Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
An Open-source Fine-tuned Large Language Model for Radiological Impression Generation: A Multi-reader Performance Study
2024·1 Zitationen·Research SquareOpen Access
Volltext beim Verlag öffnen1
Zitationen
10
Autoren
2024
Jahr
Abstract
Für dieses Paper ist kein Abstract in der Datenbank hinterlegt.
Abstract beim Verlag einsehenÄhnliche Arbeiten
Refinement and reassessment of the SERVQUAL scale.
1991 · 3.966 Zit.
Features and uses of high-fidelity medical simulations that lead to effective learning: a BEME systematic review
2005 · 3.767 Zit.
Radiobiology for the Radiologist.
1974 · 3.501 Zit.
International evidence-based recommendations for point-of-care lung ultrasound
2012 · 2.811 Zit.
Radiation Dose Associated With Common Computed Tomography Examinations and the Associated Lifetime Attributable Risk of Cancer
2009 · 2.430 Zit.
Autoren
Institutionen
Themen
Radiology practices and educationRadiomics and Machine Learning in Medical ImagingArtificial Intelligence in Healthcare and Education