Künstliche Intelligenz zur diagnostischen Unterstützung ausgewählter seltener lysosomaler Speichererkrankungen: Ergebnisse einer Pilotstudie.

Thumbnail
Name:
Sieg et al.pdf
Size:
305.5Kb
Format:
PDF
Description:
original manuscript
Download
Thumbnail
Name:
Fragebogen_Eltern_Datensammlung ...
Size:
457.6Kb
Format:
PDF
Description:
supplement-questionaire for parents
Download
Thumbnail
Name:
Abbildung 1 neu.jpg
Size:
56.75Kb
Format:
JPEG image
Description:
figure 1
Download
Thumbnail
Name:
Abb. 2.jpg
Size:
26.54Kb
Format:
JPEG image
Description:
figgure 2
Download
Thumbnail
Name:
Abb. 3.jpg
Size:
177.0Kb
Format:
JPEG image
Description:
figure 3
Download
Thumbnail
Name:
Abb. 4.tiff
Size:
2.602Mb
Format:
TIFF image
Description:
figure 4
Download
View more files
Cast your vote
 
Your vote was cast
Thank you for your feedback
Authors
Sieg, Anna-Lena
Anibh, Martin
Muschol, Nicole Maria
Köhn, Anja
Lampe, Christina
Kortum, Xiauwei
Mehmecke, Sandra
Blöß, Susanne
Lechner, Werner
Klawonn, Frank cc
Issue Date
2019-02-10

Metadata
Show full item record
Abstract
Hintergrund: Die Diagnosestellung einer seltenen Stoffwechselerkrankung stellt eine Herausforderung für Familien und betreuende Ärzte dar. Um den Weg zur Diagnose zu unterstützen, wurde ein diagnostisches Werkzeug entwickelt, welches die Erfahrungen Betroffener nutzt.
Citation
Klin Padiatr. 2019 Jan 10. doi: 10.1055/a-0816-5681
Affiliation
HZI,Helmholtz-Zentrum für Infektionsforschung GmbH, Inhoffenstr. 7,38124 Braunschweig, Germany.
Publisher
Thieme
Journal
Klinische Pädiatrie
URI
http://hdl.handle.net/10033/621674
DOI
10.1055/a-0816-5681
PubMed ID
30630212
Type
Article
Language
de
ISSN
0300-8630
Collections

The following license files are associated with this item:

  • Creative Commons
Attribution-NonCommercial-ShareAlike 4.0 International
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-ShareAlike 4.0 International