Zobrazeno 1 - 10
of 24
pro vyhledávání: '"temporal phenotyping"'
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.
Publikováno v:
Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. John Wiley & Sons Inc.
Computational phenotyping allows for unsupervised discovery of subgroups of patients as well as corresponding co-occurring medical conditions from electronic health records (EHR). Typically, EHR data contains demographic information, diagnoses and la
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::2a9fce8d3a3e2376deb57ff6fff69fc0
http://arxiv.org/abs/2209.00322
http://arxiv.org/abs/2209.00322
Autor:
Vladimir Daric, Simon Legendre, Martin Crespi, Eric Lambert, Thomas Roulé, Alejandra Camoirano, Nicolás Gaggion, Federico Ariel, Thomas Blein, Enzo Ferrante, Diego H. Milone
Publikováno v:
GigaScience
GigaScience, 2021, 10 (7), pp.giab052. ⟨10.1093/gigascience/giab052⟩
GigaScience, BioMed Central, 2021, ⟨10.1093/gigascience/giab052⟩
GigaScience, 2021, 10 (7), pp.giab052. ⟨10.1093/gigascience/giab052⟩
GigaScience, BioMed Central, 2021, ⟨10.1093/gigascience/giab052⟩
Deep learning methods have outperformed previous techniques in most computer vision tasks, including image-based plant phenotyping. However, massive data collection of root traits and the development of associated artificial intelligence approaches h
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::7bc802179284c3a6c28affaa3fe64992
https://hal.archives-ouvertes.fr/hal-03016324
https://hal.archives-ouvertes.fr/hal-03016324
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.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
JMIR Medical Informatics
Background: Medical concepts are inherently ambiguous and error-prone due to human fallibility, which makes it hard for them to be fully used by classical machine learning methods (eg, for tasks like early stage disease prediction). Objective: Our wo
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::cc6cfdd53f28e9c2d1f90b81431eb89d
https://doi.org/10.2196/medinform.5977
https://doi.org/10.2196/medinform.5977
