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: 21 maio 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 maio 21 ] 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 maio 21 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-22032024-142104/
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: 21 maio 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 maio 21 ] 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 maio 21 ] Available from: https://doi.org/10.1109/CBMS58004.2023.00184
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: 21 maio 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 maio 21 ] 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 maio 21 ] Available from: https://doi.org/10.1109/CBMS58004.2023.00272
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
Source: Proceedings. Conference titles: International Symposium on Computer-Based Medical Systems - CBMS. Unidades: ICMC, FMRP
Subjects: 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: 21 maio 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 maio 21 ] 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 maio 21 ] Available from: https://doi.org/10.1109/CBMS55023.2022.00021

USP Schools

ReP

Filtros

Authors

USP affiliated authors

Subjects