Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
UncertaintyFuseNet: Robust uncertainty-aware hierarchical feature fusion model with Ensemble Monte Carlo Dropout for COVID-19 detection
2022·98 Zitationen·Information FusionOpen Access
Volltext beim Verlag öffnen98
Zitationen
10
Autoren
2022
Jahr
Abstract
Für dieses Paper ist kein Abstract in der Datenbank hinterlegt.
Abstract beim Verlag einsehenÄhnliche Arbeiten
La certeza de lo impredecible: Cultura Educación y Sociedad en tiempos de COVID19
2020 · 19.307 Zit.
A Multi-Modal Distributed Real-Time IoT System for Urban Traffic Control (Invited Paper)
2024 · 14.304 Zit.
UNet++: A Nested U-Net Architecture for Medical Image Segmentation
2018 · 8.816 Zit.
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
2021 · 7.419 Zit.
scikit-image: image processing in Python
2014 · 6.849 Zit.
Autoren
Institutionen
- Deakin University(AU)
- Concordia University(CA)
- Sharif University of Technology(IR)
- King's College London(GB)
- University of Waterloo(CA)
- Mohamed bin Zayed University of Artificial Intelligence(AE)
- Dibrugarh University(IN)
- Asia University(TW)
- Ngee Ann Polytechnic(SG)
- Singapore University of Social Sciences(SG)
- Université du Québec à Montréal(CA)
Themen
COVID-19 diagnosis using AIAnomaly Detection Techniques and ApplicationsArtificial Intelligence in Healthcare and Education