Discriminating MS from MOGAD using deep learning attention maps / Cortese, R; Battaglini, M; Sforazzini, F; Franch, Nc; Prados, F; Bianchi, A; Haider, L; Jacob, A; Palace, J; Messina, S; Paul, F; Marignier, R; Durand-Dubief, F; Rimkus, Cd; Callegaro, D; Sato, D; Filippi, M; Rocca, Ma; Cacciaguerra, L; Cañellas, Ar; Sastre-Garriga, J; Arrambide, G; Liu, Yu; Yun, D; Gasperini, C; Tortorella, C; Ruggieri, S; Amato, Mp; Ulivelli, M; Groppa, S; Grothe, M; Llufriu, S; Sepulveda, M; Lukas, C; Bellenberg, B; Schneider, R; Sowa, P; Celius, E; Pröbstel, Ak; Granziera, C; Yaldizli, Ö; Müller, J; Stankoff, B; Bodini, B; Barkhof, F; Ciccarelli, O; De Stefano, N. - In: MULTIPLE SCLEROSIS. - ISSN 1352-4585. - 29:3S(2023), pp. 264-266.

Discriminating MS from MOGAD using deep learning attention maps

Bianchi, A;Messina, S;Filippi, M;Rocca, MA;Cacciaguerra, L;
2023-01-01

File in questo prodotto:
Non ci sono file associati a questo prodotto.

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.11768/179616
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? 0
social impact