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. Mostrar todos los/as autores/as +
Revista:
Computer Methods and Programs in Biomedicine

ISSN: 1872-7565 0169-2607

Año de publicación: 2021

Volumen: 208

Tipo: Artículo

DOI: 10.1016/J.CMPB.2021.106180 GOOGLE SCHOLAR