Longitudinal machine learning modeling of MS patient trajectories improves predictions of disability progression

  1. De Brouwer, E.
  2. Becker, T.
  3. Moreau, Y.
  4. Havrdova, E.K.
  5. Trojano, M.
  6. Eichau, S.
  7. Ozakbas, S.
  8. Onofrj, M.
  9. Grammond, P.
  10. Kuhle, J.
  11. Kappos, L.
  12. Sola, P.
  13. Cartechini, E.
  14. Lechner-Scott, J.
  15. Alroughani, R.
  16. Gerlach, O.
  17. Kalincik, T.
  18. Granella, F.
  19. Grand'Maison, F.
  20. Bergamaschi, R.
  21. José Sá, M.
  22. Van Wijmeersch, B.
  23. Soysal, A.
  24. Sanchez-Menoyo, J.L.
  25. Solaro, C.
  26. Boz, C.
  27. Iuliano, G.
  28. Buzzard, K.
  29. Aguera-Morales, E.
  30. Terzi, M.
  31. Trivio, T.C.
  32. Spitaleri, D.
  33. Van Pesch, V.
  34. Shaygannejad, V.
  35. Moore, F.
  36. Oreja-Guevara, C.
  37. Maimone, D.
  38. Gouider, R.
  39. Csepany, T.
  40. Ramo-Tello, C.
  41. Peeters, L.
  42. Alle Autoren anzeigen +
Zeitschrift:
Computer Methods and Programs in Biomedicine

ISSN: 1872-7565 0169-2607

Datum der Publikation: 2021

Ausgabe: 208

Art: Artikel

DOI: 10.1016/J.CMPB.2021.106180 GOOGLE SCHOLAR

Ziele für nachhaltige Entwicklung