Cargando…

Algoritmos Artificiais Superam os Modelos Tradicionais na Predição de Doença Arterial Coronariana

Detalles Bibliográficos
Formato: Online Artículo Texto
Lenguaje:English
Publicado: Sociedade Brasileira de Cardiologia - SBC 2021
Materias:
Acceso en línea:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8757158/
https://www.ncbi.nlm.nih.gov/pubmed/35613163
http://dx.doi.org/10.36660/abc.20210823
_version_ 1784632647234879488
collection PubMed
description
format Online
Article
Text
id pubmed-8757158
institution National Center for Biotechnology Information
language English
publishDate 2021
publisher Sociedade Brasileira de Cardiologia - SBC
record_format MEDLINE/PubMed
spelling pubmed-87571582022-01-18 Algoritmos Artificiais Superam os Modelos Tradicionais na Predição de Doença Arterial Coronariana Arq Bras Cardiol Minieditorial Sociedade Brasileira de Cardiologia - SBC 2021-11-22 /pmc/articles/PMC8757158/ /pubmed/35613163 http://dx.doi.org/10.36660/abc.20210823 Text en https://creativecommons.org/licenses/by/4.0/This is an open-access article distributed under the terms of the Creative Commons Attribution License
spellingShingle Minieditorial
Algoritmos Artificiais Superam os Modelos Tradicionais na Predição de Doença Arterial Coronariana
title Algoritmos Artificiais Superam os Modelos Tradicionais na Predição de Doença Arterial Coronariana
title_full Algoritmos Artificiais Superam os Modelos Tradicionais na Predição de Doença Arterial Coronariana
title_fullStr Algoritmos Artificiais Superam os Modelos Tradicionais na Predição de Doença Arterial Coronariana
title_full_unstemmed Algoritmos Artificiais Superam os Modelos Tradicionais na Predição de Doença Arterial Coronariana
title_short Algoritmos Artificiais Superam os Modelos Tradicionais na Predição de Doença Arterial Coronariana
title_sort algoritmos artificiais superam os modelos tradicionais na predição de doença arterial coronariana
topic Minieditorial
url https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8757158/
https://www.ncbi.nlm.nih.gov/pubmed/35613163
http://dx.doi.org/10.36660/abc.20210823