pyAKI—An open source solution to automated acute kidney injury classification
Porschen, Christian and Ernsting, Jan and Brauckmann, Paul and Weiss, Raphael and Würdemann, Till and Booke, Hendrik and Amini, Wida and Maidowski, Ludwig and Risse, Benjamin and Hahn, Tim and von Groote, Thilo
Forschungsartikel (Zeitschrift) | Peer reviewedDetails zur Publikation
Fachzeitschrift: PloS one (PLoS One)
Jahrgang / Bandnr. / Volume: 20
Ausgabe / Heftnr. / Issue: 1
Artikelnummer: e0315325
Status: Veröffentlicht
Veröffentlichungsjahr: 2025
Sprache, in der die Publikation verfasst ist: Englisch
Link zum Volltext: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0315325
Stichwörter: acute kidney injury; machine learning; classification; open source
Autor*innen der Universität Münster
| Amini, Wida | Klinik für Anästhesiologie, operative Intensivmedizin und Schmerztherapie |
| Ernsting, Jan | Professur für Geoinformatics for Sustainable Development (Prof. Risse) |
| Groote, Thilo Caspar | Klinik für Anästhesiologie, operative Intensivmedizin und Schmerztherapie |
| Hahn, Tim | Institut für Translationale Psychiatrie |
| Porschen, Christian | Klinik für Anästhesiologie, operative Intensivmedizin und Schmerztherapie |
| Risse, Benjamin | Professur für Geoinformatics for Sustainable Development (Prof. Risse) |
| Weiss, Raphael | Klinik für Anästhesiologie, operative Intensivmedizin und Schmerztherapie |
| Würdemann, Till Janusz | Klinik für Anästhesiologie, operative Intensivmedizin und Schmerztherapie |