ReP USP - Resultado da busca

Dissertação (Mestrado)
Explorando Características Radiômicas Profundas em Modelos de Aprendizado Profundo por meio de Imagens Médicas de COVID-19 (2024)
Costa, Márcus Vinícius Lobo ; Traina, Agma Juci Machado (Orientador)
Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, PROCESSAMENTO DE IMAGENS, COVID-19, DIAGNÓSTICO POR IMAGEM
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
COSTA, Márcus Vinícius Lobo. Explorando Características Radiômicas Profundas em Modelos de Aprendizado Profundo por meio de Imagens Médicas de COVID-19. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-22032024-142104/. Acesso em: 04 nov. 2024.
APA
Costa, M. V. L. (2024). Explorando Características Radiômicas Profundas em Modelos de Aprendizado Profundo por meio de Imagens Médicas de COVID-19 (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-22032024-142104/
NLM
Costa MVL. Explorando Características Radiômicas Profundas em Modelos de Aprendizado Profundo por meio de Imagens Médicas de COVID-19 [Internet]. 2024 ;[citado 2024 nov. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-22032024-142104/
Vancouver
Costa MVL. Explorando Características Radiômicas Profundas em Modelos de Aprendizado Profundo por meio de Imagens Médicas de COVID-19 [Internet]. 2024 ;[citado 2024 nov. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-22032024-142104/
Dissertação (Mestrado)
Integração de processamento de imagens e aprendizado de máquina na identificação de cáries em imagens de tomografia (2024)
Zanini, Luiz Guilherme Kasputis ; Nunes, Fátima de Lourdes dos Santos (Orientador)
Unidade: EP
Subjects: APRENDIZADO COMPUTACIONAL, CÁRIE DENTÁRIA, PROCESSAMENTO DE IMAGENS, TOMOGRAFIA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ZANINI, Luiz Guilherme Kasputis. Integração de processamento de imagens e aprendizado de máquina na identificação de cáries em imagens de tomografia. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-26082024-100240/pt-br.php. Acesso em: 04 nov. 2024.
APA
Zanini, L. G. K. (2024). Integração de processamento de imagens e aprendizado de máquina na identificação de cáries em imagens de tomografia (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3141/tde-26082024-100240/pt-br.php
NLM
Zanini LGK. Integração de processamento de imagens e aprendizado de máquina na identificação de cáries em imagens de tomografia [Internet]. 2024 ;[citado 2024 nov. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-26082024-100240/pt-br.php
Vancouver
Zanini LGK. Integração de processamento de imagens e aprendizado de máquina na identificação de cáries em imagens de tomografia [Internet]. 2024 ;[citado 2024 nov. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-26082024-100240/pt-br.php
Artigo de periodico
Sticky multicolor mechanochromic labels (2024)
Castro, Lucas Daniel Chiba de ; Engels, Tom A. P. ; Oliveira Junior, Osvaldo Novais de ; Schenning, Albert P. H. J.
Source: ACS Applied Materials and Interfaces. Unidade: IFSC
Subjects: APRENDIZADO COMPUTACIONAL, PROCESSAMENTO DE IMAGENS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CASTRO, Lucas Daniel Chiba de et al. Sticky multicolor mechanochromic labels. ACS Applied Materials and Interfaces, v. 16, n. 11, p. 14144-14151 + supporting information: S1-S12, 2024Tradução . . Disponível em: https://doi.org/10.1021/acsami.3c19420. Acesso em: 04 nov. 2024.
APA
Castro, L. D. C. de, Engels, T. A. P., Oliveira Junior, O. N. de, & Schenning, A. P. H. J. (2024). Sticky multicolor mechanochromic labels. ACS Applied Materials and Interfaces, 16( 11), 14144-14151 + supporting information: S1-S12. doi:10.1021/acsami.3c19420
NLM
Castro LDC de, Engels TAP, Oliveira Junior ON de, Schenning APHJ. Sticky multicolor mechanochromic labels [Internet]. ACS Applied Materials and Interfaces. 2024 ; 16( 11): 14144-14151 + supporting information: S1-S12.[citado 2024 nov. 04 ] Available from: https://doi.org/10.1021/acsami.3c19420
Vancouver
Castro LDC de, Engels TAP, Oliveira Junior ON de, Schenning APHJ. Sticky multicolor mechanochromic labels [Internet]. ACS Applied Materials and Interfaces. 2024 ; 16( 11): 14144-14151 + supporting information: S1-S12.[citado 2024 nov. 04 ] Available from: https://doi.org/10.1021/acsami.3c19420
Dissertação (Mestrado)
A real-time face analysis system for head poses classification (2024)
Rojas Reinoso, Loubrys Lázaro; Bressan, Graça (Orientador)
Unidade: EP
Subjects: FACE, APRENDIZADO COMPUTACIONAL, PROCESSAMENTO DE IMAGENS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ROJAS REINOSO, Loubrys Lázaro. A real-time face analysis system for head poses classification. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-26032024-112307/pt-br.php. Acesso em: 04 nov. 2024.
APA
Rojas Reinoso, L. L. (2024). A real-time face analysis system for head poses classification (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3141/tde-26032024-112307/pt-br.php
NLM
Rojas Reinoso LL. A real-time face analysis system for head poses classification [Internet]. 2024 ;[citado 2024 nov. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-26032024-112307/pt-br.php
Vancouver
Rojas Reinoso LL. A real-time face analysis system for head poses classification [Internet]. 2024 ;[citado 2024 nov. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-26032024-112307/pt-br.php
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: 04 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. 04 ] 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. 04 ] Available from: https://doi.org/10.5753/sbbd_estendido.2024.241021
Tese (Doutorado)
Classificação de imagens em fluxos de dados utilizando aprendizado profundo (2023)
Silva Junior, Orlando da; Almeida Junior, Jorge Rady de (Orientador)
Unidade: EP
Subjects: APRENDIZADO COMPUTACIONAL, REDES NEURAIS, APRENDIZAGEM PROFUNDA, PROCESSAMENTO DE IMAGENS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVA JUNIOR, Orlando da. Classificação de imagens em fluxos de dados utilizando aprendizado profundo. 2023. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-23012024-101019/pt-br.php. Acesso em: 04 nov. 2024.
APA
Silva Junior, O. da. (2023). Classificação de imagens em fluxos de dados utilizando aprendizado profundo (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3141/tde-23012024-101019/pt-br.php
NLM
Silva Junior O da. Classificação de imagens em fluxos de dados utilizando aprendizado profundo [Internet]. 2023 ;[citado 2024 nov. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-23012024-101019/pt-br.php
Vancouver
Silva Junior O da. Classificação de imagens em fluxos de dados utilizando aprendizado profundo [Internet]. 2023 ;[citado 2024 nov. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-23012024-101019/pt-br.php
Tese (Doutorado)
Cross Domain Visual Search with Feature Learning using Multi-stream Transformer-based Architectures (2023)
Ribeiro, Leo Sampaio Ferraz; Ponti, Moacir Antonelli (Orientador)
Unidade: ICMC
Subjects: REDES NEURAIS, APRENDIZADO COMPUTACIONAL, PROCESSAMENTO DE SINAIS, PROCESSAMENTO DE IMAGENS, DESENHO, VISÃO COMPUTACIONAL, COMPUTAÇÃO GRÁFICA, RECONHECIMENTO DE IMAGEM
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RIBEIRO, Leo Sampaio Ferraz. Cross Domain Visual Search with Feature Learning using Multi-stream Transformer-based Architectures. 2023. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-02062023-161527/. Acesso em: 04 nov. 2024.
APA
Ribeiro, L. S. F. (2023). Cross Domain Visual Search with Feature Learning using Multi-stream Transformer-based Architectures (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-02062023-161527/
NLM
Ribeiro LSF. Cross Domain Visual Search with Feature Learning using Multi-stream Transformer-based Architectures [Internet]. 2023 ;[citado 2024 nov. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-02062023-161527/
Vancouver
Ribeiro LSF. Cross Domain Visual Search with Feature Learning using Multi-stream Transformer-based Architectures [Internet]. 2023 ;[citado 2024 nov. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-02062023-161527/
Artigo de periodico
Deep4Fusion: a Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits (2023)
Rodrigues, Lucas de Souza; Caixeta Filho, Edmar; Sakiyama, Kenzo ; Santos, Mateus Figueiredo; Jank, Liana ; Carromeu, Camilo ; Silveira, Eloise; Matsubara, Edson Takashi ; Marcato Júnior, José ; Gonçalves, Wesley Nunes
Source: Computers and Electronics in Agriculture. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, REDES NEURAIS, VISÃO COMPUTACIONAL, PROCESSAMENTO DE IMAGENS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RODRIGUES, Lucas de Souza et al. Deep4Fusion: a Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits. Computers and Electronics in Agriculture, v. 211, p. 1-14, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.compag.2023.107957. Acesso em: 04 nov. 2024.
APA
Rodrigues, L. de S., Caixeta Filho, E., Sakiyama, K., Santos, M. F., Jank, L., Carromeu, C., et al. (2023). Deep4Fusion: a Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits. Computers and Electronics in Agriculture, 211, 1-14. doi:10.1016/j.compag.2023.107957
NLM
Rodrigues L de S, Caixeta Filho E, Sakiyama K, Santos MF, Jank L, Carromeu C, Silveira E, Matsubara ET, Marcato Júnior J, Gonçalves WN. Deep4Fusion: a Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits [Internet]. Computers and Electronics in Agriculture. 2023 ; 211 1-14.[citado 2024 nov. 04 ] Available from: https://doi.org/10.1016/j.compag.2023.107957
Vancouver
Rodrigues L de S, Caixeta Filho E, Sakiyama K, Santos MF, Jank L, Carromeu C, Silveira E, Matsubara ET, Marcato Júnior J, Gonçalves WN. Deep4Fusion: a Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits [Internet]. Computers and Electronics in Agriculture. 2023 ; 211 1-14.[citado 2024 nov. 04 ] Available from: https://doi.org/10.1016/j.compag.2023.107957
Artigo de periodico
A hybrid machine learning model for in-process estimation of printing distance in laser Directed Energy Deposition (2023)
Ribeiro, Kandice Suane Barros ; Nuñez, Henrique Hiram Libutti; Venter, Giuliana Sardi ; Doude, Haley R ; Coelho, Reginaldo Teixeira
Source: International Journal of Advanced Manufacturing Technology. Unidades: EESC, ICMC
Subjects: MANUFATURA ADITIVA, PROCESSAMENTO DE IMAGENS, REDES NEURAIS, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RIBEIRO, Kandice Suane Barros et al. A hybrid machine learning model for in-process estimation of printing distance in laser Directed Energy Deposition. International Journal of Advanced Manufacturing Technology, v. 127, n. 7-8, p. 3183-3194, 2023Tradução . . Disponível em: https://doi.org/10.1007/s00170-023-11582-z. Acesso em: 04 nov. 2024.
APA
Ribeiro, K. S. B., Nuñez, H. H. L., Venter, G. S., Doude, H. R., & Coelho, R. T. (2023). A hybrid machine learning model for in-process estimation of printing distance in laser Directed Energy Deposition. International Journal of Advanced Manufacturing Technology, 127( 7-8), 3183-3194. doi:10.1007/s00170-023-11582-z
NLM
Ribeiro KSB, Nuñez HHL, Venter GS, Doude HR, Coelho RT. A hybrid machine learning model for in-process estimation of printing distance in laser Directed Energy Deposition [Internet]. International Journal of Advanced Manufacturing Technology. 2023 ; 127( 7-8): 3183-3194.[citado 2024 nov. 04 ] Available from: https://doi.org/10.1007/s00170-023-11582-z
Vancouver
Ribeiro KSB, Nuñez HHL, Venter GS, Doude HR, Coelho RT. A hybrid machine learning model for in-process estimation of printing distance in laser Directed Energy Deposition [Internet]. International Journal of Advanced Manufacturing Technology. 2023 ; 127( 7-8): 3183-3194.[citado 2024 nov. 04 ] Available from: https://doi.org/10.1007/s00170-023-11582-z
Trabalho de evento-resumo
Identificação de lacunas nas linhas de cultivo utilizando algoritmos computacionais (2023)
Oliveira, Emanuel Percinio Gonçalves de; Becker, Marcelo
Source: Livro de Resumos Expandidos. Conference titles: Simpósio Internacional de Iniciação Científica e Tecnológica da Universidade de São Paulo - SIICUSP. Unidades: EESC, EESC E ICMC
Subjects: APRENDIZADO COMPUTACIONAL, ALGORITMOS, PROCESSAMENTO DE IMAGENS, ENGENHARIA MECÂNICA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
OLIVEIRA, Emanuel Percinio Gonçalves de e BECKER, Marcelo. Identificação de lacunas nas linhas de cultivo utilizando algoritmos computacionais. 2023, Anais.. São Carlos, SP: EESC/USP, 2023. Disponível em: https://www.eesc.usp.br/biblioteca-admin/wp-content/uploads/2024/02/cicte2023anaisp.pdf. Acesso em: 04 nov. 2024.
APA
Oliveira, E. P. G. de, & Becker, M. (2023). Identificação de lacunas nas linhas de cultivo utilizando algoritmos computacionais. In Livro de Resumos Expandidos. São Carlos, SP: EESC/USP. Recuperado de https://www.eesc.usp.br/biblioteca-admin/wp-content/uploads/2024/02/cicte2023anaisp.pdf
NLM
Oliveira EPG de, Becker M. Identificação de lacunas nas linhas de cultivo utilizando algoritmos computacionais [Internet]. Livro de Resumos Expandidos. 2023 ;[citado 2024 nov. 04 ] Available from: https://www.eesc.usp.br/biblioteca-admin/wp-content/uploads/2024/02/cicte2023anaisp.pdf
Vancouver
Oliveira EPG de, Becker M. Identificação de lacunas nas linhas de cultivo utilizando algoritmos computacionais [Internet]. Livro de Resumos Expandidos. 2023 ;[citado 2024 nov. 04 ] Available from: https://www.eesc.usp.br/biblioteca-admin/wp-content/uploads/2024/02/cicte2023anaisp.pdf
Artigo de periodico
Real-time prediction of deposited bead width in L-DED using semi-supervised transfer learning (2023)
Mochi, Victor H; Nuñez, Henrique Hiram Libutti; Ribeiro, Kandice Suane Barros ; Venter, Giuliana Sardi
Source: International Journal of Advanced Manufacturing Technology. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, REDES NEURAIS, PROCESSAMENTO DE IMAGENS, MANUFATURA ADITIVA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MOCHI, Victor H et al. Real-time prediction of deposited bead width in L-DED using semi-supervised transfer learning. International Journal of Advanced Manufacturing Technology, v. 129, n. 11-12, p. 5643-5654, 2023Tradução . . Disponível em: https://doi.org/10.1007/s00170-023-12658-6. Acesso em: 04 nov. 2024.
APA
Mochi, V. H., Nuñez, H. H. L., Ribeiro, K. S. B., & Venter, G. S. (2023). Real-time prediction of deposited bead width in L-DED using semi-supervised transfer learning. International Journal of Advanced Manufacturing Technology, 129( 11-12), 5643-5654. doi:10.1007/s00170-023-12658-6
NLM
Mochi VH, Nuñez HHL, Ribeiro KSB, Venter GS. Real-time prediction of deposited bead width in L-DED using semi-supervised transfer learning [Internet]. International Journal of Advanced Manufacturing Technology. 2023 ; 129( 11-12): 5643-5654.[citado 2024 nov. 04 ] Available from: https://doi.org/10.1007/s00170-023-12658-6
Vancouver
Mochi VH, Nuñez HHL, Ribeiro KSB, Venter GS. Real-time prediction of deposited bead width in L-DED using semi-supervised transfer learning [Internet]. International Journal of Advanced Manufacturing Technology. 2023 ; 129( 11-12): 5643-5654.[citado 2024 nov. 04 ] Available from: https://doi.org/10.1007/s00170-023-12658-6
Artigo de periodico
Learning label diffusion maps for semi-automatic segmentation of lung CT images with COVID-19 (2023)
Bruzadin, Aldimir; Boaventura, Maurílio ; Colnago, Marilaine ; Negri, Rogério Galante ; Casaca, Wallace Correa de Oliveira
Source: Neurocomputing. Unidade: ICMC
Subjects: APRENDIZADO COMPUTACIONAL, PROCESSAMENTO DE IMAGENS, DIAGNÓSTICO POR IMAGEM, TOMOGRAFIA, COVID-19
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BRUZADIN, Aldimir et al. Learning label diffusion maps for semi-automatic segmentation of lung CT images with COVID-19. Neurocomputing, v. 522, p. 24-38, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.neucom.2022.12.003. Acesso em: 04 nov. 2024.
APA
Bruzadin, A., Boaventura, M., Colnago, M., Negri, R. G., & Casaca, W. C. de O. (2023). Learning label diffusion maps for semi-automatic segmentation of lung CT images with COVID-19. Neurocomputing, 522, 24-38. doi:10.1016/j.neucom.2022.12.003
NLM
Bruzadin A, Boaventura M, Colnago M, Negri RG, Casaca WC de O. Learning label diffusion maps for semi-automatic segmentation of lung CT images with COVID-19 [Internet]. Neurocomputing. 2023 ; 522 24-38.[citado 2024 nov. 04 ] Available from: https://doi.org/10.1016/j.neucom.2022.12.003
Vancouver
Bruzadin A, Boaventura M, Colnago M, Negri RG, Casaca WC de O. Learning label diffusion maps for semi-automatic segmentation of lung CT images with COVID-19 [Internet]. Neurocomputing. 2023 ; 522 24-38.[citado 2024 nov. 04 ] Available from: https://doi.org/10.1016/j.neucom.2022.12.003
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: 04 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. 04 ] 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. 04 ] Available from: https://doi.org/10.1109/CBMS58004.2023.00184
Trabalho de evento-anais periodico
Informed consent form automated validation, the brazilian rare disease network case proposal (2023)
Neiva, Mariane Barros ; Vinci, André Luiz Teixeira ; Yamada, Diego Bettiol ; Bernadi, Filipe Andrade; Soares, Giovane Thomazini; Lima, Vinícius Costa ; Alves, Domingos ; Félix, Têmis Maria
Source: Procedia Computer Science. Conference titles: International Conference on ENTERprise Information Systems - CENTERIS. Unidades: FMRP, ICMC, BIOENGENHARIA
Subjects: RECONHECIMENTO DE PADRÕES, PROCESSAMENTO DE IMAGENS, APRENDIZADO COMPUTACIONAL, DOENÇAS RARAS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
NEIVA, Mariane Barros et al. Informed consent form automated validation, the brazilian rare disease network case proposal. Procedia Computer Science. Amsterdam: Faculdade de Medicina de Ribeirão Preto, Universidade de São Paulo. Disponível em: https://doi.org/10.1016/j.procs.2023.01.445. Acesso em: 04 nov. 2024. , 2023
APA
Neiva, M. B., Vinci, A. L. T., Yamada, D. B., Bernadi, F. A., Soares, G. T., Lima, V. C., et al. (2023). Informed consent form automated validation, the brazilian rare disease network case proposal. Procedia Computer Science. Amsterdam: Faculdade de Medicina de Ribeirão Preto, Universidade de São Paulo. doi:10.1016/j.procs.2023.01.445
NLM
Neiva MB, Vinci ALT, Yamada DB, Bernadi FA, Soares GT, Lima VC, Alves D, Félix TM. Informed consent form automated validation, the brazilian rare disease network case proposal [Internet]. Procedia Computer Science. 2023 ; 219 1538-1545.[citado 2024 nov. 04 ] Available from: https://doi.org/10.1016/j.procs.2023.01.445
Vancouver
Neiva MB, Vinci ALT, Yamada DB, Bernadi FA, Soares GT, Lima VC, Alves D, Félix TM. Informed consent form automated validation, the brazilian rare disease network case proposal [Internet]. Procedia Computer Science. 2023 ; 219 1538-1545.[citado 2024 nov. 04 ] Available from: https://doi.org/10.1016/j.procs.2023.01.445
Artigo de periodico
Machine learning and image processing to monitor strain and tensile forces with mechanochromic sensors (2023)
Castro, Lucas Daniel Chiba de ; Scabini, Leonardo Felipe dos Santos ; Ribas, Lucas Correia ; Bruno, Odemir Martinez ; Oliveira Junior, Osvaldo Novais de
Source: Expert Systems with Applications. Unidade: IFSC
Subjects: APRENDIZADO COMPUTACIONAL, PROCESSAMENTO DE IMAGENS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CASTRO, Lucas Daniel Chiba de et al. Machine learning and image processing to monitor strain and tensile forces with mechanochromic sensors. Expert Systems with Applications, v. 212, p. 118792-1-118792-7, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.eswa.2022.118792. Acesso em: 04 nov. 2024.
APA
Castro, L. D. C. de, Scabini, L. F. dos S., Ribas, L. C., Bruno, O. M., & Oliveira Junior, O. N. de. (2023). Machine learning and image processing to monitor strain and tensile forces with mechanochromic sensors. Expert Systems with Applications, 212, 118792-1-118792-7. doi:10.1016/j.eswa.2022.118792
NLM
Castro LDC de, Scabini LF dos S, Ribas LC, Bruno OM, Oliveira Junior ON de. Machine learning and image processing to monitor strain and tensile forces with mechanochromic sensors [Internet]. Expert Systems with Applications. 2023 ; 212 118792-1-118792-7.[citado 2024 nov. 04 ] Available from: https://doi.org/10.1016/j.eswa.2022.118792
Vancouver
Castro LDC de, Scabini LF dos S, Ribas LC, Bruno OM, Oliveira Junior ON de. Machine learning and image processing to monitor strain and tensile forces with mechanochromic sensors [Internet]. Expert Systems with Applications. 2023 ; 212 118792-1-118792-7.[citado 2024 nov. 04 ] Available from: https://doi.org/10.1016/j.eswa.2022.118792
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: 04 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. 04 ] 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. 04 ] Available from: https://doi.org/10.1109/CBMS58004.2023.00272
Artigo de periodico
Evaluation of the effect of the vigor of soybean seeds treated with micronutrientsusing X-ray fluorescence spectroscopy and hyperspectral imaging (2023)
Alves, Rafael Mateus ; Gomes-Junior, Francisco Guilhien ; Carmo-Filho, Abimael dos Santos ; Ribeiro, Glória de Freitas Rocha; Rego, Carlos Henrique Queiroz ; Iost-Filho, Fernando Henrique ; Yamamoto, Pedro Takao
Source: Agronomy. Unidade: ESALQ
Subjects: APRENDIZADO COMPUTACIONAL, ESPECTROSCOPIA DE RAIO X, GERMINAÇÃO DE SEMENTES, MICRONUTRIENTES, PROCESSAMENTO DE IMAGENS, SEMENTES, SOJA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ALVES, Rafael Mateus et al. Evaluation of the effect of the vigor of soybean seeds treated with micronutrientsusing X-ray fluorescence spectroscopy and hyperspectral imaging. Agronomy, v. 13, p. 1-19, 2023Tradução . . Disponível em: https://doi.org/10.3390/agronomy13071945. Acesso em: 04 nov. 2024.
APA
Alves, R. M., Gomes-Junior, F. G., Carmo-Filho, A. dos S., Ribeiro, G. de F. R., Rego, C. H. Q., Iost-Filho, F. H., & Yamamoto, P. T. (2023). Evaluation of the effect of the vigor of soybean seeds treated with micronutrientsusing X-ray fluorescence spectroscopy and hyperspectral imaging. Agronomy, 13, 1-19. doi:10.3390/agronomy13071945
NLM
Alves RM, Gomes-Junior FG, Carmo-Filho A dos S, Ribeiro G de FR, Rego CHQ, Iost-Filho FH, Yamamoto PT. Evaluation of the effect of the vigor of soybean seeds treated with micronutrientsusing X-ray fluorescence spectroscopy and hyperspectral imaging [Internet]. Agronomy. 2023 ; 13 1-19.[citado 2024 nov. 04 ] Available from: https://doi.org/10.3390/agronomy13071945
Vancouver
Alves RM, Gomes-Junior FG, Carmo-Filho A dos S, Ribeiro G de FR, Rego CHQ, Iost-Filho FH, Yamamoto PT. Evaluation of the effect of the vigor of soybean seeds treated with micronutrientsusing X-ray fluorescence spectroscopy and hyperspectral imaging [Internet]. Agronomy. 2023 ; 13 1-19.[citado 2024 nov. 04 ] Available from: https://doi.org/10.3390/agronomy13071945
Tese (Doutorado)
Avaliação do comportamento de suínos em ambientes com diferentes sistemas de resfriamentos utilizando modelos computacionais (2022)
Santos, Jonathan Vinicius dos; Martello, Luciane Silva (Orientador); Sousa, Rafael Vieira de (coorient)
Unidade: FZEA
Subjects: APRENDIZADO COMPUTACIONAL, BEM-ESTAR DO ANIMAL, COMPORTAMENTO ANIMAL, PROCESSAMENTO DE IMAGENS, ZOOTECNIA DE PRECISÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SANTOS, Jonathan Vinicius dos. Avaliação do comportamento de suínos em ambientes com diferentes sistemas de resfriamentos utilizando modelos computacionais. 2022. Tese (Doutorado) – Universidade de São Paulo, Pirassununga, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/74/74131/tde-01072022-155338/. Acesso em: 04 nov. 2024.
APA
Santos, J. V. dos. (2022). Avaliação do comportamento de suínos em ambientes com diferentes sistemas de resfriamentos utilizando modelos computacionais (Tese (Doutorado). Universidade de São Paulo, Pirassununga. Recuperado de https://www.teses.usp.br/teses/disponiveis/74/74131/tde-01072022-155338/
NLM
Santos JV dos. Avaliação do comportamento de suínos em ambientes com diferentes sistemas de resfriamentos utilizando modelos computacionais [Internet]. 2022 ;[citado 2024 nov. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/74/74131/tde-01072022-155338/
Vancouver
Santos JV dos. Avaliação do comportamento de suínos em ambientes com diferentes sistemas de resfriamentos utilizando modelos computacionais [Internet]. 2022 ;[citado 2024 nov. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/74/74131/tde-01072022-155338/
Artigo de periodico
A novel image-based approach for soybean seed phenotyping using machine learning techniques (2022)
Miranda, Melissa Cristina de Carvalho ; Aono, Alexandre Hild; Pinheiro, José Baldin
Source: bioRxiv. Unidade: ESALQ
Subjects: APRENDIZADO COMPUTACIONAL, FENÓTIPOS, MELHORAMENTO GENÉTICO VEGETAL, PROCESSAMENTO DE IMAGENS, REDES NEURAIS, SEMENTES, SOJA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MIRANDA, Melissa Cristina de Carvalho e AONO, Alexandre Hild e PINHEIRO, José Baldin. A novel image-based approach for soybean seed phenotyping using machine learning techniques. bioRxiv, p. 1-32 (preprint), 2022Tradução . . Disponível em: https://doi.org/10.1101/2022.10.10.511645. Acesso em: 04 nov. 2024.
APA
Miranda, M. C. de C., Aono, A. H., & Pinheiro, J. B. (2022). A novel image-based approach for soybean seed phenotyping using machine learning techniques. bioRxiv, 1-32 (preprint). doi:10.1101/2022.10.10.511645
NLM
Miranda MC de C, Aono AH, Pinheiro JB. A novel image-based approach for soybean seed phenotyping using machine learning techniques [Internet]. bioRxiv. 2022 ; 1-32 (preprint).[citado 2024 nov. 04 ] Available from: https://doi.org/10.1101/2022.10.10.511645
Vancouver
Miranda MC de C, Aono AH, Pinheiro JB. A novel image-based approach for soybean seed phenotyping using machine learning techniques [Internet]. bioRxiv. 2022 ; 1-32 (preprint).[citado 2024 nov. 04 ] Available from: https://doi.org/10.1101/2022.10.10.511645
Dissertação (Mestrado)
Deep Learning Techniques for Content-based Medical Image Retrieval (2022)
Motta, Cezanne Alves Mendes; Traina, Agma Juci Machado (Orientador)
Unidade: ICMC
Subjects: DIAGNÓSTICO POR COMPUTADOR, DIAGNÓSTICO POR IMAGEM, APRENDIZADO COMPUTACIONAL, PROCESSAMENTO DE IMAGENS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MOTTA, Cezanne Alves Mendes. Deep Learning Techniques for Content-based Medical Image Retrieval. 2022. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-15092022-105141/. Acesso em: 04 nov. 2024.
APA
Motta, C. A. M. (2022). Deep Learning Techniques for Content-based Medical Image Retrieval (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-15092022-105141/
NLM
Motta CAM. Deep Learning Techniques for Content-based Medical Image Retrieval [Internet]. 2022 ;[citado 2024 nov. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-15092022-105141/
Vancouver
Motta CAM. Deep Learning Techniques for Content-based Medical Image Retrieval [Internet]. 2022 ;[citado 2024 nov. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-15092022-105141/

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

Non normalized affiliation

Countries of institutions of collaboration

Área de concentração

Sigla do Departamento/Programa de Pós Graduação

Departamento/Programa de Pós Graduação