Z Papp et al. Intelligent Measurement and Electroencephalographic Recording. (1986) Megjelent: Intelligent measurement pp. 1-4, 2606198
Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[2606198]
  1. SZTIPANOVITS J et al. KNOWLEDGE-BASED TECHNIQUES IN INSTRUMENTATION. (1988) IEEE ENGINEERING IN MEDICINE AND BIOLOGY MAGAZINE 0739-5175 7 2 13-17
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[1281064] [Admin láttamozott]
    Független, Idéző: 1281064, Kapcsolat: 26483982
  2. Sztipanovits J. Knowledge-based experiment builder for magnetic resonance imaging (MRI) systems. (1987) Megjelent: 3rd IEEE Conference on Artificial Intelligence Applications pp. 126-133
    Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[25437370] [Admin láttamozott]
    Független, Idéző: 25437370, Kapcsolat: 25437370
Z Papp et al. Intelligent Medical Instruments. (1988) IEEE ENGINEERING IN MEDICINE AND BIOLOGY MAGAZINE 0739-5175 7 2 18-23, 2605793
Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[2605793]
  1. Chan E et al. Towards intelligent self-care: Multi-sensor monitoring and neuro-fuzzy behavior modelling. (2008) Megjelent: 2008 IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN AND CYBERNETICS(SMC), VOLS 1-6 pp. 3083-3088
    Egyéb konferenciaközlemény[23887251] [Admin láttamozott]
    Független, Idéző: 23887251, Kapcsolat: 23887251
  2. Barro S et al. New Trends in Patient Monitoring. (2002) DISEASE MANAGEMENT & HEALTH OUTCOMES 1173-8790 10 5 291-306
    Folyóiratcikk[23887247] [Admin láttamozott]
    Független, Idéző: 23887247, Kapcsolat: 23887247
  3. N Aydin. Computerised Graft Monitoring. (1994)
    Disszertáció/PhD (Disszertáció)[23887248] [Admin láttamozott]
    Független, Idéző: 23887248, Kapcsolat: 23887248
  4. MORA FA et al. INTELLIGENT PATIENT MONITORING AND MANAGEMENT-SYSTEMS - A REVIEW. (1993) IEEE ENGINEERING IN MEDICINE AND BIOLOGY MAGAZINE 0739-5175 12 4 23-33
    Folyóiratcikk/Tudományos[20845129] [Nyilvános]
    Független, Idéző: 20845129, Kapcsolat: 23887252
  5. CECHNER RL et al. AUTOMATED RULE-BASED DECISION SYSTEMS IN FORENSIC TOXICOLOGY USING EXPERT KNOWLEDGE - BASIC PRINCIPLES AND PRACTICAL APPLICATIONS. (1990) JOURNAL OF ANALYTICAL TOXICOLOGY 0146-4760 1945-2403 14 5 280-284
    Folyóiratcikk/Tudományos[20845130] [Nyilvános]
    Független, Idéző: 20845130, Kapcsolat: 23887250
  6. Barro S et al. More than classical patient monitoring: steps towards intelligent approaches. (1989) Megjelent: Annual International Conference of the IEEE Engineering in Engineering in Medicine and Biology 1989 pp. 1995-1996
    Egyéb konferenciaközlemény/Tudományos[23887249] [Nyilvános]
    Független, Idéző: 23887249, Kapcsolat: 23887249
B Pataki. Neural network based dynamic models. (1993) Megjelent: 3rd International Conf. on Artificial Neural Networks pp. 257-261, 2606113
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[2606113]
  1. M Rabinowitz. Method and system for training dynamic nonlinear adaptive filters which have embedded memory. (2002) US Patent 6,351,740
    Oltalmi formák[23888551] [Nyilvános]
    Független, Idéző: 23888551, Kapcsolat: 23888551
Dobrowiecki T et al. Will measurement instruments turn into agents?. (1996) Megjelent: Conference proceedings : IMTC/96, IMEKO TC-7 : Joint Conference 1996: IEEE Instrumentation and Measurement Technology Conferenc... pp. 1365-1368, 2610373
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[2610373]
  1. He Feng et al. Object request brokers for distributed measurement. (2001) IEEE COMPUTER APPLICATIONS IN POWER 0895-0156 14 1 50-54
    Folyóiratcikk/Tudományos[25162834] [Admin láttamozott]
    Független, Idéző: 25162834, Kapcsolat: 25162834
  2. Hui Hong. Research on Networked Handheld Measurement Instrument [wang luo hua shou chi shi ce shi yi qi de yan jiu ]. (1999) MODERN SCIENTIFIC INSTRUMENTS 1003-8892 1999 5 13-15
    Folyóiratcikk[24487041] [Nyilvános]
    Független, Idéző: 24487041, Kapcsolat: 24487041
G Horváth et al. Recurrent CMAC: A Powerful Neural Network for System Identification. (1996) Megjelent: Conference proceedings : IMTC/96, IMEKO TC-7 : Joint Conference 1996: IEEE Instrumentation and Measurement Technology Conferenc... pp. 992-997, 2605798
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[2605798]
  1. Lin C et al. Adaptive filter design using recurrent cerebellar model articulation controller. (2010) IEEE TRANSACTIONS ON NEURAL NETWORKS 1045-9227 1941-0093 2162-237X 21 7 1149-1157
    Folyóiratcikk[23887259] [Admin láttamozott]
    Független, Idéző: 23887259, Kapcsolat: 23887259
  2. Ching-Tsan Chiang et al. A Converged Recurrent Structure for CMAC_GBF and S_CMAC_GBF. (2007) Megjelent: Industrial Electronics, 2007. ISIE 2007. IEEE International Symposium on pp. 1876-1881
    Egyéb konferenciaközlemény/Tudományos[23887257] [Nyilvános]
    Független, Idéző: 23887257, Kapcsolat: 23887257
  3. Wang SW et al. Valve fault detection and diagnosis based on CMAC neural networks. (2004) ENERGY AND BUILDINGS 0378-7788 36 6 599-610
    Folyóiratcikk[23887258] [Admin láttamozott]
    Független, Idéző: 23887258, Kapcsolat: 23887258
Dobrowiecki T et al. Will Measuring Instruments Turn Into Agents?. (1997) IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT 0018-9456 1557-9662 46 4 991-995, 2605175
Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[2605175]
  1. Ponci F et al. Multi agent systems: An example of power system dynamic reconfiguration. (2010) INTEGRATED COMPUTER-AIDED ENGINEERING 1069-2509 17 4 359-372
    Folyóiratcikk[23884994] [Admin láttamozott]
    Független, Idéző: 23884994, Kapcsolat: 23884994
  2. Chan HK. Agent-Oriented Embedded Electronic Measuring Systems. (2010) COMMUNICATIONS OF THE ACM 0001-0782 1557-7317 53 3 157-162
    Folyóiratcikk[23885026] [Admin láttamozott]
    Független, Idéző: 23885026, Kapcsolat: 23884992
  3. Winiecki W et al. Multi-agent based distributed measurement system for noise monitoring. (2007) Megjelent: 4th IEEE Workshop on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications (IDAACS 2007) pp. 82-85
    Egyéb konferenciaközlemény[23884993] [Admin láttamozott]
    Független, Idéző: 23884993, Kapcsolat: 23884993
  4. Amigoni F et al. Artificial intelligence in science of measurements: From measurement. (2003) IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT 0018-9456 1557-9662 52 3 716-723
    Folyóiratcikk[23884991] [Admin láttamozott]
    Független, Idéző: 23884991, Kapcsolat: 23884991
B Pataki et al. Effects of database characteristics on the neural modeling of an industrial process. (1998) Megjelent: Symposium on Neural Computation pp. 834-840, 2605815
Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[2605815]
  1. Székely Nóra. Simplifying the Model of a Complex Industrial Process Using Input Variable Selection. (2003) PERIODICA POLYTECHNICA-ELECTRICAL ENGINEERING 0324-6000 1587-3781 2064-5260 2064-5279 47 1-2 141-147
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[2628332] [Admin láttamozott]
    Független, Idéző: 2628332, Kapcsolat: 23887291
  2. I C Mochmann. Lifestyles, social milieus and voting behaviour in Germany. (2002)
    Disszertáció/Külföldi fokozat (nem PhD) (Disszertáció)[23887290] [Nyilvános]
    Független, Idéző: 23887290, Kapcsolat: 23887290
  3. Poschmann M. Einsatz neuronaler Netze zur Optimierung der Prozeßführung bei der Blasstrahlerzeugung. (2000)
    Disszertáció/Egyetemi doktor (Disszertáció)/Tudományos[24942364] [Nyilvános]
    Független, Idéző: 24942364, Kapcsolat: 24942364
G Horváth. Neural Modeling of a Linz-Donawitz Steel Converter: Difficulties and Solutions. (1998) Megjelent: Proceedings of the Sixth European Congress on Intelligent Techniques and Soft Computing (EUFIT'98) pp. 1516-1521, 2606213
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[2606213]
  1. Poschmann M. Einsatz neuronaler Netze zur Optimierung der Prozeßführung bei der Blasstrahlerzeugung. (2000)
    Disszertáció/Egyetemi doktor (Disszertáció)/Tudományos[24942368] [Nyilvános]
    Független, Idéző: 24942368, Kapcsolat: 24942368
Horváth G et al. Black box modeling of a complex industrial process. (1999) Megjelent: International Conference and Workshop on Engineering of Computer-Based Systems, ECBS '99 pp. 60-66, 2605820
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[2605820]
  1. Carlucci Antonio Paolo et al. An improved parameter identification schema for the dynamic model of LD converters. (2015) JOURNAL OF PROCESS CONTROL 0959-1524 1873-2771 31 64-72
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[25471324] [Nyilvános]
    Független, Idéző: 25471324, Kapcsolat: 24942332
  2. J. Valyon. Extended LS-SVM for System Modeling: Kiterjesztett LS-SVM és alkalmazása rendszermodellezési feladatokban. (2008)
    Disszertáció/PhD (Disszertáció)/Tudományos[2628341] [Admin láttamozott]
    Független, Idéző: 2628341, Kapcsolat: 23887298
  3. Joni-Kristian Kämäräinen. TERÄKSEN VAKUUMIKÄSITTELYN VISUAALINEN LAADUNARVIOINTI. (2003)
    Egyéb[23887301] [Nyilvános]
    Független, Idéző: 23887301, Kapcsolat: 23887301
  4. J Van. Nonlinear Identification With Neural Networks and Fuzzy Logic. (2000)
    Disszertáció/PhD (Disszertáció)[23887297] [Nyilvános]
    Független, Idéző: 23887297, Kapcsolat: 23887297
  5. Kamarainen J-K et al. Neural prediction of hydrogen in vacuum tank degassing. (2000) Megjelent: 58th Electric Furnace Conference and 17th Process Technology Conference pp. 741-749
    Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[24569662] [Nyilvános]
    Független, Idéző: 24569662, Kapcsolat: 24569662
  6. Van Gorp J et al. Learning neural networks with noisy inputs using the errors-in-variables approach. (2000) IEEE TRANSACTIONS ON NEURAL NETWORKS 1045-9227 1941-0093 2162-237X 11 2 402-414
    Folyóiratcikk/Tudományos[23887300] [Nyilvános]
    Független, Idéző: 23887300, Kapcsolat: 23887300
B Pataki. Inverse Neural Modeling of a Linz-Donawitz Steel Converter. (2000) ELEKTROTECHNIK UND INFORMATIONSTECHNIK 0932-383X 1613-7620 117 1 13-17, 2605794
Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[2605794]
  1. A P Carlucci et al. An improved parameter identification schema for the dynamic model of LD converters. (2015) JOURNAL OF PROCESS CONTROL 0959-1524 1873-2771 31 64-72
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[24942334] [Nyilvános]
    Független, Idéző: 24942334, Kapcsolat: 24942334
  2. Chao. Design of Synthesis Automatic Control System For Steel-making Converter. (2005) AUTOMATION & INSTRUMENTATION 20 6 1-3
    Folyóiratcikk[23887253] [Nyilvános]
    Független, Idéző: 23887253, Kapcsolat: 23887253
  3. TIAN Chao. A BOF Static Model based on the Incremental Neural Network. (2005) TECHNIQUES OF AUTOMATION AND APPLICATIONS 24 5 17-19
    Folyóiratcikk[23887254] [Admin láttamozott]
    Független, Idéző: 23887254, Kapcsolat: 23887254
Berényi P et al. Hybrid-Neural Modeling of a Complex Industrial Process. (2001) Megjelent: Rediscovering measurement in the age of informatics: Proceedings of the 18th IEEE Instrumentation and Measurement Technology Co... pp. 1424-1429, 2606215
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[2606215]
  1. A P Carlucci et al. An improved parameter identification schema for the dynamic model of LD converters. (2015) JOURNAL OF PROCESS CONTROL 0959-1524 1873-2771 31 64-72
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[24942328] [Nyilvános]
    Független, Idéző: 24942328, Kapcsolat: 24942328
  2. Bello S. A computational modelling and design of the Adire making process using modular Petri net. (2010) Megjelent: Proceedings of the 3rd IASTED African Conference on Modelling and Simulation, AfricaMS 2010 pp. 78-82
    Egyéb konferenciaközlemény[23889160] [Admin láttamozott]
    Független, Idéző: 23889160, Kapcsolat: 23889160
  3. D Xu. Stability Analysis for a Kind of Hybrid Interconnected Systems. (2007) Journal of Systems Science and Information 1478-9906 5 1 15-28
    Folyóiratcikk[23889154] [Nyilvános]
    Független, Idéző: 23889154, Kapcsolat: 23889154
  4. TIAN She-ping et al. Application of Back Propagation Artificial Neural Networks on Dynamic Compensation of Measurement Systems. (2005) J0URNAL OF TEST AND MEASUREMENT TECHNOLOGY 1.19 5 453-458
    Folyóiratcikk/Tudományos[23889155] [Nyilvános]
    Független, Idéző: 23889155, Kapcsolat: 23889155
Gy Strausz et al. Intelligent Solution for Mammography Image Diagnoses. (2003) Megjelent: 8th International Conference on Engineering Applications of Neural Networks pp. 270-276, 2606220
Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[2606220]
  1. Hernandez-Cisneros RR et al. Detection and Classification of Microcalcification Clusters in Mammograms using Evolutionary Neural Networks. (2008) ADVANCED COMPUTATIONAL INTELLIGENCE PARADIGMS IN HEALTHCARE - 3 107 151-180
    Folyóiratcikk/Tudományos[23889167] [Nyilvános]
    Független, Idéző: 23889167, Kapcsolat: 23889167
Lasztovicza László et al. Neural Network Based Microcalcification Detection in a Mammographic CAD System. (2003) Megjelent: Proceedings of the Second IEEE International Workshop on Intelligent Data Acquisition and Advanced Computing Systems (IDAACS'03) pp. 319-323, 2605076
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[2605076]
  1. Asaduzzaman A. A Novel Technique to Analyze Mammography Images for Breast Cancer Treatment. (2017) International Conference on Advances in Electrical Engineering 2378-2668 Dhaka 105-110
    Folyóiratcikk/Konferenciaközlemény (Folyóiratcikk)/Tudományos[27319798] [Nyilvános]
    Független, Idéző: 27319798, Kapcsolat: 27319798
  2. C Gowrishankar. Active Contour Based Micro-Calcification Detection and Classification in Digital Mammogram. (2012) AUSTRALIAN JOURNAL OF ELECTRICAL AND ELECTRONICS ENGINEERING (AJEEE) 1448-837X 9 4 367-376
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[25951271] [Nyilvános]
    Független, Idéző: 25951271, Kapcsolat: 25951271
  3. Hernández-Cisneros R. Detection and Classification of Microcalcification Clusters in Mammograms using Evolutionary Neural Networks. (2008) Megjelent: Advanced Computational Intelligence Paradigms in Healthcare - 3 pp. 151-180
    Könyvrészlet/Szaktanulmány (Könyvrészlet)/Tudományos[24944065] [Nyilvános]
    Független, Idéző: 24944065, Kapcsolat: 24944065
  4. Berezsky O. The Algorithm of Analysis and Synthesis of Biomedical Images. (2007) JOURNAL OF AUTOMATION AND INFORMATION SCIENCES 1064-2315 39 4 69-80
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[24944062] [Nyilvános]
    Független, Idéző: 24944062, Kapcsolat: 24944062
  5. A F Ali. SPATIAL AND SPECTRAL FEATURES FOR EARLY DETECTION OF MICROCALCIFICATIONS IN MAMMOGRAMS. (2005) JOURNAL OF ENGINEERING AND APPLIED SCIENCES 1816-949X 52 22 355-372
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[23883555] [Nyilvános]
    Független, Idéző: 23883555, Kapcsolat: 23883555
N Székely et al. Detecting Lesions in a Mammogram. (2003) Megjelent: Proceedings Ec-Vip-Mc 2003 pp. 113-118, 2606092
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[2606092]
  1. Ruiz Duque A et al. Breast lesions detection in digital mammography: An automated pre-diagnosis. (2014) Megjelent: Image, Signal Processing and Artificial Vision (STSIVA), 2014 XIX Symposium on pp. 1-5
    Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[24942306] [Nyilvános]
    Független, Idéző: 24942306, Kapcsolat: 24942306
  2. W Schneider. Device and method for the computer-assisted analysis of mammograms. (2012) US 8300908 B2
    Oltalmi formák/USA szabadalom (Oltalmi formák)/Tudományos[24942299] [Nyilvános]
    Független, Idéző: 24942299, Kapcsolat: 24942299
  3. A Nagappan et al. Novel Segmentation Technique Using Wavelet Based Active Contour Model for Detection of Mammographic Lesions. (2008) INFORMATION TECHNOLOGY JOURNAL 1812-5638 1812-5646 7 3 p. 490
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[24942296] [Nyilvános]
    Független, Idéző: 24942296, Kapcsolat: 24942296
  4. A Nagappan. A Novel Procedure to aid Breast Cancer Biopsy using Wavelet based Active Contour model for Mammographic Lesions. (2008) International Journal of Biosciences and Technology 1 10-16
    Folyóiratcikk[23888508] [Nyilvános]
    Független, Idéző: 23888508, Kapcsolat: 23888508
Horváth G. Intelligent advisory system for screening mammography. (2004) Megjelent: IMTC/04 : proceedings of the 21st IEEE Instrumentation and Measurement Technology Conference : From the electrometer to the net... pp. 2071-2076, 2605095
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[2605095]
  1. K Engan. Frame Texture Classification Method (FTCM) Applied on Mammograms for Detection of Abnormalities. (2007) WASET International Journal of Signal Processing 4 4 122-132
    Folyóiratcikk[23883583] [Nyilvános]
    Független, Idéző: 23883583, Kapcsolat: 23883583
  2. Kjersti Engan. A Computer Aided Detection (CAD) System for Microcalcifications in Mammograms - MammoScan μCaD. (2007) International Journal of Biomedical Sciences 2 3 168-179
    Folyóiratcikk[23883584] [Nyilvános]
    Független, Idéző: 23883584, Kapcsolat: 23883584
Lasztovicza László et al. Hybrid Microcalcification Detection in Mammograms. (2004) Megjelent: Proceedings of 17th Biennial International EURASIP Conference BIOSIGNAL 2004 pp. 287-289, 2605080
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[2605080]
  1. Roller D et al. A method for interpreting pixel grey levels in digital mammography. (2006) LECTURE NOTES IN COMPUTER SCIENCE 0302-9743 1611-3349 4142 580-588
    Folyóiratcikk/Tudományos[23883562] [Nyilvános]
    Független, Idéző: 23883562, Kapcsolat: 23883562
Székely Nóra et al. A Hybrid System for Detecting Masses in Mammographic Images. (2004) Megjelent: IMTC/04 : proceedings of the 21st IEEE Instrumentation and Measurement Technology Conference : From the electrometer to the net... pp. 2065-2070, 2605078
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[2605078]
  1. Peng F et al. The Identification of Breast Mass Based on Multi-Agent Interactive Information Fusion Method. (2009) Megjelent: 2009 3rd International Conference on Bioinformatics and Biomedical Engineering pp. 1-4
    Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[24944028] [Nyilvános]
    Független, Idéző: 24944028, Kapcsolat: 24944028
  2. Khuzi A. Texture Features Selection for Masses Detection In Digital Mammogram. (2008) Megjelent: 4th Kuala Lumpur International Conference on Biomedical Engineering 2008 IFMBE Proceedings Volume 21 pp. 629-632
    Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[24944018] [Nyilvános]
    Független, Idéző: 24944018, Kapcsolat: 24944018
  3. H Mirzaalian. Various Applying of Wavelet Transform in Digital Mammograms for Detecting Masses and Microcalcifications. (2007) Megjelent: MVA2007 IAPR Conference on Machine Vsion Applications pp. 351-354
    Egyéb konferenciaközlemény[23883560] [Nyilvános]
    Független, Idéző: 23883560, Kapcsolat: 23883560
  4. Altrichter M et al. The Refinement of Microcalcification Cluster Assessment by Joint Analysis of MLO and CC Views. (2006) Megjelent: Digital Mammography: 8th International Workshop, IWDM 2006, Manchester, UK, June 18-21, 2006, Proceedings pp. 509-516
    Könyvrészlet/Könyvfejezet (Könyvrészlet)/Tudományos[24943916] [Nyilvános]
    Független, Idéző: 24943916, Kapcsolat: 24943916
  5. Alex S. Challenging computer-based projects for a mechatronics course: Teaching and learning through projects employing virtual instrumentation. (2006) COMPUTER APPLICATIONS IN ENGINEERING EDUCATION 1061-3773 1099-0542 14 3 222-242
    Folyóiratcikk[23883561] [Admin láttamozott]
    Független, Idéző: 23883561, Kapcsolat: 23883561
  6. Márta Altrichter et al. Joint Analysis of Multiple Mammographic Views in CAD Systems for Breast Cancer Detection. (2005) Megjelent: Image Analysis pp. 760-769
    Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[23883581] [Nyilvános]
    Független, Idéző: 23883581, Kapcsolat: 23883558
Székely Nóra et al. Combining Methods For Mass Detection In Mammograms. (2004) Megjelent: Proceedings of 17th Biennial International EURASIP Conference BIOSIGNAL 2004 pp. 281-283, 2605081
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[2605081]
  1. J E Ball et al. Digital Mammographic Computer Aided Diagnosis (CAD) using Adaptive Level Set Segmentation. (2007) Megjelent: EMBC07 - 29th Annual International Conference of the IEEE Engineering in Medicine and Biology Society pp. 4973-4978
    Egyéb konferenciaközlemény/Tudományos[23883563] [Nyilvános]
    Független, Idéző: 23883563, Kapcsolat: 23883563
Székely Nóra et al. A Hybrid System for Detecting Masses in Mammographic Images. (2006) IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT 0018-9456 1557-9662 55 3 944-952, 2605063
Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[2605063]
  1. Yengec Tasdemir Sena B. et al. A review of mammographic region of interest classification. (2020) WILEY INTERDISCIPLINARY REVIEWS-DATA MINING AND KNOWLEDGE DISCOVERY 1942-4787 1942-4795
    Folyóiratcikk/Összefoglaló cikk (Folyóiratcikk)/Tudományos[31443946] [Egyeztetett]
    Független, Idéző: 31443946, Kapcsolat: 29164363
  2. Chaieb Ramzi et al. Feature subset selection for classification of malignant and benign breast masses in digital mammography. (2019) PATTERN ANALYSIS AND APPLICATIONS 1433-7541 22 3 803-829
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31055050] [Egyeztetett]
    Független, Idéző: 31055050, Kapcsolat: 28623933
  3. Nayak Deepak Ranjan et al. Application of fast curvelet Tsallis entropy and kernel random vector functional link network for automated detection of multiclass brain abnormalities. (2019) COMPUTERIZED MEDICAL IMAGING AND GRAPHICS 0895-6111 77
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31055048] [Egyeztetett]
    Független, Idéző: 31055048, Kapcsolat: 28623931
  4. Molinari F et al. An efficient data mining framework for the characterization of symptomatic and asymptomatic carotid plaque using bidimensional empirical mode decomposition technique. (2018) MEDICAL AND BIOLOGICAL ENGINEERING AND COMPUTING 0140-0118 56 p. 1
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[27218426] [Nyilvános]
    Független, Idéző: 27218426, Kapcsolat: 27218426
  5. Molinari Filippo et al. An efficient data mining framework for the characterization of symptomatic and asymptomatic carotid plaque using bidimensional empirical mode decomposition technique. (2018) MEDICAL AND BIOLOGICAL ENGINEERING AND COMPUTING 0140-0118 56 9 1579-1593
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[30547674] [Egyeztetett]
    Független, Idéző: 30547674, Kapcsolat: 28003467
  6. Ciecholewski Marcin. Malignant and Benign Mass Segmentation in Mammograms Using Active Contour Methods. (2017) SYMMETRY 2073-8994 9 11
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[27083767] [Nyilvános]
    Független, Idéző: 27083767, Kapcsolat: 27083767
  7. Singh Vibhav Prakash et al. Effective mammogram classification based on center symmetric-LBP features in wavelet domain using random forests. (2017) TECHNOLOGY AND HEALTH CARE 0928-7329 1878-7401 25 4 709-727
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[26920530] [Nyilvános]
    Független, Idéző: 26920530, Kapcsolat: 26920530
  8. Andria Gregorio et al. Dosimetric Characterization and Image Quality Assessment in Breast Tomosynthesis. (2017) IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT 0018-9456 1557-9662 66 10 2535-2544
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[26920529] [Nyilvános]
    Független, Idéző: 26920529, Kapcsolat: 26920529
  9. Shrivastava Ayush et al. Automated Digital Mammogram Segmentation Using Dispersed Region Growing and Sliding Window Algorithm. (2017) Megjelent: 2017 2ND INTERNATIONAL CONFERENCE ON IMAGE, VISION AND COMPUTING (ICIVC 2017) pp. 366-370
    Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[27083768] [Nyilvános]
    Független, Idéző: 27083768, Kapcsolat: 27083768
  10. Khan Salabat et al. A comparison of different Gabor feature extraction approaches for mass classification in mammography. (2017) MULTIMEDIA TOOLS AND APPLICATIONS: AN INTERNATIONAL JOURNAL 1380-7501 1573-7721 76 1 33-57
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[26567242] [Nyilvános]
    Független, Idéző: 26567242, Kapcsolat: 26567242
  11. Goubalan Segbedji. UNSUPERVISED MALIGNANT MAMMOGRAPHIC BREAST MASS SEGMENTATION ALGORITHM BASED ON PICKARD MARKOV RANDOM FIELD. (2016) IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING (ICIP) 1522-4880 Phoenix 2653-2657
    Folyóiratcikk/Konferenciaközlemény (Folyóiratcikk)/Tudományos[26393958] [Nyilvános]
    Független, Idéző: 26393958, Kapcsolat: 26393958
  12. Khan Salabat et al. Optimized Gabor features for mass classification in mammography. (2016) APPLIED SOFT COMPUTING 1568-4946 1872-9681 44 267-280
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[26039498] [Nyilvános]
    Független, Idéző: 26039498, Kapcsolat: 26039498
  13. Wang Huiqian et al. Automatic anatomy recognition in whole-body PET/CT images. (2016) MEDICAL PHYSICS 0094-2405 43 1 613-629
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[25797899] [Nyilvános]
    Független, Idéző: 25797899, Kapcsolat: 25797899
  14. Liu X et al. Nincs cím. (2015) NEUROCOMPUTING 0925-2312 152 388-402
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[24642460] [Nyilvános]
    Független, Idéző: 24642460, Kapcsolat: 24642460
  15. Vaidehi K et al. Automatic Characterization of Benign and Malignant masses in Mammography. (2015) PROCEDIA COMPUTER SCIENCE 1877-0509 46 Kochi 1762-1769
    Folyóiratcikk/Tudományos[25471389] [Nyilvános]
    Független, Idéző: 25471389, Kapcsolat: 25471389
  16. Mookiah M-R. AUTOMATED CHARACTERIZATION AND DETECTION OF DIABETIC RETINOPATHY USING TEXTURE MEASURES. (2015) JOURNAL OF MECHANICS IN MEDICINE AND BIOLOGY 0219-5194 1793-6810 15 p. 1
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[24639776] [Nyilvános]
    Független, Idéző: 24639776, Kapcsolat: 24639776
  17. Srivastava S et al. Quantitative Analysis of a General Framework of a CAD Tool for Breast Cancer Detection from Mammograms. (2014) JOURNAL OF MEDICAL IMAGING AND HEALTH INFORMATICS 2156-7018 2156-7026 4 5 654-674
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[24579827] [Nyilvános]
    Független, Idéző: 24579827, Kapcsolat: 24579827
  18. Ganesan K et al. One-Class Classification of Mammograms Using Trace Transform Functionals. (2014) IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT 0018-9456 1557-9662 63 2 304-311
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[24579828] [Nyilvános]
    Független, Idéző: 24579828, Kapcsolat: 24579828
  19. Yun Wong Li et al. Glaucoma Classification Using Brownian Motion and Discrete Wavelet Transform. (2014) JOURNAL OF MEDICAL IMAGING AND HEALTH INFORMATICS 2156-7018 2156-7026 4 4 621-627
    Folyóiratcikk/Tudományos[24555749] [Nyilvános]
    Független, Idéző: 24555749, Kapcsolat: 28843892
  20. Hussain M. Effective Extraction of Gabor Features for False Positive Reduction and Mass Classification in Mammography. (2014) APPLIED MATHEMATICS AND INFORMATION SCIENCES 1935-0090 2325-0399 8 397-412
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[24639819] [Nyilvános]
    Független, Idéző: 24639819, Kapcsolat: 24639819
  21. Ganesan K et al. Automated Diagnosis of Mammogram Images of Breast Cancer Using Discrete Wavelet Transform and Spherical Wavelet Transform Features: A Comparative Study. (2014) TECHNOLOGY IN CANCER RESEARCH & TREATMENT 1533-0346 13 6 605-615
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[24579826] [Nyilvános]
    Független, Idéző: 24579826, Kapcsolat: 24579826
  22. Rajendra Acharya et al. Plaque tissue characterization and classification in ultrasound carotid scans: A paradigm for vascular feature amalgamation. (2013) IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT 0018-9456 1557-9662 62 2 392-400
    Folyóiratcikk[23883551] [Admin láttamozott]
    Független, Idéző: 23883551, Kapcsolat: 23883551
  23. Adegoke B. Overview of Medical Image Segmentation. (2013) INTERNATIONAL JOURNAL OF ENGINEERING RESEARCH AND DEVELOPMENT 2278-800X 2278-067X 8 9 13-17
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[24641193] [Nyilvános]
    Független, Idéző: 24641193, Kapcsolat: 24641193
  24. Ganesan K et al. Decision support system for breast cancer detection using mammograms. (2013) PROCEEDINGS OF THE INSTITUTION OF MECHANICAL ENGINEERS PART H-JOURNAL OF ENGINEERING IN MEDICINE 0954-4119 227 7 721-732
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[24579829] [Nyilvános]
    Független, Idéző: 24579829, Kapcsolat: 24579829
  25. Ganesan K et al. Computer-aided breast cancer detection using mammograms: A review. (2013) IEEE Reviews in Biomedical Engineering 6 77-98
    Folyóiratcikk/Tudományos[24683409] [Nyilvános]
    Független, Idéző: 24683409, Kapcsolat: 23883554
  26. Krishnan M M et al. Automated glaucoma detection using hybrid feature extraction in retinal fundus images. (2013) JOURNAL OF MECHANICS IN MEDICINE AND BIOLOGY 0219-5194 1793-6810 13 1
    Folyóiratcikk[22956822] [Admin láttamozott]
    Független, Idéző: 22956822, Kapcsolat: 23883550
  27. Bator M et al. Detection of Cancerous Masses in Mammograms by Template Matching: Optimization of Template Brightness Distribution by Means of Evolutionary Algorithm. (2012) JOURNAL OF DIGITAL IMAGING 0897-1889 25 1 162-172
    Folyóiratcikk[23883549] [Admin láttamozott]
    Független, Idéző: 23883549, Kapcsolat: 23883549
  28. Mookiah M R et al. Data mining technique for automated diagnosis of glaucoma using higher order spectra and wavelet energy features. (2012) KNOWLEDGE-BASED SYSTEMS 0950-7051 33 73-82
    Folyóiratcikk[22467697] [Admin láttamozott]
    Független, Idéző: 22467697, Kapcsolat: 23883553
  29. Liu J. Mass detection based on integrated region growing and level set method. (2011) Megjelent: Proceedings of 4th International Workshop on Advanced Computational Intelligence, IWACI 2011 pp. 557-560
    Egyéb konferenciaközlemény[23883552] [Admin láttamozott]
    Független, Idéző: 23883552, Kapcsolat: 23883552
  30. Tahmasbi A et al. Classification of benign and malignant masses based on Zernike moments. (2011) COMPUTERS IN BIOLOGY AND MEDICINE 0010-4825 41 8 726-735
    Folyóiratcikk[23883545] [Admin láttamozott]
    Független, Idéző: 23883545, Kapcsolat: 23883545
  31. Xu W et al. A novel detection algorithm for mammographic masses based on island scouring model. (2011) CHINESE JOURNAL OF BIOMEDICAL ENGINEERING 0258-8021 30 4 567-575
    Folyóiratcikk[23883544] [Admin láttamozott]
    Független, Idéző: 23883544, Kapcsolat: 23883544
  32. Galavis Paulina. Variability of textural features in FDG PET images due to different acquisition modes and reconstruction parameters. (2010) Megjelent: Acta Oncologica Symposium pp. 1012-1016
    Egyéb konferenciaközlemény[23883542] [Admin láttamozott]
    Független, Idéző: 23883542, Kapcsolat: 23883542
  33. Chien-Pen Chuang. Detecting mammography of breast microcalcification with SOL-based self-organization neural network. (2010) Megjelent: Sixth International Conference on Natural Computation (ICNC) pp. 1217-1222
    Egyéb konferenciaközlemény[23883543] [Admin láttamozott]
    Független, Idéző: 23883543, Kapcsolat: 23883543
  34. Oliver A et al. A review of automatic mass detection and segmentation in mammographic images. (2010) MEDICAL IMAGE ANALYSIS 1361-8415 14 2 87-110
    Folyóiratcikk[24001186] [Admin láttamozott]
    Független, Idéző: 24001186, Kapcsolat: 23883541
  35. Sahba N et al. Mammography mass detection: A multi-stage hybrid approach. (2009) Megjelent: Medical Imaging 2009 - Image Processing
    Egyéb konferenciaközlemény[23883546] [Admin láttamozott]
    Független, Idéző: 23883546, Kapcsolat: 23883546
  36. Yu H et al. Coregistered FDG PET/CT-Based Textural Characterization of Head and. (2009) IEEE TRANSACTIONS ON MEDICAL IMAGING 0278-0062 1558-0062 28 3 374-383
    Folyóiratcikk[23883540] [Admin láttamozott]
    Független, Idéző: 23883540, Kapcsolat: 23883540
  37. Bozek J. A survey of image processing algorithms in digital mammography. (2009) STUDIES IN COMPUTATIONAL INTELLIGENCE 1860-949X 1860-9503 231 631-657
    Folyóiratcikk[23883547] [Admin láttamozott]
    Független, Idéző: 23883547, Kapcsolat: 23883547
Takács G et al. Case-level detection of mammographic masses. (2007) INTERNATIONAL JOURNAL OF APPLIED ELECTROMAGNETICS AND MECHANICS 1383-5416 25 1-4 395-400, 1830203
Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[1830203]
  1. Angiulli G et al. A sensitivity study for microwave breast cancer detection using the Contrast-Source Integral Equation and realistic anthropomorphic numerical 3-D phantoms. (2013) INTERNATIONAL JOURNAL OF APPLIED ELECTROMAGNETICS AND MECHANICS 1383-5416 43 3 207-214
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[24585552] [Admin láttamozott]
    Független, Idéző: 24585552, Kapcsolat: 24541963
Takács G. Deciding the convex separability of pattern sets. (2007) Megjelent: Proceedings of t the 4th IEEE Workshop on Intelligent Data Acquisition and Advanced Computing Systems (IDAACS'2007), 1830206
Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[1830206]
  1. Abbassi H et al. Constrained classifier: a novel approach to nonlinear classification. (2013) NEURAL COMPUTING & APPLICATIONS 0941-0643 1433-3058 23 7-8 2367-2377
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[24642220] [Nyilvános]
    Független, Idéző: 24642220, Kapcsolat: 24642220
Takács G et al. Lower bounds on the Vapnik-Chervonenkis dimension of convex polytope classifiers. (2007) Megjelent: INES 2007 - 11th International Conference on Intelligent Engineering Systems, Proceedings, 1866504
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[1866504]
  1. Sivaprasad Sarath et al. The Curious Case of Convex Neural Networks. (2021) Megjelent: Machine Learning and Knowledge Discovery in Databases. Research Track pp. 738-754
    Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[32350711] [Nyilvános]
    Független, Idéző: 32350711, Kapcsolat: 30613923
  2. Anguita D et al. Some Results About the Vapnik-Chervonenkis Entropy and the Rademacher Complexity. (2013) Megjelent: 2013 International Joint Conference on Neural Networks (IJCNN) pp. 1-8
    Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[24642313] [Nyilvános]
    Független, Idéző: 24642313, Kapcsolat: 24642313
Tóth Norbert. On Classification Confidence and Ranking Using Decision Trees. (2007) Megjelent: 11th IEEE International Conference on Intelligent Engineering Systems INES'07 pp. 133-138, 2605800
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[2605800]
  1. Fischer Lydia et al. Optimal local rejection for classifiers. (2016) NEUROCOMPUTING 0925-2312 214 445-457
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[26396184] [Nyilvános]
    Független, Idéző: 26396184, Kapcsolat: 26396184
  2. Perello-Nieto M. Background Check: A General Technique to Build More Reliable and Versatile Classifiers. (2016) Megjelent: 2016 IEEE 16th International Conference on Data Mining (ICDM) pp. 1143-1148
    Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[26602569] [Nyilvános]
    Független, Idéző: 26602569, Kapcsolat: 26602569
  3. Varga R et al. Aggregate Features in Multi-Sample Classification Problems. (2015) IEEE JOURNAL OF BIOMEDICAL AND HEALTH INFORMATICS 2168-2194 2168-2208 19 2 486-492
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[24569763] [Nyilvános]
    Független, Idéző: 24569763, Kapcsolat: 24569763
  4. Staudenmaier A. Ressourcenoptimierte Objektdetektion und teilüberwachtes Lernen zur Echtzeitanwendung mit konfidenzbasierten, kaskadierten Klassifikationssystemen. (2014)
    Disszertáció/Egyetemi doktor (Disszertáció)/Tudományos[25380355] [Nyilvános]
    Független, Idéző: 25380355, Kapcsolat: 25380355
2021-10-27 18:54