CCL

Összesen 26 találat.
#/oldal:
Részletezés:
Rendezés:

1.

001-es BibID:BIBFORM076774
035-os BibID:(WoS)000454223100001 (Scopus)85061934083
Első szerző:Antal Bálint (informatikus)
Cím:Data analysis applied to diabetic retinopathy screening : performance evaluation / Bálint Antal, Mayo Kayann Guerra Silva Tavares, László Kovács, Balázs Harangi, István Lázár, Brigitta Nagy, György Kovács, József Szakács, János Tóth, Tünde Pető, Adrienne Csutak, András Hajdu
Dátum:2018
ISSN:1787-5021 1787-6117
Tárgyszavak:Orvostudományok Klinikai orvostudományok idegen nyelvű folyóiratközlemény hazai lapban
folyóiratcikk
Megjelenés:Annales Mathematicae et Informaticae. - 49 (2018), p. 3-9. -
További szerzők:Tavares, Mayo Kayann Guerra Silva Kovács László (1984-) (informatikus) Harangi Balázs (1986-) (programtervező matematikus) Lázár István (1986-) (programtervező matematikus) Nagy Brigitta (1986-) (informatikus) Kovács György (1984-) (programtervező matematikus, fizikus) Szakács József (1985-) (programtervező matematikus) Tóth János (1984-) (programtervező matematikus) Pető Tünde (1970-) (orvos, szemész) Csutak Adrienne (1971-) (szemész) Hajdu András (1973-) (matematikus, informatikus)
Pályázati támogatás:EFOP-3.6.2-16-2017-00015
EFOP
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

2.

001-es BibID:BIBFORM041948
Első szerző:Ayoub, Ahmed (software engineer)
Cím:Automatikus pigmenthálózat-detektálás dermatoszkópos képeken / Ahmed Ayoub, Hajdu András, Nagy Árpád, Szakács József, Tóth János
Dátum:2013
Megjegyzések:Ebben a cikkben dermatoszkóppal készített képeken történő auto-matikus pigmenthálózat-detektálásához és osztályozáshoz kerül bemutatásra egy olyan módszer, amely segítheti a melanóma kialakulásának korai fázisában történő felismerését a vizsgált bőrelváltozásokban. A pigmenthálózat az elvál-tozás sötétebb, egymással kapcsolódó részeiből és az azok által közrefogott, vi-lágosabb részekből rajzolódik ki. A megfelelő szegmentálási módszer kiválasz-tása után a szegmentált területre egy szűrő kerül alkalmazásra, majd egy osztá-lyozás történik, annak érdekében, hogy a pigmenthálózathoz tartozó lyukakat el lehessen különíteni az elváltozás többi részétől. Ezt követően egy adaptív ma-ximális távolság küszöb kerül definiálásra, amelynek segítségével a hálózat vi-zualizálható. Eredményként a módszer a vizsgált képeket a pigmenthálózat je-lenléte szerint két osztályba sorolja. A validálás egy 100 képből álló adathalma-zon történt, amelyen a módszer 70,8%-os pontossággal működött.
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
automatikus detektálás
szegmentálás
pigmenthálózat
automatikus szűrőrendszerek
Testreszabható tartalomkezelő eljárások
Megjelenés:Képfeldolgozók és Alakfelismerők 9. országos konferenciája / szerk. Czúni László. - p. 439-449
További szerzők:Hajdu András (1973-) (matematikus, informatikus) Nagy Árpád (1985-) (programtervező matematikus) Szakács József (1985-) (programtervező matematikus) Tóth János (1984-) (programtervező matematikus)
Pályázati támogatás:TÁMOP-4.2.2.C-11/1/KONV-2012-0001
TÁMOP
Nagy mennyiségű adat testreszabható, hatékony felhasználása
NK101680
OTKA
Internet cím:Szerző által megadott URL
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

3.

001-es BibID:BIBFORM065790
035-os BibID:(WoS)000392630000045 (Scopus)84991740165
Első szerző:Besenczi Renátó (mérnökinformatikus)
Cím:A review on automatic analysis techniques for color fundus photographs / Renátó Besenczi, János Tóth, András Hajdu
Dátum:2016
ISSN:2001-0370
Megjegyzések:In this paper, we give a review on automatic image processing tools to recognize diseases causing specific distortions in the human retina. After a brief summary of the biology of the retina, we give an overview of the types of lesions that may appear as biomarkers of both eye and non-eye diseases. We present several state-of-the-art procedures to extract the anatomic components and lesions in color fundus photographs and decision support methods to help clinical diagnosis. We list publicly available databases and appropriate measurement techniques to compare quantitatively the performance of these approaches. Furthermore, we discuss on how the performance of image processing-based systems can be improved by fusing the output of individual detector algorithms. Retinal image analysis using mobile phones is also addressed as an expected future trend in this field.
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
Biomedical imaging
Retinal diseases
Fundus image analysis
Clinical decision support
Megjelenés:Computational and Structural Biotechnology Journal. - 14 (2016), p. 371-384. -
További szerzők:Tóth János (1984-) (programtervező matematikus) Hajdu András (1973-) (matematikus, informatikus)
Internet cím:DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

4.

001-es BibID:BIBFORM102586
Első szerző:Bogacsovics Gergő (informatikus)
Cím:Napelemfarmok Magyarország területén történő elhelyezését segítő döntéstámogató rendszer fejlesztése / Bogacsovics Gergő, Hajdu András, Harangi Balázs, Lakatos István, Lakatos Róbert, Szabó Marianna, Tiba Attila, Tóth János
Dátum:2021
ISSN:2786-1910
Megjegyzések:A világ energia és ásványkincsek iránti étvágya kielégíthetetlennek tűnik. A Földünkön lévő fosszilis tüzelőanyagok természetes tartalékainak a jelenlegi ütemben történő kiaknázásával az elkövetkezendő évtizedekben súlyos energiahiányra visszavezethető problémákkal nézhet szembe az emberiség. Ezért a figyelmünket olyan megújuló energiaforrások felé kell fordítanunk, mint például a napenergia. A napelemparkok helyszínének kiválasztása kulcsfontosságú kérdés, mivel közvetlen hatással van a teljesítményre, a gazdasági, környezeti és szociális kérdésekre, valamint a meglévő és a jövőbeli infrastruktúrákra. Ezért ebben a tanulmányban az elsődleges célunk a kormányzati (Minisztérium/MAVIR) döntéstámogatás a napelemfarmok elhelyezésének kérdésében, ami a későbbiekben továbbfejleszthető befektetői, lakossági felhasználásra. Az általunk használt publikus adatbázisokból földrajzi koordináták szerint kinyert jellemzők (közvetlen normál besugárzás, átlagos levegő hőmérséklet, tengerszint feletti magasság, elektromos hálózati elemek) felhasználásával kialakított matematikai modell által szolgáltatott jóságérték jelzi a napelemparkok telepítéséhez legalkalmasabb régiók elhelyezkedését.
Tárgyszavak:Műszaki tudományok Informatikai tudományok magyar nyelvű folyóiratközlemény hazai lapban
folyóiratcikk
megújuló energia
jóságbecslés
nagymennyiségű adatelemzés
napelemfarmok elhelyezése
Megjelenés:Közigazgatástudomány. - 1 : 2 (2021), p. 134-145. -
További szerzők:Hajdu András (1973-) (matematikus, informatikus) Harangi Balázs (1986-) (programtervező matematikus) Lakatos István (1995-) (programtervező informatikus) Lakatos Róbert (1986-) (informatikus) Szabó Marianna (1995-) (programtervező informatikus) Tiba Attila (1990-) (informatikus, matematikus) Tóth János (1984-) (programtervező matematikus)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

5.

001-es BibID:BIBFORM102585
Első szerző:Bogacsovics Gergő (informatikus)
Cím:Adatelemzési folyamat és keretrendszer a közigazgatás számára / Bogacsovics Gergő, Hajdu András, Harangi Balázs, Lakatos István, Lakatos Róbert, Szabó Marianna, Tiba Attila, Tóth János, Tarcsi Ádám
Dátum:2021
ISSN:2786-1910
Megjegyzések:A mesterséges intelligencia utóbbi évtizedben bekövetkezett ugrásszerű fejlődése az azt támogató hardveres és szoftveres platformok folyamatos bővülésével az adatelemzést is új szintre emelte. Ez a szintlépés alapvetően úgy értelmezhető leginkább, hogy egyre kevésbé szükséges a feldolgozó modellek precíz meghatározása, mivel már a most rendelkezésre álló eszközök képesek biztosítani, hogy pusztán a nyers input adatok megfelelő szolgáltatásával és az elérni kívánt cél meghatározásával az effektív elemzést végző eljárás - általában neurális háló architektúra - már egy gépi tanulási folyamaton keresztül automatikusan kerüljön kialakításra. Mivel ez a trend a jövőben várhatóan tovább fog erősödni, az elemzési eljárásokat célszerű úgy felépíteni, hogy ebbe a keretrendszerbe illeszkedjenek. Ennek megfelelően hangsúlyt kell fektetni a feldolgozni kívánt, potenciálisan különféle területekről származó adatbázisok olyan előfeldolgozására, amelyet követően a teljes adatkészlet átadható az elemző architektúrának. Mivel az elemzés eredményének értelmezhetőségét emberi felhasználásra is alkalmassá kell tenni, ezért tipikusan vizualizációs technikákat alkalmazhatunk erre a célra. Értelemszerűen a vizualizációs technikát is a hatékonyság miatt a teljes elemzési keretrendszerbe érdemes integrálni, azaz a vizualizációs eszköz közvetlenül ráépül az elemzőarchitektúra kimenetére, illetve annak belső adatábrázolására, amennyiben például a bemeneti adatok közötti összefüggések bemutatása is hasznos a döntéshozás indoklásához.
Tárgyszavak:Műszaki tudományok Informatikai tudományok magyar nyelvű folyóiratközlemény hazai lapban
folyóiratcikk
adatelemzés
keretrendszer
adatelemzési terv
Megjelenés:Közigazgatástudomány. - 1 : 2 (2021), p. 146-158. -
További szerzők:Hajdu András (1973-) (matematikus, informatikus) Harangi Balázs (1986-) (programtervező matematikus) Lakatos István (1995-) (programtervező informatikus) Lakatos Róbert (1986-) (informatikus) Szabó Marianna (1995-) (programtervező informatikus) Tiba Attila (1990-) (informatikus, matematikus) Tóth János (1984-) (programtervező matematikus) Tarcsi Ádám (1985-) (informatikus)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

6.

001-es BibID:BIBFORM101890
035-os BibID:(cikkazonosító)103685 (WoS)000821927500002 (Scopus)85128326328
Első szerző:Bogacsovics Gergő (informatikus)
Cím:Enhancing CNNs through the use of hand-crafted features in automated fundus image classification / Gergo Bogacsovics, János Tóth, András Hajdu, Balázs Harangi
Dátum:2022
ISSN:1746-8094 1746-8108
Megjegyzések:Eye diseases such as diabetic retinopathy and diabetic macular edema pose a major threat in today's world as they affect a significant portion of the global population. Therefore, it is of utmost importance to develop robust solutions that can accurately detect these diseases, especially in their early stages. However, current methods, based on hand-crafted features devised by experts, are not sufficiently accurate. Several solutions have been proposed that use deep learning techniques to improve the performance of such systems. However, they ignore the highly valuable hand-crafted features, that could contribute to more accurate prediction, which underlines the significance of our research. In this paper, we revisit the problem of combining these hand-crafted features with the features extracted by neural networks with the objective of delivering more accurate predictions. We systematically study several state-of-the-art neural networks and methods and propose a number of ways to integrate them into our framework. We show that we arrived at the conclusion that it is possible to achieve significantly better results and outperform networks that do not consider hand-crafted features using the proposed methods.
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
deep learning
diabetic macular edema
diabetic retinopathy
ensemble learning
hand-crafted features
screening systems
Megjelenés:Biomedical Signal Processing and Control. - 76 (2022), p. 1-10. -
További szerzők:Tóth János (1984-) (programtervező matematikus) Hajdu András (1973-) (matematikus, informatikus) Harangi Balázs (1986-) (programtervező matematikus)
Pályázati támogatás:ÚNKP-21?3-I-DE-99
Egyéb
ÚNKP-21-5-DE-485
Egyéb
Bolyai János Kutatási Ösztöndíj
MTA
FIKP-20428?3/2018/FEKUTSTRAT
FIKP
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

7.

001-es BibID:BIBFORM102066
Első szerző:Hajdu András (matematikus, informatikus)
Cím:Combining Convolutional Neural Networks and Hand-Crafted Features in Medical Image Classification Tasks / Hajdu András, Harangi Balázs, Tóth János, Pap Melinda, Baran Ágnes
Dátum:2018
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
könyvrészlet
Megjelenés:20th European Conference on Mathematics for Industry : Book of Abstracts / ed. Bodó Á., Fekete I., Izsák F., Maros G., Simon L. P.. - p. 299
További szerzők:Harangi Balázs (1986-) (programtervező matematikus) Tóth János (1984-) (programtervező matematikus) Pap Melinda (1982-) (informatikus) Baran Ágnes (1972-) (matematikus)
Pályázati támogatás:GINOP-2.1.7-15-2016-01641
GINOP
EFOP-3.6.2-16-2017-00015
EFOP
Internet cím:Szerző által megadott URL
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

8.

001-es BibID:BIBFORM041947
Első szerző:Hajdu András (matematikus, informatikus)
Cím:An ensemble-based collaborative framework to support customized user needs / Andras Hajdu, Janos Toth, Zoltan Pistar, Balint Domokos, Zsolt Torok
Dátum:2012
Megjegyzések:Collaborative platforms with advanced and cus-tomized visualization capabilities are getting growing inter-est regarding IT systems. We describe a system having novel capabilities for fusing the stored data to increase the accu-racy of the decision derived from the system. We also pre-sent a visualization tool used for interpreting the content and details on decision in a way that is the most suitable for the user. Based on the experience we gained during develop-ing the specific system, we explain how it could be extended to serve aims that are more general. These aims cover other application fields, like advanced visualization and user in-teraction, data privacy for wider collaboration, user-controlled automated application generation, and robust navigation of the system. Moreover, since our approach highly relies on the combination of different user input to increase accuracy, we discuss on the computational envi-ronments that should be considered, and also possible col-laborative framework solutions.
ISBN:978-1-4673-5187-4
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
könyvrészlet
customized visualization
collaborative platform
automated application generation
future internet
Testreszabható tartalomkezelő eljárások
Megjelenés:3rd IEEE International Conference on Cognitive Infocommunications, CogInfoCom 2012 : Proceedings, December 2-5, 2012 Košice, Slovakia / ed. Péter Baranyi. - p. 285-290. -
További szerzők:Tóth János (1984-) (programtervező matematikus) Pistár Zoltán (1985-) (programtervező matematikus) Domokos Bálint (1974-) (programtervező matematikus) Török Zsolt (1975-) (orvos)
Pályázati támogatás:TÁMOP-4.2.2.C-11/1/KONV-2012-0001
TÁMOP
Nagy mennyiségű adat testreszabható, hatékony felhasználása
NK101680
OTKA
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

9.

001-es BibID:BIBFORM102065
Első szerző:Harangi Balázs (programtervező matematikus)
Cím:Cell detection on digitized Pap smear images using ensemble of conventional image processing and deep learning techniques / Harangi Balázs, Tóth János, Bogacsovics Gergő, Kupás Dávid, Kovács László, Hajdu András
Dátum:2019
Megjegyzések:In this paper, we focus on the problem of cell segmentation in digitized Pap smear images, which is a pre-requisite of automatically detecting cervical cancer in its early stage. According to the trends, we consider deep learning based approaches in the form of applying fully convolutional neural networks (FCNNs). A common bottleneck of deep learning is that large annotated dataset is required for proper training. As large public datasets are not yet available in this field, we have composed a corresponding manually labeled dataset. Though this dataset is quite large, the manual annotation is less reliable in this domain, so we had to apply such a deep learning framework that is able to overcome this issue. Accordingly, we have applied such an ensemble of FCNN and traditional segmentation approaches that provide sufficiently large diversity according to the most challenging manual annotation-related issues, like the inaccurate selection of cell boundaries. We propose ensembles to merge the outputs of the different segmentation methods, which have been proven superior to any of the ensemble members according to our experimental studies.
ISBN:9781728131405
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
könyvrészlet
Pap smear test
cell segmentation
deep learning
region-based combination
Megjelenés:11th International Symposium on Image and Signal Processing and Analysis (ISPA 2019) / eds. S. Lončarić, R. Bregović, M. Carli, M. Subašić. - p. 38-42. -
További szerzők:Tóth János (1984-) (programtervező matematikus) Bogacsovics Gergő (1996-) (informatikus) Kupás Dávid (1996-) (programtervező informatikus) Kovács László (1984-) (informatikus) Hajdu András (1973-) (matematikus, informatikus)
Pályázati támogatás:Bolyai János Kutatási Ösztöndíj
MTA
EFOP-3.6.2-16-2017-00015
EFOP
GINOP-2.2.1-18-2018-00012
GINOP
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

10.

001-es BibID:BIBFORM101999
Első szerző:Harangi Balázs (programtervező matematikus)
Cím:Automatic screening of fundus images using a combination of convolutional neural network and hand-crafted features / Harangi Balázs, Tóth János, Baran Ágnes, Hajdu András
Dátum:2019
Megjegyzések:Diabetic retinopathy (DR) and especially diabetic macular edema (DME) are common causes of vision loss as complications of diabetes. In this work, we consider an ensemble that organizes a convolutional neural network (CNN) and traditional hand-crafted features into a single architecture for retinal image classification. This approach allows the joint training of a CNN and the fine-tuning of the weights of handcrafted features to provide a final prediction. Our solution is dedicated to the automatic classification of fundus images according to the severity level of DR and DME. For an objective evaluation of our approach, we have tested its performance on the official test datasets of the IEEE International Symposium on Biomedical Imaging (ISBI) 2018 Challenge 2: Diabetic Retinopathy Segmentation and Grading Challenge, section B. Disease Grading: Classification of fundus images according to the severity level of diabetic retinopathy and diabetic macular edema. As for our experimental results based on testing on the Indian Diabetic Retinopathy Image Dataset (IDRiD), the classification accuracies have been found to be 90.07% for the 5-class DR challenge, and 96.85% for the 3-class DME one.
ISBN:9781538613122
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
könyvrészlet
diabetic retinopathy screening
hand-crafted features
deep learning
ensemble learning
Megjelenés:41st Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC) / ed. Riccardo Barbieri. - p. 2699-2702. -
További szerzők:Tóth János (1984-) (programtervező matematikus) Baran Ágnes (1972-) (matematikus) Hajdu András (1973-) (matematikus, informatikus)
Pályázati támogatás:EFOP-3.6.2-16-2017-00015
EFOP
EFOP-3.6.3-VEKOP-16-2017-00002
EFOP
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

11.

001-es BibID:BIBFORM077189
Első szerző:Harangi Balázs (programtervező matematikus)
Cím:Fusion of deep convolutional neural networks for microaneurysm detection in color fundus images / Balazs Harangi, Janos Toth, Andras Hajdu
Dátum:2018
Megjegyzések:Microaneurysms (MAs) are common signsof several diseases, appearing as small circular darkish spots in color fundus images. The presence of even a single MA may suggest diseases (e.g. diabetic retinopathy), thus, their reliable recognition is a critical issue in both human clinical practice and computer-aided systems. As for their automatic recognition, deep learning techniques became very popular in the recent years. In this paper, we also apply such deep convolutional neural network (DCNN) based techniques; however, we organize them into a supernetwork with a fusionbased approach. The combination of the member DCNNs is achieved with interconnecting them in a joint fully-connected layer. The advantage of the method is that this large architecture can be trained as a single neural network, and thus, the member DCNNs are also trained with taking the predictions of the other members into consideration. The competitiveness of our approach is also validated with experimental studies, where the ensemble-based system outperformed each member DCNN. As a primary application domain with strong clinical motivation, the methodology was tested for image-level classification. More specifically, a retinal image is divided into subimages to provide the required inputs for the DCNN-based architecture, and the whole image is labeled as a positive case, if the presence of MA is predicted in any of the subimages. Additionally, we also demonstrate how our architecture can be trained to accurately localize MAs with training only the local neighborhoods of the lesions; empirical tests showing solid performance are also enclosed.
ISBN:978-1-5386-3646-6
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
Megjelenés:2018 40th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC) / Gregg Suaning, Olaf Dossel. - p. 3705-3708. -
További szerzők:Tóth János (1984-) (programtervező matematikus) Hajdu András (1973-) (matematikus, informatikus)
Pályázati támogatás:EFOP-3.6.2-16-2017-00015
EFOP
GINOP-2.1.7-15-2016-01641
GINOP
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

12.

001-es BibID:BIBFORM103045
035-os BibID:(cikkazonosító)978865 (WoS)001023055700001 (Scopus)85137659869
Első szerző:Huang, Xufeng (fogorvos)
Cím:Cuproptosis-related gene index: a predictor for pancreatic cancer prognosis, immunotherapy efficacy, and chemosensitivity / Xufeng Huang, Shujing Zhou, Tóth János, Hajdu András
Dátum:2022
ISSN:1664-3224
Megjegyzések:Aim: The term "Cuproptosis" was coined to describe a novel type of cell death triggered by intracellular copper buildup that is fundamentally distinct from other recognized types such as autophagy, ferroptosis, and pyroptosis in recent days. As the underlying mechanism was newly identified, its potential connection to pancreatic adenocarcinoma (PAAD) is still an open issue. Methods: A set of machine learning algorithms was used to develop a Cuproptosis-related gene index (CRGI). Its immunological characteristics were studied by exploring its implications on the expression of the immunological checkpoints, prospective immunotherapy responses, etc. Moreover, the sensitivity to chemotherapeutic drugs was predicted. Unsupervised consensus clustering was performed to more precisely identify different CRGI-based molecular subtypes and investigate the immunotherapy and chemotherapy efficacy. The expression of DLAT, LIPT1 and LIAS were also investigated, through real-time quantitative polymerase chain reaction (RT-qPCR), western blot, and immunofluorescence staining (IFS). Results: A novel CRGI was identified and validated. Additionally, correlation analysis revealed major changes in tumor immunology across the high- and low-CRGI groups. Through an in-depth study of each medication, it was determined that the predictive chemotherapeutic efficacy of 32 regularly used anticancer drugs differed between high- and low-CRGI groups. The results of the molecular subtyping provided more support for such theories. Expressional assays performed at transcriptomic and proteomic levels suggested that the aforementioned Cuproptosis-related genes might serve as reliable diagnostic biomarkers in PAAD. Significance: This is, to the best of our knowledge, the first study to examine prognostic prediction in PAAD from the standpoint of Cuproptosis. These findings may benefit future immunotherapy and chemotherapeutic therapies.
Tárgyszavak:Orvostudományok Klinikai orvostudományok idegen nyelvű folyóiratközlemény külföldi lapban
folyóiratcikk
cuproptosis
machine learning
pancreatic cancer
tumor microenvironment
immunotherapy
chemotherapy
gene signature
Megjelenés:Frontiers in Immunology. - 13 (2022), p. 1-31. -
További szerzők:Zhou, Shujing (1997-) Tóth János (1984-) (programtervező matematikus) Hajdu András (1973-) (matematikus, informatikus)
Pályázati támogatás:TKP2021-NKTA-34
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Rekordok letöltése1 2 3