp:: Letter; Research Support, Non-U.S. Gov't
Autor(en):: Prade, Verena M; Sun, Na; Shen, Jian; Feuchtinger, Annette; Kunzke, Thomas; Buck, Achim; Schraml, Peter; Moch, Holger; Schwamborn, Kristina; Autenrieth, Michael; Gschwend, Jürgen E; Erlmeier, Franziska; Hartmann, Arndt; Walch, Axel
Titel:: The synergism of spatial metabolomics and morphometry improves machine learning-based renal tumour subtype classification.
Zeitschriftentitel:: Clin Transl Med
Jahr:: 2022
Band / Volume:: 12
Heft / Issue:: 2
Volltext / DOI:: doi:10.1002/ctm2.666
PubMed:: http://view.ncbi.nlm.nih.gov/pubmed/35184396
TUM Einrichtung:: Institut für Allgemeine Pathologie und Pathologische Anatomie (Dr. Mogler komm.); Klinik und Poliklinik für Urologie (Prof. Gschwend)
BibTeX