Early Diagnosis: End-to-End CNN–LSTM Models for Mass Spectrometry Data Classification - Archive ouverte HAL
Article Dans Une Revue Analytical Chemistry Année : 2023

Early Diagnosis: End-to-End CNN–LSTM Models for Mass Spectrometry Data Classification

Domaines

Sciences du Vivant [q-bio]

Tristan Cardon  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-04459618

Soumis le : jeudi 15 février 2024-13:51:10

Dernière modification le : jeudi 14 novembre 2024-16:30:02

Consulter le texte intégral

Dates et versions

hal-04459618 , version 1 (15-02-2024)

Licence

Paternité

Identifiants

Citer

Khawla Seddiki, Frédéric Precioso, Melissa Sanabria, Michel Salzet, Isabelle Fournier, et al.. Early Diagnosis: End-to-End CNN–LSTM Models for Mass Spectrometry Data Classification. Analytical Chemistry, 2023, 95 (36), pp.13431-13437. ⟨10.1021/acs.analchem.3c00613⟩. ⟨hal-04459618⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

CNRS INRIA I3S INSMI DIEUDONNE INRIA2 UNIV-COTEDAZUR UNIV-LILLE ANR
17 Consultations
0 Téléchargements

Altmetric

Partager

More