Zur Hauptnavigation wechseln Zur Suche wechseln Zum Hauptinhalt wechseln

Deep Learning-Enabled Assessment of Right Ventricular Function Improves Prognostication After Transcatheter Edge-to-Edge Repair for Mitral Regurgitation

  • Mark Lachmann
  • , Vera Fortmeier
  • , Lukas Stolz
  • , Márton Tokodi
  • , Attila Kovács
  • , Amelie Hesse
  • , Antonia Leipert
  • , Elena Rippen
  • , Héctor Alfonso Alvarez Covarrubias
  • , Moritz Von Scheidt
  • , Jule Tervooren
  • , Ferdinand Roski
  • , Michelle Fett
  • , Muhammed Gerçek
  • , Tibor Schuster
  • , Gerhard Harmsen
  • , Shinsuke Yuasa
  • , N. Patrick Mayr
  • , Adnan Kastrati
  • , Heribert Schunkert
  • Michael Joner, Erion Xhepa, Karl Ludwig Laugwitz, Jörg Hausleiter, Volker Rudolph, Teresa Trenkwalder
  • Technische Universität München
  • Partner Site Munich Heart Alliance
  • University Hospital of the Ruhr-University Bochum
  • Ludwig-Maximilians-Universität München
  • Semmelweis University
  • McGill University
  • University of Johannesburg
  • Keio University School of Medicine

Publikation: Beitrag in FachzeitschriftArtikelBegutachtung

12 Zitate (Scopus)

Fingerprint

Untersuchen Sie die Forschungsthemen von „Deep Learning-Enabled Assessment of Right Ventricular Function Improves Prognostication After Transcatheter Edge-to-Edge Repair for Mitral Regurgitation“. Zusammen bilden sie einen einzigartigen Fingerprint.
sortieren

Keyphrases

Medicine and Dentistry