h1

% IMPORTANT: The following is UTF-8 encoded.  This means that in the presence
% of non-ASCII characters, it will not work with BibTeX 0.99 or older.
% Instead, you should use an up-to-date BibTeX implementation like “bibtex8” or
% “biber”.

@ARTICLE{Khader:959887,
      author       = {Khader, Firas and Müller-Franzes, Gustav and Tayebi
                      Arasteh, Soroosh and Han, Tianyu and Haarburger, Christoph
                      and Schulze-Hagen, Maximilian and Schad, Philipp and
                      Engelhardt, Sandy and Baeßler, Bettina and Foersch,
                      Sebastian and Stegmaier, Johannes and Kuhl, Christiane and
                      Nebelung, Sven and Kather, Jakob Nikolas and Truhn, Daniel},
      title        = {{D}enoising diffusion probabilistic models for 3{D} medical
                      image generation},
      journal      = {Scientific reports},
      volume       = {13},
      issn         = {2045-2322},
      address      = {[London]},
      publisher    = {Macmillan Publishers Limited, part of Springer Nature},
      reportid     = {RWTH-2023-05893},
      pages        = {7303},
      year         = {2023},
      cin          = {532010-2 ; 936210 / 811003-3 / 531030-2 / 618830 / 611710},
      ddc          = {600},
      cid          = {$I:(DE-82)532010-2_20140620$ / $I:(DE-82)811003-3_20140620$
                      / $I:(DE-82)531030-2_20140620$ / $I:(DE-82)618830_20180924$
                      / $I:(DE-82)611710_20140620$},
      pnm          = {OA - Open Access Publikation mit Unterstützung der
                      Universitätsbibliothek der RWTH Aachen University
                      (X021000-OA) / ODELIA - Open Consortium for Decentralized
                      Medical Artificial Intelligence (101057091) /
                      BMG-ZMVI1-2520DAT111 - Diagnosestellung und
                      Risikostratifizierung von Lebererkrankungen mittels Deep
                      Learning anhand von klinischen Routinedaten (DEEP LIVER)
                      (BMG-ZMVI1-2520DAT111) /
                      G:(DE-82)Stiftung-Deutsche-Krebshilfe-70113864 -
                      Max-Eder-Nachwuchsgruppenprogramm - Optimierung von
                      Immuntherapie-Strategien bei gastrointestinalen Tumoren mit
                      prädiktiven und mechanistischen Computermodellen
                      (Stiftung-Deutsche-Krebshilfe-70113864) / BMBF 01KD2104C -
                      Verbund PEARL - Prävention von Darmkrebs im jungen und
                      mittleren Erwachsenenalter - Standort Dresden (01KD2104C) /
                      GENIAL - Understanding Gene ENvironment Interaction in
                      ALcohol-related hepatocellular carcinoma (101096312) / BMBF
                      01EO2101 - CAMINO - Programm zur Karriereentwicklung für
                      forschende Ärztinnen und Ärzte in der multidimensionalen
                      Tumorforschung (01EO2101) / BMBF 01KD2215A - Verbund SWAG -
                      SchWArmlernen und Generative Modelle zur Synthese und
                      Nutzbarmachung hochqualitativer Daten in der Krebsmedizin -
                      Standort Universitätsklinikum Würzburg (01KD2215A) / BMBF
                      031L0312A - CompLS - Runde 5 - Verbundprojekt: TRANSFORM
                      LIVER - Weiterentwicklung von Vision Transformern zur
                      Entdeckung von Biomarkern bei Lebererkrankungen -
                      Teilprojekt A (031L0312A)},
      pid          = {G:(DE-82)X021000-OA / G:(EU-Grant)101057091 /
                      G:(DE-82)BMG-ZMVI1-2520DAT111 /
                      G:(DE-82)Stiftung-Deutsche-Krebshilfe-70113864 /
                      G:(BMBF)01KD2104C / G:(EU-Grant)101096312 / G:(BMBF)01EO2101
                      / G:(BMBF)01KD2215A / G:(BMBF)031L0312A},
      typ          = {PUB:(DE-HGF)16},
      UT           = {WOS:001025190100001},
      doi          = {10.1038/s41598-023-34341-2},
      url          = {https://publications.rwth-aachen.de/record/959887},
}