EUVIMEDEUVIMED entdecken
Crossref

Interpretierbares maschinelles Lernen zur Rezidivvorhersage bei Schilddrüsenkarzinomen: Nutzung von XGBoost und SHAP-Analyse

A. Schindele, U. Heiß, K. Nimptsch, R. A. Bundschuh, A. Dierks, M. Kircher, C. Berr, C. Pfob, C. Lapa

Nuklearmedizin - NuclearMedicine · 01.03.2024 · 63 (02) · 124

DOI: 10.1055/s-0044-1782383 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Nuklearmedizin - NuclearMedicine, erschienen am 01.03.2024. Verfasst von A. Schindele und 8 weiteren Autor:innen.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Zitieren

APA

Schindele, A., Heiß, U., Nimptsch, K., Bundschuh, R. A., Dierks, A., Kircher, M., Berr, C., Pfob, C., & Lapa, C. (2024). Interpretierbares maschinelles Lernen zur Rezidivvorhersage bei Schilddrüsenkarzinomen: Nutzung von XGBoost und SHAP-Analyse. Nuklearmedizin - NuclearMedicine, 63(02), 124. https://doi.org/10.1055/s-0044-1782383

Vancouver

Schindele A, Heiß U, Nimptsch K, Bundschuh RA, Dierks A, Kircher M, et al. Interpretierbares maschinelles Lernen zur Rezidivvorhersage bei Schilddrüsenkarzinomen: Nutzung von XGBoost und SHAP-Analyse. Nuklearmedizin - NuclearMedicine. 2024;63(02):124. doi:10.1055/s-0044-1782383

BibTeX
@article{Schindele2024,
  author = {Schindele, A. and Heiß, U. and Nimptsch, K. and Bundschuh, R. A. and Dierks, A. and Kircher, M. and Berr, C. and Pfob, C. and Lapa, C.},
  title = {Interpretierbares maschinelles Lernen zur Rezidivvorhersage bei Schilddrüsenkarzinomen: Nutzung von XGBoost und SHAP-Analyse},
  journal = {Nuklearmedizin - NuclearMedicine},
  year = {2024},
  volume = {63},
  number = {02},
  pages = {124},
  doi = {10.1055/s-0044-1782383}
}
Kostenlos starten →