dc.contributor.author | Lazard, Tristan | - |
dc.contributor.author | Bataillon, Guillaume | - |
dc.contributor.author | Walter, Thomas | - |
dc.contributor.author | Vincent Salomon, Anne | - |
dc.date.accessioned | 2024-01-08T10:56:25Z | |
dc.date.available | 2024-01-08T10:56:25Z | |
dc.date.issued | 2023 | |
dc.identifier.citation | Lazard, Tristan ; Bataillon, Guillaume ; Walter, Thomas ; Vincent Salomon, Anne ; Cancer du sein : Utilisation de l’intelligence artificielle pour prédire le statut tumoral relatif à la recombinaison homologue, Med Sci (Paris), Vol. 39, N° 12 ; p. 926-928 ; DOI : 10.1051/medsci/2023169 | |
dc.identifier.issn | 1958-5381 | |
dc.identifier.uri | http://hdl.handle.net/10608/14631 | |
dc.language.iso | fr | |
dc.publisher | EDP Sciences | |
dc.relation.ispartof | Nouvelles | |
dc.rights | Article en libre accès | fr |
dc.rights | Médecine/Sciences - Inserm - SRMS | fr |
dc.rights.uri | | |
dc.source | M/S. Médecine sciences [ISSN papier : 0767-0974 ; ISSN numérique : 1958-5381], Vol. 39, N° 12; p. 926-928 | |
dc.subject.mesh | Humains | fr |
dc.subject.mesh | Femelle | fr |
dc.subject.mesh | Tumeurs du sein | fr |
dc.subject.mesh | Apprentissage profond | fr |
dc.subject.mesh | diagnostic | fr |
dc.subject.mesh | génétique | fr |
dc.title | Cancer du sein : Utilisation de l’intelligence artificielle pour prédire le statut tumoral relatif à la recombinaison homologue | fr |
dc.title.alternative | Prediction of homologous recombination status with deep learning on breast cancer whole slide images | en |
dc.type | Article | |
dc.contributor.affiliation | Centre de biologie computationnelle (CBIO), Mines ParisTech, université Paris sciences & lettres , Paris , France | |
dc.contributor.affiliation | Institut Curie , Paris , France | |
dc.contributor.affiliation | Inserm U900 , Paris , France | |
dc.contributor.affiliation | Département de médecine diagnostique et théranostique, institut Curie , Paris , France | |
dc.contributor.affiliation | Institut universitaire du cancer de Toulouse , France | |
dc.contributor.affiliation | Université Paris sciences et lettres , Paris , France | |
dc.identifier.doi | 10.1051/medsci/2023169 | |
dc.identifier.pmid | 38108720 | |