Zobrazeno 1 - 10
of 230
pro vyhledávání: '"Westphal, Max"'
Autor:
Homeyer, André, Geißler, Christian, Schwen, Lars Ole, Zakrzewski, Falk, Evans, Theodore, Strohmenger, Klaus, Westphal, Max, Bülow, Roman David, Kargl, Michaela, Karjauv, Aray, Munné-Bertran, Isidre, Retzlaff, Carl Orge, Romero-López, Adrià, Sołtysiński, Tomasz, Plass, Markus, Carvalho, Rita, Steinbach, Peter, Lan, Yu-Chia, Bouteldja, Nassim, Haber, David, Rojas-Carulla, Mateo, Sadr, Alireza Vafaei, Kraft, Matthias, Krüger, Daniel, Fick, Rutger, Lang, Tobias, Boor, Peter, Müller, Heimo, Hufnagl, Peter, Zerbe, Norman
Publikováno v:
Mod Pathol (2022)
Artificial intelligence (AI) solutions that automatically extract information from digital histology images have shown great promise for improving pathological diagnosis. Prior to routine use, it is important to evaluate their predictive performance
Externí odkaz:
http://arxiv.org/abs/2204.14226
Autor:
Westphal, Max, Zapf, Antonia
Diagnostic accuracy studies assess sensitivity and specificity of a new index test in relation to an established comparator or the reference standard. The development and selection of the index test is usually assumed to be conducted prior to the acc
Externí odkaz:
http://arxiv.org/abs/2105.13469
Autor:
Jäckle, Sonja, Röger, Elias, Dicken, Volker, Geisler, Benjamin, Schumacher, Jakob, Westphal, Max
In February 2020 the first human infection with SARS-CoV-2 was reported in Germany. Since then the local public health offices have been responsible to monitor and react to the dynamics of the pandemic. One of their major tasks is to contain the spre
Externí odkaz:
http://arxiv.org/abs/2010.15677
Major advances have been made regarding the utilization of artificial intelligence in health care. In particular, deep learning approaches have been successfully applied for automated and assisted disease diagnosis and prognosis based on complex and
Externí odkaz:
http://arxiv.org/abs/1911.02982
Autor:
Westphal, Max
Statistical inference in high-dimensional settings is challenging when standard unregularized methods are employed. In this work, we focus on the case of multiple correlated proportions for which we develop a Bayesian inference framework. For this pu
Externí odkaz:
http://arxiv.org/abs/1911.00098
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.