Learning label diffusion maps for semi-automatic segmentation of lung CT images with COVID-19 (2023)
- Authors:
- Bruzadin, Aldimir - Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP)
- Boaventura, Maurílio - Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP)
- Colnago, Marilaine
- Negri, Rogério Galante - Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP)
- Casaca, Wallace Correa de Oliveira - Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP)
- Autor USP: COLNAGO, MARILAINE - ICMC
- Unidade: ICMC
- DOI: 10.1016/j.neucom.2022.12.003
- Subjects: APRENDIZADO COMPUTACIONAL; PROCESSAMENTO DE IMAGENS; DIAGNÓSTICO POR IMAGEM; TOMOGRAFIA; COVID-19
- Keywords: Seeded segmentation; Deep contour learning; Lung CT
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título do periódico: Neurocomputing
- ISSN: 0925-2312
- Volume/Número/Paginação/Ano: v. 522, p. 24-38, Feb. 2023
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
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: 15 maio 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 maio 15 ] 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 maio 15 ] Available from: https://doi.org/10.1016/j.neucom.2022.12.003 - A fully unsupervised deep learning framework for non-rigid fundus image registration
- Mapping fire susceptibility in the brazilian Amazon forests using multitemporal remote sensing and time-varying unsupervised anomaly detection
- Um método de interface imersa de alta ordem para a resolução de equações elípticas com coeficientes descontínuos
- Plataforma SP covid-19 info tracker: a matemática e a inteligência artificial à serviço do combate à covid-19
- Avaliação do impacto da vacinação e do IDH nos óbitos Infantis por Covid-19 no período da variante ômicron
- Um estudo de gênero a partir da distribuição de bolsas do programa universidade para todos
Informações sobre o DOI: 10.1016/j.neucom.2022.12.003 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 | 3114040.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
