ReP USP - Resultado da busca

Trabalho de evento
ImageLogViewer: an open-source solution for exploring images from micro-resistivity and ultrasonic boreholes (2024)
Piva, Rodrigo; Cruz, Matheus Altomare; Braga, Paola; Dias, Rodrigo; Siqueira, Paulo; Trevisan, Willian A; Jesus, Candida M. de; Souza, André Moreira; Salvador, Rodrigo; Fernandes, Leandro Augusto Frata; Bernardini, Flávia Cristina; Sousa, Elaine Parros Machado de; Oliveira, Daniel de; Bedo, Marcos Vinicius Naves
Source: Anais estendidos. Conference titles: Simpósio Brasileiro de Bancos de Dados - SBBD. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, VISUALIZAÇÃO, PROCESSAMENTO DE IMAGENS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
PIVA, Rodrigo et al. ImageLogViewer: an open-source solution for exploring images from micro-resistivity and ultrasonic boreholes. 2024, Anais.. Porto Alegre: SBC, 2024. Disponível em: https://doi.org/10.5753/sbbd_estendido.2024.241021. Acesso em: 17 nov. 2024.
APA
Piva, R., Cruz, M. A., Braga, P., Dias, R., Siqueira, P., Trevisan, W. A., et al. (2024). ImageLogViewer: an open-source solution for exploring images from micro-resistivity and ultrasonic boreholes. In Anais estendidos. Porto Alegre: SBC. doi:10.5753/sbbd_estendido.2024.241021
NLM
Piva R, Cruz MA, Braga P, Dias R, Siqueira P, Trevisan WA, Jesus CM de, Souza AM, Salvador R, Fernandes LAF, Bernardini FC, Sousa EPM de, Oliveira D de, Bedo MVN. ImageLogViewer: an open-source solution for exploring images from micro-resistivity and ultrasonic boreholes [Internet]. Anais estendidos. 2024 ;[citado 2024 nov. 17 ] Available from: https://doi.org/10.5753/sbbd_estendido.2024.241021
Vancouver
Piva R, Cruz MA, Braga P, Dias R, Siqueira P, Trevisan WA, Jesus CM de, Souza AM, Salvador R, Fernandes LAF, Bernardini FC, Sousa EPM de, Oliveira D de, Bedo MVN. ImageLogViewer: an open-source solution for exploring images from micro-resistivity and ultrasonic boreholes [Internet]. Anais estendidos. 2024 ;[citado 2024 nov. 17 ] Available from: https://doi.org/10.5753/sbbd_estendido.2024.241021
Trabalho de evento
Assessing vulnerabilities of deep learning explainability in medical image analysis under adversarial settings (2023)
Aguiar, Erikson Júlio de ; Costa, Márcus Vinícius Lobo ; Traina Junior, Caetano ; Traina, Agma Juci Machado
Source: Proceedings. Conference titles: International Symposium on Computer-Based Medical Systems - CBMS. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, PROCESSAMENTO DE IMAGENS, RECONHECIMENTO DE IMAGEM, DIAGNÓSTICO POR COMPUTADOR
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
AGUIAR, Erikson Júlio de et al. Assessing vulnerabilities of deep learning explainability in medical image analysis under adversarial settings. 2023, Anais.. Los Alamitos: IEEE, 2023. Disponível em: https://doi.org/10.1109/CBMS58004.2023.00184. Acesso em: 17 nov. 2024.
APA
Aguiar, E. J. de, Costa, M. V. L., Traina Junior, C., & Traina, A. J. M. (2023). Assessing vulnerabilities of deep learning explainability in medical image analysis under adversarial settings. In Proceedings. Los Alamitos: IEEE. doi:10.1109/CBMS58004.2023.00184
NLM
Aguiar EJ de, Costa MVL, Traina Junior C, Traina AJM. Assessing vulnerabilities of deep learning explainability in medical image analysis under adversarial settings [Internet]. Proceedings. 2023 ;[citado 2024 nov. 17 ] Available from: https://doi.org/10.1109/CBMS58004.2023.00184
Vancouver
Aguiar EJ de, Costa MVL, Traina Junior C, Traina AJM. Assessing vulnerabilities of deep learning explainability in medical image analysis under adversarial settings [Internet]. Proceedings. 2023 ;[citado 2024 nov. 17 ] Available from: https://doi.org/10.1109/CBMS58004.2023.00184
Trabalho de evento
A deep learning-based radiomics approach for COVID-19 detection from CXR images using ensemble learning model (2023)
Costa, Márcus Vinícius Lobo ; Aguiar, Erikson Júlio de ; Rodrigues, Lucas Santiago ; Ramos, Jonathan da Silva ; Traina Junior, Caetano ; Traina, Agma Juci Machado
Source: Proceedings. Conference titles: International Symposium on Computer-Based Medical Systems - CBMS. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, PROCESSAMENTO DE IMAGENS, RECONHECIMENTO DE IMAGEM, DIAGNÓSTICO POR COMPUTADOR, TECNOLOGIAS DA SAÚDE, COVID-19
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
COSTA, Márcus Vinícius Lobo et al. A deep learning-based radiomics approach for COVID-19 detection from CXR images using ensemble learning model. 2023, Anais.. Los Alamitos: IEEE, 2023. Disponível em: https://doi.org/10.1109/CBMS58004.2023.00272. Acesso em: 17 nov. 2024.
APA
Costa, M. V. L., Aguiar, E. J. de, Rodrigues, L. S., Ramos, J. da S., Traina Junior, C., & Traina, A. J. M. (2023). A deep learning-based radiomics approach for COVID-19 detection from CXR images using ensemble learning model. In Proceedings. Los Alamitos: IEEE. doi:10.1109/CBMS58004.2023.00272
NLM
Costa MVL, Aguiar EJ de, Rodrigues LS, Ramos J da S, Traina Junior C, Traina AJM. A deep learning-based radiomics approach for COVID-19 detection from CXR images using ensemble learning model [Internet]. Proceedings. 2023 ;[citado 2024 nov. 17 ] Available from: https://doi.org/10.1109/CBMS58004.2023.00272
Vancouver
Costa MVL, Aguiar EJ de, Rodrigues LS, Ramos J da S, Traina Junior C, Traina AJM. A deep learning-based radiomics approach for COVID-19 detection from CXR images using ensemble learning model [Internet]. Proceedings. 2023 ;[citado 2024 nov. 17 ] Available from: https://doi.org/10.1109/CBMS58004.2023.00272
Trabalho de evento
Realimentação de relevância para aprimorar o processamento de consultas por similaridade sobre bases de imagens de COVID-19 (2022)
Marcacini, Renato Gomes ; Traina, Agma Juci Machado
Source: Anais. Conference titles: Congresso Brasileiro de Informática em Saúde - CBIS. Unidade: ICMC
Subjects: DIAGNÓSTICO POR COMPUTADOR, COVID-19, PROCESSAMENTO DE IMAGENS, RADIOGRAFIA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MARCACINI, Renato Gomes e TRAINA, Agma Juci Machado. Realimentação de relevância para aprimorar o processamento de consultas por similaridade sobre bases de imagens de COVID-19. 2022, Anais.. São Paulo: SBIS, 2022. Disponível em: http://sbis.org.br/anais-estendidos-cbis22. Acesso em: 17 nov. 2024.
APA
Marcacini, R. G., & Traina, A. J. M. (2022). Realimentação de relevância para aprimorar o processamento de consultas por similaridade sobre bases de imagens de COVID-19. In Anais. São Paulo: SBIS. Recuperado de http://sbis.org.br/anais-estendidos-cbis22
NLM
Marcacini RG, Traina AJM. Realimentação de relevância para aprimorar o processamento de consultas por similaridade sobre bases de imagens de COVID-19 [Internet]. Anais. 2022 ;[citado 2024 nov. 17 ] Available from: http://sbis.org.br/anais-estendidos-cbis22
Vancouver
Marcacini RG, Traina AJM. Realimentação de relevância para aprimorar o processamento de consultas por similaridade sobre bases de imagens de COVID-19 [Internet]. Anais. 2022 ;[citado 2024 nov. 17 ] Available from: http://sbis.org.br/anais-estendidos-cbis22
Trabalho de evento-anais periodico
Full motion focus: convolutional module for improved left ventricle segmentation over 4D MRI (2022)
Lima, Daniel Mário de ; Graves, Catharine de Vita ; Gutierrez, Marco Antonio ; Machado, Bruno Brandoli ; Rodrigues Junior, José Fernando
Source: Lecture Notes in Computer Science. Conference titles: International Conference on Image Analysis and Processing - ICIAP. Unidades: EP, ICMC
Subjects: APRENDIZADO COMPUTACIONAL, PROCESSAMENTO DE IMAGENS, DIAGNÓSTICO POR IMAGEM, DIAGNÓSTICO POR COMPUTADOR, TECNOLOGIAS DA SAÚDE, RESSONÂNCIA MAGNÉTICA, TESTES DE FUNÇÃO CARDÍACA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
LIMA, Daniel Mário de et al. Full motion focus: convolutional module for improved left ventricle segmentation over 4D MRI. Lecture Notes in Computer Science. Cham: Springer. Disponível em: https://doi.org/10.1007/978-3-031-06427-2_37. Acesso em: 17 nov. 2024. , 2022
APA
Lima, D. M. de, Graves, C. de V., Gutierrez, M. A., Machado, B. B., & Rodrigues Junior, J. F. (2022). Full motion focus: convolutional module for improved left ventricle segmentation over 4D MRI. Lecture Notes in Computer Science. Cham: Springer. doi:10.1007/978-3-031-06427-2_37
NLM
Lima DM de, Graves C de V, Gutierrez MA, Machado BB, Rodrigues Junior JF. Full motion focus: convolutional module for improved left ventricle segmentation over 4D MRI [Internet]. Lecture Notes in Computer Science. 2022 ; 13231 438-450.[citado 2024 nov. 17 ] Available from: https://doi.org/10.1007/978-3-031-06427-2_37
Vancouver
Lima DM de, Graves C de V, Gutierrez MA, Machado BB, Rodrigues Junior JF. Full motion focus: convolutional module for improved left ventricle segmentation over 4D MRI [Internet]. Lecture Notes in Computer Science. 2022 ; 13231 438-450.[citado 2024 nov. 17 ] Available from: https://doi.org/10.1007/978-3-031-06427-2_37
Trabalho de evento
Deep depth completion of low-cost sensor indoor RGB-D using Euclidean distance-based weighted loss and edge-aware refinement (2022)
Castro, Augusto Ribeiro ; Grassi Júnior, Valdir ; Ponti, Moacir Antonelli
Source: Proceedings. Conference titles: International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications - VISIGRAPP. Unidades: EESC, ICMC
Subjects: APRENDIZADO COMPUTACIONAL, VISÃO COMPUTACIONAL, PROCESSAMENTO DE IMAGENS, REDES NEURAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CASTRO, Augusto Ribeiro e GRASSI JÚNIOR, Valdir e PONTI, Moacir Antonelli. Deep depth completion of low-cost sensor indoor RGB-D using Euclidean distance-based weighted loss and edge-aware refinement. 2022, Anais.. Lisboa: SciTePress, 2022. Disponível em: https://doi.org/10.5220/0010915300003124. Acesso em: 17 nov. 2024.
APA
Castro, A. R., Grassi Júnior, V., & Ponti, M. A. (2022). Deep depth completion of low-cost sensor indoor RGB-D using Euclidean distance-based weighted loss and edge-aware refinement. In Proceedings. Lisboa: SciTePress. doi:10.5220/0010915300003124
NLM
Castro AR, Grassi Júnior V, Ponti MA. Deep depth completion of low-cost sensor indoor RGB-D using Euclidean distance-based weighted loss and edge-aware refinement [Internet]. Proceedings. 2022 ;[citado 2024 nov. 17 ] Available from: https://doi.org/10.5220/0010915300003124
Vancouver
Castro AR, Grassi Júnior V, Ponti MA. Deep depth completion of low-cost sensor indoor RGB-D using Euclidean distance-based weighted loss and edge-aware refinement [Internet]. Proceedings. 2022 ;[citado 2024 nov. 17 ] Available from: https://doi.org/10.5220/0010915300003124
Artigo de periodico
Aplicação da inteligência artificial em imagem cardiovascular: classificação automática de imagens de radiografia de tórax (2022)
Gutierrez, Marco Antonio ; Cardenas, Diego Armando Cardona ; Marcomini, Karem Daiane ; Traina, Agma Juci Machado ; Moreno, Ramon Alfredo; Krieger, Jose Eduardo
Source: Revista da Sociedade de Cardiologia do Estado de São Paulo. Unidades: ICMC, FM
Subjects: APRENDIZADO COMPUTACIONAL, REDES NEURAIS, PROCESSAMENTO DE IMAGENS, RECONHECIMENTO DE IMAGEM, RADIOGRAFIA, TÓRAX
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GUTIERREZ, Marco Antonio et al. Aplicação da inteligência artificial em imagem cardiovascular: classificação automática de imagens de radiografia de tórax. Revista da Sociedade de Cardiologia do Estado de São Paulo, v. 32, n. 1, p. 31-38, 2022Tradução . . Disponível em: https://doi.org/10.29381/0103-8559/2022320131-8. Acesso em: 17 nov. 2024.
APA
Gutierrez, M. A., Cardenas, D. A. C., Marcomini, K. D., Traina, A. J. M., Moreno, R. A., & Krieger, J. E. (2022). Aplicação da inteligência artificial em imagem cardiovascular: classificação automática de imagens de radiografia de tórax. Revista da Sociedade de Cardiologia do Estado de São Paulo, 32( 1), 31-38. doi:10.29381/0103-8559/2022320131-8
NLM
Gutierrez MA, Cardenas DAC, Marcomini KD, Traina AJM, Moreno RA, Krieger JE. Aplicação da inteligência artificial em imagem cardiovascular: classificação automática de imagens de radiografia de tórax [Internet]. Revista da Sociedade de Cardiologia do Estado de São Paulo. 2022 ; 32( 1): 31-38.[citado 2024 nov. 17 ] Available from: https://doi.org/10.29381/0103-8559/2022320131-8
Vancouver
Gutierrez MA, Cardenas DAC, Marcomini KD, Traina AJM, Moreno RA, Krieger JE. Aplicação da inteligência artificial em imagem cardiovascular: classificação automática de imagens de radiografia de tórax [Internet]. Revista da Sociedade de Cardiologia do Estado de São Paulo. 2022 ; 32( 1): 31-38.[citado 2024 nov. 17 ] Available from: https://doi.org/10.29381/0103-8559/2022320131-8
Artigo de periodico
Low-resource AMR-to-Text generation: a study on brazilian portuguese (2022)
Cabezudo, Marco Antonio Sobrevilla ; Pardo, Thiago Alexandre Salgueiro
Source: Procesamiento del Lenguaje Natural. Unidade: ICMC
Subjects: PROCESSAMENTO DE IMAGENS, TRATAMENTO AUTOMÁTICO DE TEXTOS E DISCURSOS, CORPUS, PORTUGUÊS DO BRASIL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CABEZUDO, Marco Antonio Sobrevilla e PARDO, Thiago Alexandre Salgueiro. Low-resource AMR-to-Text generation: a study on brazilian portuguese. Procesamiento del Lenguaje Natural, v. 68, p. 85-97, 2022Tradução . . Disponível em: https://doi.org/10.26342/2022-68-6. Acesso em: 17 nov. 2024.
APA
Cabezudo, M. A. S., & Pardo, T. A. S. (2022). Low-resource AMR-to-Text generation: a study on brazilian portuguese. Procesamiento del Lenguaje Natural, 68, 85-97. doi:10.26342/2022-68-6
NLM
Cabezudo MAS, Pardo TAS. Low-resource AMR-to-Text generation: a study on brazilian portuguese [Internet]. Procesamiento del Lenguaje Natural. 2022 ; 68 85-97.[citado 2024 nov. 17 ] Available from: https://doi.org/10.26342/2022-68-6
Vancouver
Cabezudo MAS, Pardo TAS. Low-resource AMR-to-Text generation: a study on brazilian portuguese [Internet]. Procesamiento del Lenguaje Natural. 2022 ; 68 85-97.[citado 2024 nov. 17 ] Available from: https://doi.org/10.26342/2022-68-6
Artigo de periodico
Automatic image segmentation based on label propagation (2021)
Belizario, Ivar Vargas ; Linares, Oscar Alonso Cuadros ; Batista Neto, João do Espírito Santo
Source: IET Image Processing. Unidade: ICMC
Subjects: PROCESSAMENTO DE IMAGENS, RECONHECIMENTO DE IMAGEM, COMPUTAÇÃO GRÁFICA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BELIZARIO, Ivar Vargas e LINARES, Oscar Alonso Cuadros e BATISTA NETO, João do Espírito Santo. Automatic image segmentation based on label propagation. IET Image Processing, v. 15, n. 11, p. Se 2021, 2021Tradução . . Disponível em: https://doi.org/10.1049/ipr2.12242. Acesso em: 17 nov. 2024.
APA
Belizario, I. V., Linares, O. A. C., & Batista Neto, J. do E. S. (2021). Automatic image segmentation based on label propagation. IET Image Processing, 15( 11), Se 2021. doi:10.1049/ipr2.12242
NLM
Belizario IV, Linares OAC, Batista Neto J do ES. Automatic image segmentation based on label propagation [Internet]. IET Image Processing. 2021 ; 15( 11): Se 2021.[citado 2024 nov. 17 ] Available from: https://doi.org/10.1049/ipr2.12242
Vancouver
Belizario IV, Linares OAC, Batista Neto J do ES. Automatic image segmentation based on label propagation [Internet]. IET Image Processing. 2021 ; 15( 11): Se 2021.[citado 2024 nov. 17 ] Available from: https://doi.org/10.1049/ipr2.12242
Artigo de periodico
DropLeaf: a precision farming smartphone tool for real-time quantification of pesticide application coverage (2021)
Machado, Bruno Brandoli ; Spadon, Gabriel ; Esau, Travis ; Hennessy, Patrick ; Carvalho, André Carlos Ponce de Leon Ferreira de ; Amer-Yahia, Sihem ; Rodrigues Junior, José Fernando
Source: Computers and Electronics in Agriculture. Unidade: ICMC
Subjects: COMPUTAÇÃO MÓVEL, PROCESSAMENTO DE IMAGENS, AGRICULTURA DE PRECISÃO, PESTICIDAS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MACHADO, Bruno Brandoli et al. DropLeaf: a precision farming smartphone tool for real-time quantification of pesticide application coverage. Computers and Electronics in Agriculture, v. 180, n. Ja 2021, p. 1-9, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.compag.2020.105906. Acesso em: 17 nov. 2024.
APA
Machado, B. B., Spadon, G., Esau, T., Hennessy, P., Carvalho, A. C. P. de L. F. de, Amer-Yahia, S., & Rodrigues Junior, J. F. (2021). DropLeaf: a precision farming smartphone tool for real-time quantification of pesticide application coverage. Computers and Electronics in Agriculture, 180( Ja 2021), 1-9. doi:10.1016/j.compag.2020.105906
NLM
Machado BB, Spadon G, Esau T, Hennessy P, Carvalho ACP de LF de, Amer-Yahia S, Rodrigues Junior JF. DropLeaf: a precision farming smartphone tool for real-time quantification of pesticide application coverage [Internet]. Computers and Electronics in Agriculture. 2021 ; 180( Ja 2021): 1-9.[citado 2024 nov. 17 ] Available from: https://doi.org/10.1016/j.compag.2020.105906
Vancouver
Machado BB, Spadon G, Esau T, Hennessy P, Carvalho ACP de LF de, Amer-Yahia S, Rodrigues Junior JF. DropLeaf: a precision farming smartphone tool for real-time quantification of pesticide application coverage [Internet]. Computers and Electronics in Agriculture. 2021 ; 180( Ja 2021): 1-9.[citado 2024 nov. 17 ] Available from: https://doi.org/10.1016/j.compag.2020.105906
Artigo de periodico
The UTrack framework for segmenting and measuring dermatological ulcers through telemedicine (2021)
Cazzolato, Mirela Teixeira ; Ramos, Jonathan da Silva ; Rodrigues, Lucas Santiago ; Scabora, Lucas de Carvalho ; Chino, Daniel Yoshinobu Takada ; Jorge, Ana Elisa Serafim ; Azevedo-Marques, Paulo Mazzoncini de ; Traina Junior, Caetano ; Traina, Agma Juci Machado
Source: Computers in Biology and Medicine. Unidades: FMRP, ICMC
Subjects: PROCESSAMENTO DE IMAGENS, RECONHECIMENTO DE IMAGEM, TECNOLOGIAS DA SAÚDE, TELEMEDICINA, ÚLCERA CUTÂNEA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CAZZOLATO, Mirela Teixeira et al. The UTrack framework for segmenting and measuring dermatological ulcers through telemedicine. Computers in Biology and Medicine, v. 134, p. 1-17, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.compbiomed.2021.104489. Acesso em: 17 nov. 2024.
APA
Cazzolato, M. T., Ramos, J. da S., Rodrigues, L. S., Scabora, L. de C., Chino, D. Y. T., Jorge, A. E. S., et al. (2021). The UTrack framework for segmenting and measuring dermatological ulcers through telemedicine. Computers in Biology and Medicine, 134, 1-17. doi:10.1016/j.compbiomed.2021.104489
NLM
Cazzolato MT, Ramos J da S, Rodrigues LS, Scabora L de C, Chino DYT, Jorge AES, Azevedo-Marques PM de, Traina Junior C, Traina AJM. The UTrack framework for segmenting and measuring dermatological ulcers through telemedicine [Internet]. Computers in Biology and Medicine. 2021 ; 134 1-17.[citado 2024 nov. 17 ] Available from: https://doi.org/10.1016/j.compbiomed.2021.104489
Vancouver
Cazzolato MT, Ramos J da S, Rodrigues LS, Scabora L de C, Chino DYT, Jorge AES, Azevedo-Marques PM de, Traina Junior C, Traina AJM. The UTrack framework for segmenting and measuring dermatological ulcers through telemedicine [Internet]. Computers in Biology and Medicine. 2021 ; 134 1-17.[citado 2024 nov. 17 ] Available from: https://doi.org/10.1016/j.compbiomed.2021.104489
Trabalho de evento
Use of convolutional neural networks for detection and segmentation of pulmonary nodules in computed tomography images (2020)
Saraiva, Aratã Andrade ; Lopes, Luciano ; Pimentel, Pedro Mateus Cunha ; Sousa, Jose Vigno Moura ; Ferreira, N. M. Fonseca ; Batista Neto, João do Espírito Santo ; Soares, Salviano ; Valente, Antônio
Source: Proceedings. Conference titles: International Joint Conference on Biomedical Engineering Systems and Technologies - BIOSTEC. Unidade: ICMC
Subjects: REDES NEURAIS, PROCESSAMENTO DE IMAGENS, TOMOGRAFIA COMPUTADORIZADA DE EMISSÃO, DIAGNÓSTICO POR COMPUTADOR, NEOPLASIAS PULMONARES
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SARAIVA, Aratã Andrade et al. Use of convolutional neural networks for detection and segmentation of pulmonary nodules in computed tomography images. 2020, Anais.. Lisboa: SciTePress, 2020. Disponível em: https://doi.org/10.5220/0009178902920297. Acesso em: 17 nov. 2024.
APA
Saraiva, A. A., Lopes, L., Pimentel, P. M. C., Sousa, J. V. M., Ferreira, N. M. F., Batista Neto, J. do E. S., et al. (2020). Use of convolutional neural networks for detection and segmentation of pulmonary nodules in computed tomography images. In Proceedings. Lisboa: SciTePress. doi:10.5220/0009178902920297
NLM
Saraiva AA, Lopes L, Pimentel PMC, Sousa JVM, Ferreira NMF, Batista Neto J do ES, Soares S, Valente A. Use of convolutional neural networks for detection and segmentation of pulmonary nodules in computed tomography images [Internet]. Proceedings. 2020 ;[citado 2024 nov. 17 ] Available from: https://doi.org/10.5220/0009178902920297
Vancouver
Saraiva AA, Lopes L, Pimentel PMC, Sousa JVM, Ferreira NMF, Batista Neto J do ES, Soares S, Valente A. Use of convolutional neural networks for detection and segmentation of pulmonary nodules in computed tomography images [Internet]. Proceedings. 2020 ;[citado 2024 nov. 17 ] Available from: https://doi.org/10.5220/0009178902920297
Trabalho de evento
Efficient segmentation of cell nuclei in histopathological images (2020)
Linares, Oscar Alonso Cuadros ; Soriano-Vargas, Aurea ; Faiçal, Bruno Squizato ; Hamann, Bernd ; Fabro, Alexandre Todorovic ; Traina, Agma Juci Machado
Source: Proceedings. Conference titles: IEEE International Symposium on Computer-Based Medical Systems - CBMS. Unidades: FMRP, ICMC
Subjects: BANCO DE DADOS MULTIMÍDIA, PROCESSAMENTO DE IMAGENS, RECONHECIMENTO DE IMAGEM, HISTOLOGIA HUMANA, NÚCLEO CELULAR, TECNOLOGIAS DA SAÚDE
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
LINARES, Oscar Alonso Cuadros et al. Efficient segmentation of cell nuclei in histopathological images. 2020, Anais.. Los Alamitos: IEEE, 2020. Disponível em: https://doi.org/10.1109/CBMS49503.2020.00017. Acesso em: 17 nov. 2024.
APA
Linares, O. A. C., Soriano-Vargas, A., Faiçal, B. S., Hamann, B., Fabro, A. T., & Traina, A. J. M. (2020). Efficient segmentation of cell nuclei in histopathological images. In Proceedings. Los Alamitos: IEEE. doi:10.1109/CBMS49503.2020.00017
NLM
Linares OAC, Soriano-Vargas A, Faiçal BS, Hamann B, Fabro AT, Traina AJM. Efficient segmentation of cell nuclei in histopathological images [Internet]. Proceedings. 2020 ;[citado 2024 nov. 17 ] Available from: https://doi.org/10.1109/CBMS49503.2020.00017
Vancouver
Linares OAC, Soriano-Vargas A, Faiçal BS, Hamann B, Fabro AT, Traina AJM. Efficient segmentation of cell nuclei in histopathological images [Internet]. Proceedings. 2020 ;[citado 2024 nov. 17 ] Available from: https://doi.org/10.1109/CBMS49503.2020.00017
Artigo de periodico
A superpixel-driven deep learning approach for the analysis of dermatological wounds (2020)
Blanco, Gustavo; Traina, Agma Juci Machado ; Traina Junior, Caetano ; Azevedo-Marques, Paulo Mazzoncini de ; Jorge, Ana Elisa Serafim ; Oliveira, Daniel de; Bêdo, Marcos Vinícius Naves
Source: Computer Methods and Programs in Biomedicine. Unidades: ICMC, FMRP
Subjects: PROCESSAMENTO DE IMAGENS, APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE IMAGEM, ÚLCERA CUTÂNEA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BLANCO, Gustavo et al. A superpixel-driven deep learning approach for the analysis of dermatological wounds. Computer Methods and Programs in Biomedicine, v. 183, n. Ja 2020, p. 1-9, 2020Tradução . . Disponível em: https://doi.org/10.1016/j.cmpb.2019.105079. Acesso em: 17 nov. 2024.
APA
Blanco, G., Traina, A. J. M., Traina Junior, C., Azevedo-Marques, P. M. de, Jorge, A. E. S., Oliveira, D. de, & Bêdo, M. V. N. (2020). A superpixel-driven deep learning approach for the analysis of dermatological wounds. Computer Methods and Programs in Biomedicine, 183( Ja 2020), 1-9. doi:10.1016/j.cmpb.2019.105079
NLM
Blanco G, Traina AJM, Traina Junior C, Azevedo-Marques PM de, Jorge AES, Oliveira D de, Bêdo MVN. A superpixel-driven deep learning approach for the analysis of dermatological wounds [Internet]. Computer Methods and Programs in Biomedicine. 2020 ; 183( Ja 2020): 1-9.[citado 2024 nov. 17 ] Available from: https://doi.org/10.1016/j.cmpb.2019.105079
Vancouver
Blanco G, Traina AJM, Traina Junior C, Azevedo-Marques PM de, Jorge AES, Oliveira D de, Bêdo MVN. A superpixel-driven deep learning approach for the analysis of dermatological wounds [Internet]. Computer Methods and Programs in Biomedicine. 2020 ; 183( Ja 2020): 1-9.[citado 2024 nov. 17 ] Available from: https://doi.org/10.1016/j.cmpb.2019.105079
Artigo de periodico
DICOM compression and decompression method using double cone (2020)
Saraiva, Aratã Andrade ; Oliveira, Marcos Soares de ; Batista Neto, João do Espírito Santo
Source: Research, Society and Development. Unidades: ICMC, FFCLRP
Subjects: PROCESSAMENTO DE IMAGENS, COMPRESSÃO (COMPUTABILIDADE E COMPLEXIDADE)
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SARAIVA, Aratã Andrade e OLIVEIRA, Marcos Soares de e BATISTA NETO, João do Espírito Santo. DICOM compression and decompression method using double cone. Research, Society and Development, v. 9, n. 9, p. 1-33, 2020Tradução . . Disponível em: https://doi.org/10.33448/rsd-v9i9.8032. Acesso em: 17 nov. 2024.
APA
Saraiva, A. A., Oliveira, M. S. de, & Batista Neto, J. do E. S. (2020). DICOM compression and decompression method using double cone. Research, Society and Development, 9( 9), 1-33. doi:10.33448/rsd-v9i9.8032
NLM
Saraiva AA, Oliveira MS de, Batista Neto J do ES. DICOM compression and decompression method using double cone [Internet]. Research, Society and Development. 2020 ; 9( 9): 1-33.[citado 2024 nov. 17 ] Available from: https://doi.org/10.33448/rsd-v9i9.8032
Vancouver
Saraiva AA, Oliveira MS de, Batista Neto J do ES. DICOM compression and decompression method using double cone [Internet]. Research, Society and Development. 2020 ; 9( 9): 1-33.[citado 2024 nov. 17 ] Available from: https://doi.org/10.33448/rsd-v9i9.8032
Trabalho de evento
Semi-automatic ulcer segmentation and wound area measurement supporting telemedicine (2020)
Cazzolato, Mirela Teixeira ; Ramos, Jonathan da Silva ; Rodrigues, Lucas Santiago ; Scabora, Lucas de Carvalho ; Chino, Daniel Yoshinobu Takada ; Jorge, Ana Elisa Serafim ; Azevedo-Marques, Paulo Mazzoncini de ; Traina Junior, Caetano ; Traina, Agma Juci Machado
Source: Proceedings. Conference titles: IEEE International Symposium on Computer-Based Medical Systems - CBMS. Unidades: FMRP, ICMC
Subjects: COMPUTAÇÃO MÓVEL, PROCESSAMENTO DE IMAGENS, ÚLCERA CUTÂNEA, TECNOLOGIAS DA SAÚDE, TELEMEDICINA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CAZZOLATO, Mirela Teixeira et al. Semi-automatic ulcer segmentation and wound area measurement supporting telemedicine. 2020, Anais.. Los Alamitos: IEEE, 2020. Disponível em: https://doi.org/10.1109/CBMS49503.2020.00073. Acesso em: 17 nov. 2024.
APA
Cazzolato, M. T., Ramos, J. da S., Rodrigues, L. S., Scabora, L. de C., Chino, D. Y. T., Jorge, A. E. S., et al. (2020). Semi-automatic ulcer segmentation and wound area measurement supporting telemedicine. In Proceedings. Los Alamitos: IEEE. doi:10.1109/CBMS49503.2020.00073
NLM
Cazzolato MT, Ramos J da S, Rodrigues LS, Scabora L de C, Chino DYT, Jorge AES, Azevedo-Marques PM de, Traina Junior C, Traina AJM. Semi-automatic ulcer segmentation and wound area measurement supporting telemedicine [Internet]. Proceedings. 2020 ;[citado 2024 nov. 17 ] Available from: https://doi.org/10.1109/CBMS49503.2020.00073
Vancouver
Cazzolato MT, Ramos J da S, Rodrigues LS, Scabora L de C, Chino DYT, Jorge AES, Azevedo-Marques PM de, Traina Junior C, Traina AJM. Semi-automatic ulcer segmentation and wound area measurement supporting telemedicine [Internet]. Proceedings. 2020 ;[citado 2024 nov. 17 ] Available from: https://doi.org/10.1109/CBMS49503.2020.00073
Trabalho de evento
Multi-level graph label propagation for image segmentation (2020)
Belizario, Ivar Vargas ; Batista Neto, João do Espírito Santo
Source: Proceedings. Conference titles: Conference on Graphics, Patterns and Images - SIBGRAPI. Unidade: ICMC
Subjects: PROCESSAMENTO DE IMAGENS, COMPUTAÇÃO GRÁFICA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BELIZARIO, Ivar Vargas e BATISTA NETO, João do Espírito Santo. Multi-level graph label propagation for image segmentation. 2020, Anais.. Los Alamitos: IEEE, 2020. Disponível em: https://doi.org/10.1109/SIBGRAPI51738.2020.00034. Acesso em: 17 nov. 2024.
APA
Belizario, I. V., & Batista Neto, J. do E. S. (2020). Multi-level graph label propagation for image segmentation. In Proceedings. Los Alamitos: IEEE. doi:10.1109/SIBGRAPI51738.2020.00034
NLM
Belizario IV, Batista Neto J do ES. Multi-level graph label propagation for image segmentation [Internet]. Proceedings. 2020 ;[citado 2024 nov. 17 ] Available from: https://doi.org/10.1109/SIBGRAPI51738.2020.00034
Vancouver
Belizario IV, Batista Neto J do ES. Multi-level graph label propagation for image segmentation [Internet]. Proceedings. 2020 ;[citado 2024 nov. 17 ] Available from: https://doi.org/10.1109/SIBGRAPI51738.2020.00034
Trabalho de evento
FINE: improving time and precision of segmentation techniques for vertebral compression fractures in MRI (2020)
Ramos, Jonathan da Silva ; Cazzolato, Mirela Teixeira ; Nogueira-Barbosa, Marcello Henrique ; Traina, Agma Juci Machado
Source: Proceedings. Conference titles: ACM/SIGAPP Symposium on Applied Computing - SAC. Unidades: FMRP, ICMC
Subjects: INFORMÁTICA MÉDICA, METODOLOGIA E TÉCNICAS DE COMPUTAÇÃO, RESSONÂNCIA MAGNÉTICA, PROCESSAMENTO DE IMAGENS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RAMOS, Jonathan da Silva et al. FINE: improving time and precision of segmentation techniques for vertebral compression fractures in MRI. 2020, Anais.. New York: ACM, 2020. Disponível em: https://doi.org/10.1145/3341105.3374100. Acesso em: 17 nov. 2024.
APA
Ramos, J. da S., Cazzolato, M. T., Nogueira-Barbosa, M. H., & Traina, A. J. M. (2020). FINE: improving time and precision of segmentation techniques for vertebral compression fractures in MRI. In Proceedings. New York: ACM. doi:10.1145/3341105.3374100
NLM
Ramos J da S, Cazzolato MT, Nogueira-Barbosa MH, Traina AJM. FINE: improving time and precision of segmentation techniques for vertebral compression fractures in MRI [Internet]. Proceedings. 2020 ;[citado 2024 nov. 17 ] Available from: https://doi.org/10.1145/3341105.3374100
Vancouver
Ramos J da S, Cazzolato MT, Nogueira-Barbosa MH, Traina AJM. FINE: improving time and precision of segmentation techniques for vertebral compression fractures in MRI [Internet]. Proceedings. 2020 ;[citado 2024 nov. 17 ] Available from: https://doi.org/10.1145/3341105.3374100
Artigo de periodico
Segmenting skin ulcers and measuring the wound area using deep convolutional networks (2020)
Chino, Daniel Yoshinobu Takada ; Scabora, Lucas de Carvalho ; Cazzolato, Mirela Teixeira ; Jorge, Ana Elisa Serafim ; Traina Junior, Caetano ; Traina, Agma Juci Machado
Source: Computer Methods and Programs in Biomedicine. Unidade: ICMC
Subjects: PROCESSAMENTO DE IMAGENS, RECONHECIMENTO DE IMAGEM, REDES NEURAIS, ÚLCERA CUTÂNEA, TECNOLOGIAS DA SAÚDE
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CHINO, Daniel Yoshinobu Takada et al. Segmenting skin ulcers and measuring the wound area using deep convolutional networks. Computer Methods and Programs in Biomedicine, v. 191, p. 1-11, 2020Tradução . . Disponível em: https://doi.org/10.1016/j.cmpb.2020.105376. Acesso em: 17 nov. 2024.
APA
Chino, D. Y. T., Scabora, L. de C., Cazzolato, M. T., Jorge, A. E. S., Traina Junior, C., & Traina, A. J. M. (2020). Segmenting skin ulcers and measuring the wound area using deep convolutional networks. Computer Methods and Programs in Biomedicine, 191, 1-11. doi:10.1016/j.cmpb.2020.105376
NLM
Chino DYT, Scabora L de C, Cazzolato MT, Jorge AES, Traina Junior C, Traina AJM. Segmenting skin ulcers and measuring the wound area using deep convolutional networks [Internet]. Computer Methods and Programs in Biomedicine. 2020 ; 191 1-11.[citado 2024 nov. 17 ] Available from: https://doi.org/10.1016/j.cmpb.2020.105376
Vancouver
Chino DYT, Scabora L de C, Cazzolato MT, Jorge AES, Traina Junior C, Traina AJM. Segmenting skin ulcers and measuring the wound area using deep convolutional networks [Internet]. Computer Methods and Programs in Biomedicine. 2020 ; 191 1-11.[citado 2024 nov. 17 ] Available from: https://doi.org/10.1016/j.cmpb.2020.105376
Artigo de periodico
Segmenting cellular retinal images by optimizing super-pixels, multi-level modularity, and cell boundary representation (2020)
Linares, Oscar Alonso Cuadros ; Hamann, Bernd ; Batista Neto, João do Espírito Santo
Source: IEEE Transactions on Image Processing. Unidade: ICMC
Subjects: PROCESSAMENTO DE IMAGENS, MICROSCOPIA CONFOCAL, RETINA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
LINARES, Oscar Alonso Cuadros e HAMANN, Bernd e BATISTA NETO, João do Espírito Santo. Segmenting cellular retinal images by optimizing super-pixels, multi-level modularity, and cell boundary representation. IEEE Transactions on Image Processing, v. 29, p. 809-818, 2020Tradução . . Disponível em: https://doi.org/10.1109/TIP.2019.2936743. Acesso em: 17 nov. 2024.
APA
Linares, O. A. C., Hamann, B., & Batista Neto, J. do E. S. (2020). Segmenting cellular retinal images by optimizing super-pixels, multi-level modularity, and cell boundary representation. IEEE Transactions on Image Processing, 29, 809-818. doi:10.1109/TIP.2019.2936743
NLM
Linares OAC, Hamann B, Batista Neto J do ES. Segmenting cellular retinal images by optimizing super-pixels, multi-level modularity, and cell boundary representation [Internet]. IEEE Transactions on Image Processing. 2020 ; 29 809-818.[citado 2024 nov. 17 ] Available from: https://doi.org/10.1109/TIP.2019.2936743
Vancouver
Linares OAC, Hamann B, Batista Neto J do ES. Segmenting cellular retinal images by optimizing super-pixels, multi-level modularity, and cell boundary representation [Internet]. IEEE Transactions on Image Processing. 2020 ; 29 809-818.[citado 2024 nov. 17 ] Available from: https://doi.org/10.1109/TIP.2019.2936743

USP Schools

ReP

Filtros

Document Types

USP Schools

Departament

Authors

USP affiliated authors

Date published

Subjects

Source title

Publisher

Conference titles

Countries/Territories

Grupo de pesquisa

Funding Agencies

Indexado em

Normalized affiliation

Non normalized affiliation

Countries of institutions of collaboration