ReP USP - Resultado da busca

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: 18 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. 18 ] 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. 18 ] Available from: https://doi.org/10.29381/0103-8559/2022320131-8
Trabalho de evento-anais periodico
Evaluation of the impact of physical adversarial attacks on deep learning models for classifying covid cases (2022)
Aguiar, Erikson Júlio de ; Marcomini, Karem Daiane ; Quirino, Felipe Antunes; Gutierrez, Marco Antonio ; Traina Junior, Caetano ; Traina, Agma Juci Machado
Source: Proceedings of SPIE. Conference titles: SPIE Medical Imaging. Unidades: EP, ICMC
Subjects: REDES NEURAIS, APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE IMAGEM, TECNOLOGIAS DA SAÚDE, RADIOGRAFIA, COVID-19
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
AGUIAR, Erikson Júlio de et al. Evaluation of the impact of physical adversarial attacks on deep learning models for classifying covid cases. Proceedings of SPIE. Bellingham: International Society for Optical Engineering - SPIE. Disponível em: https://doi.org/10.1117/12.2611199. Acesso em: 18 nov. 2024. , 2022
APA
Aguiar, E. J. de, Marcomini, K. D., Quirino, F. A., Gutierrez, M. A., Traina Junior, C., & Traina, A. J. M. (2022). Evaluation of the impact of physical adversarial attacks on deep learning models for classifying covid cases. Proceedings of SPIE. Bellingham: International Society for Optical Engineering - SPIE. doi:10.1117/12.2611199
NLM
Aguiar EJ de, Marcomini KD, Quirino FA, Gutierrez MA, Traina Junior C, Traina AJM. Evaluation of the impact of physical adversarial attacks on deep learning models for classifying covid cases [Internet]. Proceedings of SPIE. 2022 ; 12033 120332P-1-120332P-7.[citado 2024 nov. 18 ] Available from: https://doi.org/10.1117/12.2611199
Vancouver
Aguiar EJ de, Marcomini KD, Quirino FA, Gutierrez MA, Traina Junior C, Traina AJM. Evaluation of the impact of physical adversarial attacks on deep learning models for classifying covid cases [Internet]. Proceedings of SPIE. 2022 ; 12033 120332P-1-120332P-7.[citado 2024 nov. 18 ] Available from: https://doi.org/10.1117/12.2611199
Trabalho de evento-anais periodico
A deep learning approach for COVID-19 screening and localization on chest x-ray images (2022)
Marcomini, Karem Daiane ; Cardenas, Diego Armando Cardona ; Traina, Agma Juci Machado ; Krieger, Jose Eduardo ; Gutierrez, Marco Antonio
Source: Proceedings of SPIE. Conference titles: SPIE Medical Imaging. Unidades: ICMC, FM, EP
Subjects: REDES NEURAIS, APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE IMAGEM, TECNOLOGIAS DA SAÚDE, RADIOGRAFIA, COVID-19
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MARCOMINI, Karem Daiane et al. A deep learning approach for COVID-19 screening and localization on chest x-ray images. Proceedings of SPIE. Bellingham: International Society for Optical Engineering - SPIE. Disponível em: https://doi.org/10.1117/12.2613177. Acesso em: 18 nov. 2024. , 2022
APA
Marcomini, K. D., Cardenas, D. A. C., Traina, A. J. M., Krieger, J. E., & Gutierrez, M. A. (2022). A deep learning approach for COVID-19 screening and localization on chest x-ray images. Proceedings of SPIE. Bellingham: International Society for Optical Engineering - SPIE. doi:10.1117/12.2613177
NLM
Marcomini KD, Cardenas DAC, Traina AJM, Krieger JE, Gutierrez MA. A deep learning approach for COVID-19 screening and localization on chest x-ray images [Internet]. Proceedings of SPIE. 2022 ; 12033 1203327-1-1203327-9.[citado 2024 nov. 18 ] Available from: https://doi.org/10.1117/12.2613177
Vancouver
Marcomini KD, Cardenas DAC, Traina AJM, Krieger JE, Gutierrez MA. A deep learning approach for COVID-19 screening and localization on chest x-ray images [Internet]. Proceedings of SPIE. 2022 ; 12033 1203327-1-1203327-9.[citado 2024 nov. 18 ] Available from: https://doi.org/10.1117/12.2613177
Artigo de periodico
Convolutional neural networks using enhanced radiographs for real-time detection of Sitophilus zeamais in maize grain (2021)
Silva, Clíssia Barboza da ; Silva, Alysson Alexander Naves ; Barroso, Geovanny ; Yamamoto, Pedro Takao ; Arthur, Valter ; Toledo, Claudio Fabiano Motta ; Mastrangelo, Thiago de Araújo
Source: Foods. Unidades: ESALQ, CENA, ICMC
Subjects: APRENDIZADO COMPUTACIONAL, GORGULHOS, MILHO, RADIOGRAFIA, REDES NEURAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVA, Clíssia Barboza da et al. Convolutional neural networks using enhanced radiographs for real-time detection of Sitophilus zeamais in maize grain. Foods, v. 10, p. 1-13, 2021Tradução . . Disponível em: https://doi.org/10.3390/foods10040879. Acesso em: 18 nov. 2024.
APA
Silva, C. B. da, Silva, A. A. N., Barroso, G., Yamamoto, P. T., Arthur, V., Toledo, C. F. M., & Mastrangelo, T. de A. (2021). Convolutional neural networks using enhanced radiographs for real-time detection of Sitophilus zeamais in maize grain. Foods, 10, 1-13. doi:10.3390/foods10040879
NLM
Silva CB da, Silva AAN, Barroso G, Yamamoto PT, Arthur V, Toledo CFM, Mastrangelo T de A. Convolutional neural networks using enhanced radiographs for real-time detection of Sitophilus zeamais in maize grain [Internet]. Foods. 2021 ; 10 1-13.[citado 2024 nov. 18 ] Available from: https://doi.org/10.3390/foods10040879
Vancouver
Silva CB da, Silva AAN, Barroso G, Yamamoto PT, Arthur V, Toledo CFM, Mastrangelo T de A. Convolutional neural networks using enhanced radiographs for real-time detection of Sitophilus zeamais in maize grain [Internet]. Foods. 2021 ; 10 1-13.[citado 2024 nov. 18 ] Available from: https://doi.org/10.3390/foods10040879

USP Schools

ReP

Filtros

Authors

USP affiliated authors

Subjects