Rossini, Angelo; Alves, Domingos 
; Cassão, Victor; Miyoshi, Newton Shydeo Brandão
Source: Procedia Computer Science. Conference titles: International Conference on ENTERprise Information Systems - CENTERIS. Unidades: FMRP, Interunidades em Bioengenharia
Subjects: TUBERCULOSE, ALGORITMOS, DOENÇAS TRANSMISSÍVEIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ROSSINI, Angelo et al. Unsupervised K-means analysis of tuberculosis data in Brazil: identifying high prevalence states and temporal trends. Procedia Computer Science. Amsterdam: Faculdade de Medicina de Ribeirão Preto, Universidade de São Paulo. Disponível em: https://doi.org/10.1016/j.procs.2024.06.365. Acesso em: 24 nov. 2025. , 2024APA
Rossini, A., Alves, D., Cassão, V., & Miyoshi, N. S. B. (2024). Unsupervised K-means analysis of tuberculosis data in Brazil: identifying high prevalence states and temporal trends. Procedia Computer Science. Amsterdam: Faculdade de Medicina de Ribeirão Preto, Universidade de São Paulo. doi:10.1016/j.procs.2024.06.365NLM
Rossini A, Alves D, Cassão V, Miyoshi NSB. Unsupervised K-means analysis of tuberculosis data in Brazil: identifying high prevalence states and temporal trends [Internet]. Procedia Computer Science. 2024 ; 239 1839-1846.[citado 2025 nov. 24 ] Available from: https://doi.org/10.1016/j.procs.2024.06.365Vancouver
Rossini A, Alves D, Cassão V, Miyoshi NSB. Unsupervised K-means analysis of tuberculosis data in Brazil: identifying high prevalence states and temporal trends [Internet]. Procedia Computer Science. 2024 ; 239 1839-1846.[citado 2025 nov. 24 ] Available from: https://doi.org/10.1016/j.procs.2024.06.365
