ReP USP - Resultado da busca

Trabalho de evento
KluSIM: speeding up k-medoids clustering over dimensional data with metric access method (2024)
Teixeira, Larissa Roberta ; Eleutério, Igor Alberte Rodrigues ; Cazzolato, Mirela Teixeira ; Gutierrez, Marco Antonio ; Traina, Agma Juci Machado ; Traina Junior, Caetano
Fonte: Proceedings. Nome do evento: International Conference on Enterprise Information Systems - ICEIS. Unidade: ICMC
Assuntos: MINERAÇÃO DE DADOS, RECONHECIMENTO DE PADRÕES, ALGORITMOS ÚTEIS E ESPECÍFICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
TEIXEIRA, Larissa Roberta et al. KluSIM: speeding up k-medoids clustering over dimensional data with metric access method. 2024, Anais.. Setúbal: SciTePress, 2024. Disponível em: https://doi.org/10.5220/0012599900003690. Acesso em: 27 jul. 2024.
APA
Teixeira, L. R., Eleutério, I. A. R., Cazzolato, M. T., Gutierrez, M. A., Traina, A. J. M., & Traina Junior, C. (2024). KluSIM: speeding up k-medoids clustering over dimensional data with metric access method. In Proceedings. Setúbal: SciTePress. doi:10.5220/0012599900003690
NLM
Teixeira LR, Eleutério IAR, Cazzolato MT, Gutierrez MA, Traina AJM, Traina Junior C. KluSIM: speeding up k-medoids clustering over dimensional data with metric access method [Internet]. Proceedings. 2024 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.5220/0012599900003690
Vancouver
Teixeira LR, Eleutério IAR, Cazzolato MT, Gutierrez MA, Traina AJM, Traina Junior C. KluSIM: speeding up k-medoids clustering over dimensional data with metric access method [Internet]. Proceedings. 2024 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.5220/0012599900003690
Trabalho de evento
Similarity-slim extension: reducing financial and computational costs of similarity queries in document collections in NoSQL databases (2024)
Silva, William Zaniboni ; Eleutério, Igor Alberte Rodrigues ; Teixeira, Larissa Roberta ; Traina, Agma Juci Machado ; Traina Junior, Caetano
Fonte: Proceedings. Nome do evento: International Conference on Enterprise Information Systems - ICEIS. Unidade: ICMC
Assuntos: RECUPERAÇÃO DA INFORMAÇÃO, BANCO DE DADOS MULTIMÍDIA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVA, William Zaniboni et al. Similarity-slim extension: reducing financial and computational costs of similarity queries in document collections in NoSQL databases. 2024, Anais.. Setúbal: SciTePress, 2024. Disponível em: https://doi.org/10.5220/0012606300003690. Acesso em: 27 jul. 2024.
APA
Silva, W. Z., Eleutério, I. A. R., Teixeira, L. R., Traina, A. J. M., & Traina Junior, C. (2024). Similarity-slim extension: reducing financial and computational costs of similarity queries in document collections in NoSQL databases. In Proceedings. Setúbal: SciTePress. doi:10.5220/0012606300003690
NLM
Silva WZ, Eleutério IAR, Teixeira LR, Traina AJM, Traina Junior C. Similarity-slim extension: reducing financial and computational costs of similarity queries in document collections in NoSQL databases [Internet]. Proceedings. 2024 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.5220/0012606300003690
Vancouver
Silva WZ, Eleutério IAR, Teixeira LR, Traina AJM, Traina Junior C. Similarity-slim extension: reducing financial and computational costs of similarity queries in document collections in NoSQL databases [Internet]. Proceedings. 2024 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.5220/0012606300003690
Trabalho de evento
MIGUE-Sim: speeding up similarity queries with native RDBMS resources (2024)
Eleutério, Igor Alberte Rodrigues ; Cazzolato, Mirela Teixeira ; Teixeira, Larissa Roberta ; Gutierrez, Marco Antonio ; Traina, Agma Juci Machado ; Traina Junior, Caetano
Fonte: Proceedings. Nome do evento: ACM/SIGAPP Symposium on Applied Computing - SAC. Unidade: ICMC
Assuntos: RECUPERAÇÃO DA INFORMAÇÃO, GERENCIADORES DE BANCO DE DADOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ELEUTÉRIO, Igor Alberte Rodrigues et al. MIGUE-Sim: speeding up similarity queries with native RDBMS resources. 2024, Anais.. New York: ACM, 2024. Disponível em: https://doi.org/10.1145/3605098.3636019. Acesso em: 27 jul. 2024.
APA
Eleutério, I. A. R., Cazzolato, M. T., Teixeira, L. R., Gutierrez, M. A., Traina, A. J. M., & Traina Junior, C. (2024). MIGUE-Sim: speeding up similarity queries with native RDBMS resources. In Proceedings. New York: ACM. doi:10.1145/3605098.3636019
NLM
Eleutério IAR, Cazzolato MT, Teixeira LR, Gutierrez MA, Traina AJM, Traina Junior C. MIGUE-Sim: speeding up similarity queries with native RDBMS resources [Internet]. Proceedings. 2024 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1145/3605098.3636019
Vancouver
Eleutério IAR, Cazzolato MT, Teixeira LR, Gutierrez MA, Traina AJM, Traina Junior C. MIGUE-Sim: speeding up similarity queries with native RDBMS resources [Internet]. Proceedings. 2024 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1145/3605098.3636019
Trabalho de evento
BoCS: image retrieval using explicable methods (2023)
Silva, Endi Daniel Coelho; Traina, Agma Juci Machado
Fonte: Proceedings. Nome do evento: Conference on Graphics, Patterns and Images - SIBGRAPI. Unidade: ICMC
Assuntos: GERENCIADORES DE BANCO DE DADOS, RECUPERAÇÃO DA INFORMAÇÃO, RECONHECIMENTO DE IMAGEM
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVA, Endi Daniel Coelho e TRAINA, Agma Juci Machado. BoCS: image retrieval using explicable methods. 2023, Anais.. Piscataway: IEEE, 2023. Disponível em: https://doi.org/10.1109/SIBGRAPI59091.2023.10347171. Acesso em: 27 jul. 2024.
APA
Silva, E. D. C., & Traina, A. J. M. (2023). BoCS: image retrieval using explicable methods. In Proceedings. Piscataway: IEEE. doi:10.1109/SIBGRAPI59091.2023.10347171
NLM
Silva EDC, Traina AJM. BoCS: image retrieval using explicable methods [Internet]. Proceedings. 2023 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1109/SIBGRAPI59091.2023.10347171
Vancouver
Silva EDC, Traina AJM. BoCS: image retrieval using explicable methods [Internet]. Proceedings. 2023 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1109/SIBGRAPI59091.2023.10347171
Trabalho de evento
CallMine: fraud detection and visualization of million-scale call graphs (2023)
Cazzolato, Mirela Teixeira ; Vijayakumar, Saranya ; Lee, Meng-Chieh; Vajiac, Catalina; Park, Namyong ; Fidalgo, Pedro; Traina, Agma Juci Machado ; Faloutsos, Christos
Fonte: Proceedings. Nome do evento: ACM International Conference on Information and Knowledge Management - CIKM. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE PADRÕES, MINERAÇÃO DE DADOS, VISUALIZAÇÃO, FRAUDE BANCÁRIA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CAZZOLATO, Mirela Teixeira et al. CallMine: fraud detection and visualization of million-scale call graphs. 2023, Anais.. New York: ACM, 2023. Disponível em: https://doi.org/10.1145/3583780.3614662. Acesso em: 27 jul. 2024.
APA
Cazzolato, M. T., Vijayakumar, S., Lee, M. -C., Vajiac, C., Park, N., Fidalgo, P., et al. (2023). CallMine: fraud detection and visualization of million-scale call graphs. In Proceedings. New York: ACM. doi:10.1145/3583780.3614662
NLM
Cazzolato MT, Vijayakumar S, Lee M-C, Vajiac C, Park N, Fidalgo P, Traina AJM, Faloutsos C. CallMine: fraud detection and visualization of million-scale call graphs [Internet]. Proceedings. 2023 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1145/3583780.3614662
Vancouver
Cazzolato MT, Vijayakumar S, Lee M-C, Vajiac C, Park N, Fidalgo P, Traina AJM, Faloutsos C. CallMine: fraud detection and visualization of million-scale call graphs [Internet]. Proceedings. 2023 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1145/3583780.3614662
Trabalho de evento
Exploratory data analysis in electronic health records graphs: intuitive features and visualization tools (2023)
Cazzolato, Mirela Teixeira ; Gutierrez, Marco Antonio ; Traina Junior, Caetano ; Faloutsos, Christos ; Traina, Agma Juci Machado
Fonte: Proceedings. Nome do evento: International Symposium on Computer-Based Medical Systems - CBMS. Unidade: ICMC
Assuntos: BANCO DE DADOS, RECUPERAÇÃO DA INFORMAÇÃO, VISUALIZAÇÃO, REGISTROS HOSPITALARES
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CAZZOLATO, Mirela Teixeira et al. Exploratory data analysis in electronic health records graphs: intuitive features and visualization tools. 2023, Anais.. Los Alamitos: IEEE, 2023. Disponível em: https://doi.org/10.1109/CBMS58004.2023.00202. Acesso em: 27 jul. 2024.
APA
Cazzolato, M. T., Gutierrez, M. A., Traina Junior, C., Faloutsos, C., & Traina, A. J. M. (2023). Exploratory data analysis in electronic health records graphs: intuitive features and visualization tools. In Proceedings. Los Alamitos: IEEE. doi:10.1109/CBMS58004.2023.00202
NLM
Cazzolato MT, Gutierrez MA, Traina Junior C, Faloutsos C, Traina AJM. Exploratory data analysis in electronic health records graphs: intuitive features and visualization tools [Internet]. Proceedings. 2023 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1109/CBMS58004.2023.00202
Vancouver
Cazzolato MT, Gutierrez MA, Traina Junior C, Faloutsos C, Traina AJM. Exploratory data analysis in electronic health records graphs: intuitive features and visualization tools [Internet]. Proceedings. 2023 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1109/CBMS58004.2023.00202
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
Fonte: Proceedings. Nome do evento: International Symposium on Computer-Based Medical Systems - CBMS. Unidade: ICMC
Assuntos: 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: 27 jul. 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 jul. 27 ] 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 jul. 27 ] Available from: https://doi.org/10.1109/CBMS58004.2023.00184
Trabalho de evento
Calibração de distância em métodos de acesso métrico por meio de realimentação de relevância (2023)
Marcacini, Renato Gomes ; Oliveira, Willian Dener de ; Traina, Agma Juci Machado
Fonte: Anais. Nome do evento: Simpósio Brasileiro de Bancos de Dados - SBBD. Unidade: ICMC
Assuntos: BANCO DE DADOS MULTIMÍDIA, RECUPERAÇÃO DA INFORMAÇÃO, RECONHECIMENTO DE IMAGEM
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MARCACINI, Renato Gomes e OLIVEIRA, Willian Dener de e TRAINA, Agma Juci Machado. Calibração de distância em métodos de acesso métrico por meio de realimentação de relevância. 2023, Anais.. Porto Alegre: SBC, 2023. Disponível em: https://doi.org/10.5753/sbbd.2023.231731. Acesso em: 27 jul. 2024.
APA
Marcacini, R. G., Oliveira, W. D. de, & Traina, A. J. M. (2023). Calibração de distância em métodos de acesso métrico por meio de realimentação de relevância. In Anais. Porto Alegre: SBC. doi:10.5753/sbbd.2023.231731
NLM
Marcacini RG, Oliveira WD de, Traina AJM. Calibração de distância em métodos de acesso métrico por meio de realimentação de relevância [Internet]. Anais. 2023 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.5753/sbbd.2023.231731
Vancouver
Marcacini RG, Oliveira WD de, Traina AJM. Calibração de distância em métodos de acesso métrico por meio de realimentação de relevância [Internet]. Anais. 2023 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.5753/sbbd.2023.231731
Trabalho de evento
Exploratory analysis on market basket data using network visualization (2023)
Gino, Henrique Luiz Shibata; Pedro, Diogenes Silva; Ponciano, Jean Roberto ; Linhares, Claudio Douglas Gouveia ; Traina, Agma Juci Machado
Fonte: Anais. Nome do evento: Congresso da Sociedade Brasileira de Computação - CSBC. Unidade: ICMC
Assuntos: VISUALIZAÇÃO, MODELAGEM DE DADOS, RECONHECIMENTO DE PADRÕES
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GINO, Henrique Luiz Shibata et al. Exploratory analysis on market basket data using network visualization. 2023, Anais.. Porto Alegre: SBC, 2023. Disponível em: https://doi.org/10.5753/brasnam.2023.229505. Acesso em: 27 jul. 2024.
APA
Gino, H. L. S., Pedro, D. S., Ponciano, J. R., Linhares, C. D. G., & Traina, A. J. M. (2023). Exploratory analysis on market basket data using network visualization. In Anais. Porto Alegre: SBC. doi:10.5753/brasnam.2023.229505
NLM
Gino HLS, Pedro DS, Ponciano JR, Linhares CDG, Traina AJM. Exploratory analysis on market basket data using network visualization [Internet]. Anais. 2023 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.5753/brasnam.2023.229505
Vancouver
Gino HLS, Pedro DS, Ponciano JR, Linhares CDG, Traina AJM. Exploratory analysis on market basket data using network visualization [Internet]. Anais. 2023 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.5753/brasnam.2023.229505
Trabalho de evento
TGRAPP: anomaly detection and visualization of large-scale call graphs (2023)
Cazzolato, Mirela Teixeira ; Vijayakumar, Saranya; Zheng, Xinyi; Park, Namyong; Lee, Meng-Chieh; Chau, Duen Horng ; Fidalgo, Pedro; Lages, Bruno; Traina, Agma Juci Machado ; Faloutsos, Christos
Fonte: Proceedings. Nome do evento: AAAI Conference on Artificial Intelligence - AAAI. Unidade: ICMC
Assuntos: RECUPERAÇÃO DA INFORMAÇÃO, VISUALIZAÇÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CAZZOLATO, Mirela Teixeira et al. TGRAPP: anomaly detection and visualization of large-scale call graphs. 2023, Anais.. Washington: AAAI Press, 2023. Disponível em: https://doi.org/10.1609/aaai.v37i13.27062. Acesso em: 27 jul. 2024.
APA
Cazzolato, M. T., Vijayakumar, S., Zheng, X., Park, N., Lee, M. -C., Chau, D. H., et al. (2023). TGRAPP: anomaly detection and visualization of large-scale call graphs. In Proceedings. Washington: AAAI Press. doi:10.1609/aaai.v37i13.27062
NLM
Cazzolato MT, Vijayakumar S, Zheng X, Park N, Lee M-C, Chau DH, Fidalgo P, Lages B, Traina AJM, Faloutsos C. TGRAPP: anomaly detection and visualization of large-scale call graphs [Internet]. Proceedings. 2023 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1609/aaai.v37i13.27062
Vancouver
Cazzolato MT, Vijayakumar S, Zheng X, Park N, Lee M-C, Chau DH, Fidalgo P, Lages B, Traina AJM, Faloutsos C. TGRAPP: anomaly detection and visualization of large-scale call graphs [Internet]. Proceedings. 2023 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1609/aaai.v37i13.27062
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
Fonte: Proceedings. Nome do evento: International Symposium on Computer-Based Medical Systems - CBMS. Unidade: ICMC
Assuntos: 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: 27 jul. 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 jul. 27 ] 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 jul. 27 ] Available from: https://doi.org/10.1109/CBMS58004.2023.00272
Trabalho de evento
Wia-Spine: a CBIR environment with embedded radiomic features to assess fragility fractures (2022)
Bêdo, Marcos Vinícius Naves; Ramos, Jonathan da Silva ; Traina, Agma Juci Machado ; Traina Junior, Caetano ; Nogueira-Barbosa, Marcello Henrique ; Azevedo-Marques, Paulo Mazzoncini de
Fonte: Proceedings. Nome do evento: International Symposium on Computer-Based Medical Systems - CBMS. Unidades: ICMC, FMRP
Assuntos: RECUPERAÇÃO DA INFORMAÇÃO, RECONHECIMENTO DE IMAGEM, TECNOLOGIAS DA SAÚDE, DIAGNÓSTICO POR IMAGEM, RESSONÂNCIA MAGNÉTICA, OSTEOGÊNESE IMPERFEITA, OSTEOPOROSE
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BÊDO, Marcos Vinícius Naves et al. Wia-Spine: a CBIR environment with embedded radiomic features to assess fragility fractures. 2022, Anais.. Los Alamitos: IEEE, 2022. Disponível em: https://doi.org/10.1109/CBMS55023.2022.00020. Acesso em: 27 jul. 2024.
APA
Bêdo, M. V. N., Ramos, J. da S., Traina, A. J. M., Traina Junior, C., Nogueira-Barbosa, M. H., & Azevedo-Marques, P. M. de. (2022). Wia-Spine: a CBIR environment with embedded radiomic features to assess fragility fractures. In Proceedings. Los Alamitos: IEEE. doi:10.1109/CBMS55023.2022.00020
NLM
Bêdo MVN, Ramos J da S, Traina AJM, Traina Junior C, Nogueira-Barbosa MH, Azevedo-Marques PM de. Wia-Spine: a CBIR environment with embedded radiomic features to assess fragility fractures [Internet]. Proceedings. 2022 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1109/CBMS55023.2022.00020
Vancouver
Bêdo MVN, Ramos J da S, Traina AJM, Traina Junior C, Nogueira-Barbosa MH, Azevedo-Marques PM de. Wia-Spine: a CBIR environment with embedded radiomic features to assess fragility fractures [Internet]. Proceedings. 2022 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1109/CBMS55023.2022.00020
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
Fonte: Anais. Nome do evento: Congresso Brasileiro de Informática em Saúde - CBIS. Unidade: ICMC
Assuntos: 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: 27 jul. 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 jul. 27 ] 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 jul. 27 ] Available from: http://sbis.org.br/anais-estendidos-cbis22
Trabalho de evento
Analysis of vertebrae without fracture on spine MRI to assess bone fragility: a comparison of traditional machine learning and deep learning (2022)
Ramos, Jonathan da Silva ; Aguiar, Erikson Júlio de ; Belizario, Ivar Vargas ; Costa, Márcus Vinícius Lobo ; Maciel, Jamilly Gomes; Cazzolato, Mirela Teixeira ; Traina Junior, Caetano ; Nogueira-Barbosa, Marcello Henrique ; Traina, Agma Juci Machado
Fonte: Proceedings. Nome do evento: International Symposium on Computer-Based Medical Systems - CBMS. Unidades: ICMC, FMRP
Assuntos: APRENDIZADO COMPUTACIONAL, TECNOLOGIAS DA SAÚDE, RESSONÂNCIA MAGNÉTICA, DIAGNÓSTICO POR IMAGEM, OSTEOGÊNESE IMPERFEITA, COLUNA VERTEBRAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RAMOS, Jonathan da Silva et al. Analysis of vertebrae without fracture on spine MRI to assess bone fragility: a comparison of traditional machine learning and deep learning. 2022, Anais.. Los Alamitos: IEEE, 2022. Disponível em: https://doi.org/10.1109/CBMS55023.2022.00021. Acesso em: 27 jul. 2024.
APA
Ramos, J. da S., Aguiar, E. J. de, Belizario, I. V., Costa, M. V. L., Maciel, J. G., Cazzolato, M. T., et al. (2022). Analysis of vertebrae without fracture on spine MRI to assess bone fragility: a comparison of traditional machine learning and deep learning. In Proceedings. Los Alamitos: IEEE. doi:10.1109/CBMS55023.2022.00021
NLM
Ramos J da S, Aguiar EJ de, Belizario IV, Costa MVL, Maciel JG, Cazzolato MT, Traina Junior C, Nogueira-Barbosa MH, Traina AJM. Analysis of vertebrae without fracture on spine MRI to assess bone fragility: a comparison of traditional machine learning and deep learning [Internet]. Proceedings. 2022 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1109/CBMS55023.2022.00021
Vancouver
Ramos J da S, Aguiar EJ de, Belizario IV, Costa MVL, Maciel JG, Cazzolato MT, Traina Junior C, Nogueira-Barbosa MH, Traina AJM. Analysis of vertebrae without fracture on spine MRI to assess bone fragility: a comparison of traditional machine learning and deep learning [Internet]. Proceedings. 2022 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1109/CBMS55023.2022.00021
Trabalho de evento
Variational autoencoders for medical image retrieval (2022)
Alves, Cézanne; Traina, Agma Juci Machado
Fonte: Proceedings. Nome do evento: International Conference on Innovations in Intelligent Systems and Applications - INISTA. Unidade: ICMC
Assuntos: RECUPERAÇÃO DA INFORMAÇÃO, APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE IMAGEM, TECNOLOGIAS DA SAÚDE
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ALVES, Cézanne e TRAINA, Agma Juci Machado. Variational autoencoders for medical image retrieval. 2022, Anais.. Los Alamitos: Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, 2022. Disponível em: https://doi.org/10.1109/INISTA55318.2022.9894251. Acesso em: 27 jul. 2024.
APA
Alves, C., & Traina, A. J. M. (2022). Variational autoencoders for medical image retrieval. In Proceedings. Los Alamitos: Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo. doi:10.1109/INISTA55318.2022.9894251
NLM
Alves C, Traina AJM. Variational autoencoders for medical image retrieval [Internet]. Proceedings. 2022 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1109/INISTA55318.2022.9894251
Vancouver
Alves C, Traina AJM. Variational autoencoders for medical image retrieval [Internet]. Proceedings. 2022 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1109/INISTA55318.2022.9894251
Trabalho de evento
TgraphSpot: fast and effective anomaly detection for time-evolving graphs (2022)
Cazzolato, Mirela Teixeira ; Vijayakumar, Saranya; Zheng, Xinyi; Park, Namyong; Lee, Meng-Chieh; Fidalgo, Pedro; Lages, Bruno; Traina, Agma Juci Machado ; Faloutsos, Christos
Fonte: Proceedings. Nome do evento: IEEE International Conference on Big Data - Big Data. Unidade: ICMC
Assuntos: RECUPERAÇÃO DA INFORMAÇÃO, VISUALIZAÇÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CAZZOLATO, Mirela Teixeira et al. TgraphSpot: fast and effective anomaly detection for time-evolving graphs. 2022, Anais.. Piscataway: IEEE, 2022. Disponível em: https://doi.org/10.1109/BigData55660.2022.10020898. Acesso em: 27 jul. 2024.
APA
Cazzolato, M. T., Vijayakumar, S., Zheng, X., Park, N., Lee, M. -C., Fidalgo, P., et al. (2022). TgraphSpot: fast and effective anomaly detection for time-evolving graphs. In Proceedings. Piscataway: IEEE. doi:10.1109/BigData55660.2022.10020898
NLM
Cazzolato MT, Vijayakumar S, Zheng X, Park N, Lee M-C, Fidalgo P, Lages B, Traina AJM, Faloutsos C. TgraphSpot: fast and effective anomaly detection for time-evolving graphs [Internet]. Proceedings. 2022 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1109/BigData55660.2022.10020898
Vancouver
Cazzolato MT, Vijayakumar S, Zheng X, Park N, Lee M-C, Fidalgo P, Lages B, Traina AJM, Faloutsos C. TgraphSpot: fast and effective anomaly detection for time-evolving graphs [Internet]. Proceedings. 2022 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1109/BigData55660.2022.10020898
Trabalho de evento
VD-Tree: how to build an efficient and fit metric access method using Voronoi diagrams (2021)
Moriyama, André Toshio Asanome; Rodrigues, Lucas Santiago ; Scabora, Lucas de Carvalho ; Cazzolato, Mirela Teixeira ; Traina, Agma Juci Machado ; Traina Junior, Caetano
Fonte: Proceedings. Nome do evento: Symposium on Applied Computing - SAC. Unidade: ICMC
Assuntos: ESTRUTURAS DE DADOS, RECUPERAÇÃO DA INFORMAÇÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MORIYAMA, André Toshio Asanome et al. VD-Tree: how to build an efficient and fit metric access method using Voronoi diagrams. 2021, Anais.. New York: ACM, 2021. Disponível em: https://doi.org/10.1145/3412841.3441915. Acesso em: 27 jul. 2024.
APA
Moriyama, A. T. A., Rodrigues, L. S., Scabora, L. de C., Cazzolato, M. T., Traina, A. J. M., & Traina Junior, C. (2021). VD-Tree: how to build an efficient and fit metric access method using Voronoi diagrams. In Proceedings. New York: ACM. doi:10.1145/3412841.3441915
NLM
Moriyama ATA, Rodrigues LS, Scabora L de C, Cazzolato MT, Traina AJM, Traina Junior C. VD-Tree: how to build an efficient and fit metric access method using Voronoi diagrams [Internet]. Proceedings. 2021 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1145/3412841.3441915
Vancouver
Moriyama ATA, Rodrigues LS, Scabora L de C, Cazzolato MT, Traina AJM, Traina Junior C. VD-Tree: how to build an efficient and fit metric access method using Voronoi diagrams [Internet]. Proceedings. 2021 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1145/3412841.3441915
Trabalho de evento
BEAUT: a radiomic approach to identify potential lumbar fractures in magnetic resonance imaging (2021)
Ramos, Jonathan da Silva ; Maciel, Jamilly Gomes; Cazzolato, Mirela Teixeira ; Traina Junior, Caetano ; Nogueira-Barbosa, Marcello Henrique ; Traina, Agma Juci Machado
Fonte: Proceedings. Nome do evento: International Symposium on Computer-Based Medical Systems - CBMS. Unidades: ICMC, FMRP
Assuntos: APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE IMAGEM, TECNOLOGIAS DA SAÚDE, RESSONÂNCIA MAGNÉTICA, DENSITOMETRIA ÓSSEA, OSTEOPOROSE, FRATURAS, VÉRTEBRAS LOMBARES
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RAMOS, Jonathan da Silva et al. BEAUT: a radiomic approach to identify potential lumbar fractures in magnetic resonance imaging. 2021, Anais.. Los Alamitos: IEEE, 2021. Disponível em: https://doi.org/10.1109/CBMS52027.2021.00089. Acesso em: 27 jul. 2024.
APA
Ramos, J. da S., Maciel, J. G., Cazzolato, M. T., Traina Junior, C., Nogueira-Barbosa, M. H., & Traina, A. J. M. (2021). BEAUT: a radiomic approach to identify potential lumbar fractures in magnetic resonance imaging. In Proceedings. Los Alamitos: IEEE. doi:10.1109/CBMS52027.2021.00089
NLM
Ramos J da S, Maciel JG, Cazzolato MT, Traina Junior C, Nogueira-Barbosa MH, Traina AJM. BEAUT: a radiomic approach to identify potential lumbar fractures in magnetic resonance imaging [Internet]. Proceedings. 2021 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1109/CBMS52027.2021.00089
Vancouver
Ramos J da S, Maciel JG, Cazzolato MT, Traina Junior C, Nogueira-Barbosa MH, Traina AJM. BEAUT: a radiomic approach to identify potential lumbar fractures in magnetic resonance imaging [Internet]. Proceedings. 2021 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1109/CBMS52027.2021.00089
Trabalho de evento
Multilevel clustering explainer: an explainable approach to electronic health records (2021)
Clementino Jr, José Maria ; Faiçal, Bruno Squizato ; Bones, Christian Cesar ; Traina Junior, Caetano ; Gutierrez, Marco Antonio ; Traina, Agma Juci Machado
Fonte: Proceedings. Nome do evento: International Symposium on Computer-Based Medical Systems - CBMS. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, DESCOBERTA DE CONHECIMENTO, TECNOLOGIAS DA SAÚDE
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CLEMENTINO JR, José Maria et al. Multilevel clustering explainer: an explainable approach to electronic health records. 2021, Anais.. Los Alamitos: IEEE, 2021. Disponível em: https://doi.org/10.1109/CBMS52027.2021.00073. Acesso em: 27 jul. 2024.
APA
Clementino Jr, J. M., Faiçal, B. S., Bones, C. C., Traina Junior, C., Gutierrez, M. A., & Traina, A. J. M. (2021). Multilevel clustering explainer: an explainable approach to electronic health records. In Proceedings. Los Alamitos: IEEE. doi:10.1109/CBMS52027.2021.00073
NLM
Clementino Jr JM, Faiçal BS, Bones CC, Traina Junior C, Gutierrez MA, Traina AJM. Multilevel clustering explainer: an explainable approach to electronic health records [Internet]. Proceedings. 2021 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1109/CBMS52027.2021.00073
Vancouver
Clementino Jr JM, Faiçal BS, Bones CC, Traina Junior C, Gutierrez MA, Traina AJM. Multilevel clustering explainer: an explainable approach to electronic health records [Internet]. Proceedings. 2021 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.1109/CBMS52027.2021.00073
Trabalho de evento
FeatSet: a compilation of visual features extracted from public image datasets (2021)
Cazzolato, Mirela Teixeira ; Scabora, Lucas de Carvalho ; Zabot, Guilherme Felipe ; Gutierrez, Marco Antonio ; Traina Junior, Caetano ; Traina, Agma Juci Machado
Fonte: Anais. Nome do evento: Simpósio Brasileiro de Banco de Dados - SBBD. Unidades: EP, ICMC
Assuntos: BANCO DE DADOS MULTIMÍDIA, APRENDIZADO COMPUTACIONAL, RECUPERAÇÃO DA INFORMAÇÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CAZZOLATO, Mirela Teixeira et al. FeatSet: a compilation of visual features extracted from public image datasets. 2021, Anais.. Porto Alegre: SBC, 2021. Disponível em: https://doi.org/10.5753/dsw.2021.17417. Acesso em: 27 jul. 2024.
APA
Cazzolato, M. T., Scabora, L. de C., Zabot, G. F., Gutierrez, M. A., Traina Junior, C., & Traina, A. J. M. (2021). FeatSet: a compilation of visual features extracted from public image datasets. In Anais. Porto Alegre: SBC. doi:10.5753/dsw.2021.17417
NLM
Cazzolato MT, Scabora L de C, Zabot GF, Gutierrez MA, Traina Junior C, Traina AJM. FeatSet: a compilation of visual features extracted from public image datasets [Internet]. Anais. 2021 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.5753/dsw.2021.17417
Vancouver
Cazzolato MT, Scabora L de C, Zabot GF, Gutierrez MA, Traina Junior C, Traina AJM. FeatSet: a compilation of visual features extracted from public image datasets [Internet]. Anais. 2021 ;[citado 2024 jul. 27 ] Available from: https://doi.org/10.5753/dsw.2021.17417

Unidades USP

ReP

Filtros

Unidades USP

Departamento

Autores

Autores USP

Ano de publicação

Assuntos

Título da fonte

Editora

Nome do evento

País de publicação

Agência de fomento

Afiliação dos autores externos normalizada

Afiliação dos autores externos não normalizada

País das instituições de afiliação dos autores externos