IRIS

Unsupervised Machine Learning to Identify Convalescent COVID-19 Phenotypes / Adamo, Sarah; Ricciardi, Carlo; Ambrosino, Pasquale; Maniscalco, Mauro; Biancardi, Arcangelo; Cesarelli, Giuseppe; Donisi, Leandro; D'Addio, Giovanni. - (2022). (Intervento presentato al convegno 2022 IEEE International Symposium on Medical Measurements and Applications (MeMeA)) [10.1109/MeMeA54994.2022.9856415].

Unsupervised Machine Learning to Identify Convalescent COVID-19 Phenotypes

Ricciardi, Carlo
Secondo
;Maniscalco, Mauro;Cesarelli, Giuseppe;Donisi, Leandro
Penultimo
;D'Addio, Giovanni
Ultimo
2022
2022
978-1-6654-8299-8
Unsupervised Machine Learning to Identify Convalescent COVID-19 Phenotypes / Adamo, Sarah; Ricciardi, Carlo; Ambrosino, Pasquale; Maniscalco, Mauro; Biancardi, Arcangelo; Cesarelli, Giuseppe; Donisi, Leandro; D'Addio, Giovanni. - (2022). (Intervento presentato al convegno 2022 IEEE International Symposium on Medical Measurements and Applications (MeMeA)) [10.1109/MeMeA54994.2022.9856415].
4.1 Articoli in Atti di convegno
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/11588/922253
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus 0
  • ???jsp.display-item.citation.isi??? 0
social impact