( en | de | ru )

 

Disambiguierung von "Kühl, Christiane"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
Der grüne Drache : über Ansätze für eine ökologische Wende im Wirtschaftsboomland China

. Natur,   (8): 36-43 (2013)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Christiane Kuhl

Christiane Katharina Kuhl

Christiane Katharina Kuhl

Christiane Katharina Kuhl

Richard Kühl

 

Weitere Publikationen von Autoren mit dem selben Namen

Der grüne Drache : über Ansätze für eine ökologische Wende im Wirtschaftsboomland China. Natur,   (8): 36-43 (2013)Private, fair and accurate: Training large-scale, privacy-preserving AI models in radiology., , , , , , , , und . CoRR, (2023)Predicting Osteoarthritis Progression in Radiographs via Unsupervised Representation Learning., , , , , , , , , und 4 andere Autor(en). CoRR, (2021)Mind the Gap: Federated Learning Broadens Domain Generalization in Diagnostic AI Models., , , , , und . CoRR, (2023)Transformers for CT Reconstruction from Monoplanar and Biplanar Radiographs., , , , , , und . SASHIMI@MICCAI, Volume 14288 von Lecture Notes in Computer Science, Seite 1-10. Springer, (2023)Encrypted federated learning for secure decentralized collaboration in cancer image analysis., , , , , , , , , und 17 andere Autor(en). Medical Image Anal., (Februar 2024)Automated major psoas muscle volumetry in computed tomography using machine learning algorithms., , , , , , , , und . Int. J. Comput. Assist. Radiol. Surg., 17 (2): 355-361 (2022)Reconstruction of Patient-Specific Confounders in AI-based Radiologic Image Interpretation using Generative Pretraining., , , , , , , , , und 2 andere Autor(en). CoRR, (2023)Empowering Clinicians and Democratizing Data Science: Large Language Models Automate Machine Learning for Clinical Studies., , , , , , und . CoRR, (2023)Medical Foundation Models are Susceptible to Targeted Misinformation Attacks., , , , , , , , , und 2 andere Autor(en). CoRR, (2023)