45P Deep learning model identifies lynch syndrome versus sporadic MSI-H from adenoma histology [Abstract]

Export metadata

Statistics

Number of document requests

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:S. Sainath, Nic G. ReitsamORCiDGND, K. Papadopoulou, M. Kloor, J. Nattermann, G. Raptou, K. Petraki, E. Papadopoulou, A. Eliades, J. I. Sgouros, G. Papaxoinis, S. Pervana, G. Fountzilas, G. Pentheroudakis, D. G. Pectasides, G. Koumbaris, R. Hueneburg, E. Fountzilas, J. Nikolas Kather
Frontdoor URLhttps://opus.bibliothek.uni-augsburg.de/opus4/126890
ISSN:2949-8201OPAC
Parent Title (English):ESMO Real World Data and Digital Oncology
Publisher:Elsevier BV
Place of publication:Amsterdam
Type:Article
Language:English
Year of first Publication:2025
Publishing Institution:Universität Augsburg
Release Date:2025/12/16
Volume:10
Issue:Supplement
First Page:100244
DOI:https://doi.org/10.1016/j.esmorw.2025.100244
Institutes:Medizinische Fakultät
Medizinische Fakultät / Universitätsklinikum
Medizinische Fakultät / Lehrstuhl für Allgemeine und Spezielle Pathologie
Dewey Decimal Classification:6 Technik, Medizin, angewandte Wissenschaften / 61 Medizin und Gesundheit / 610 Medizin und Gesundheit
Latest Publications (not yet published in print):Aktuelle Publikationen (noch nicht gedruckt erschienen)
Licence (German):CC-BY-NC-ND 4.0: Creative Commons: Namensnennung - Nicht kommerziell - Keine Bearbeitung