Zobrazeno 1 - 10
of 85
pro vyhledávání: '"Goldgof, Gregory"'
Autor:
Sun, Shenghuan, Schubert, Alexander, Goldgof, Gregory M., Sun, Zhiqing, Hartvigsen, Thomas, Butte, Atul J., Alaa, Ahmed
Vision-Language Models (VLM) can support clinicians by analyzing medical images and engaging in natural language interactions to assist in diagnostic and treatment tasks. However, VLMs often exhibit "hallucinogenic" behavior, generating textual outpu
Externí odkaz:
http://arxiv.org/abs/2405.19567
Generative models capable of capturing nuanced clinical features in medical images hold great promise for facilitating clinical data sharing, enhancing rare disease datasets, and efficiently synthesizing annotated medical images at scale. Despite the
Externí odkaz:
http://arxiv.org/abs/2306.12438
Identifying who is infected with the Covid-19 virus is critical for controlling its spread. X-ray machines are widely available worldwide and can quickly provide images that can be used for diagnosis. A number of recent studies claim it may be possib
Externí odkaz:
http://arxiv.org/abs/2102.04300
Testing for COVID-19 has been unable to keep up with the demand. Further, the false negative rate is projected to be as high as 30% and test results can take some time to obtain. X-ray machines are widely available and provide images for diagnosis qu
Externí odkaz:
http://arxiv.org/abs/2004.02060
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Bertin, Matthew J., Demirkiran, Ozlem, Navarro, Gabriel, Moss, Nathan A., Lee, John, Goldgof, Gregory M., Vigil, Edgar, Winzeler, Elizabeth A., Valeriote, Fred A., Gerwick, William H.
Publikováno v:
In Phytochemistry February 2016 122:113-118
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Discovery of a Generalization Gap of Convolutional Neural Networks on COVID-19 X-Rays Classification
Publikováno v:
IEEE Access, Vol 9, Pp 72970-72979 (2021)
IEEE access : practical innovations, open solutions
IEEE access : practical innovations, open solutions
A number of recent papers have shown experimental evidence that suggests it is possible to build highly accurate deep neural network models to detect COVID-19 from chest X-ray images. In this paper, we show that good generalization to unseen sources
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::e0eb907c872b1476614e487b4334c27f
https://doi.org/10.1109/access.2021.3079716
https://doi.org/10.1109/access.2021.3079716
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.