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
96
Zitationen
10
Autoren
2022
Jahr
Abstract
Für dieses Paper ist kein Abstract in der Datenbank hinterlegt.
Abstract beim Verlag einsehenÄhnliche Arbeiten
Epidemiological and clinical characteristics of 99 cases of 2019 novel coronavirus pneumonia in Wuhan, China: a descriptive study
2020 · 22.607 Zit.
La certeza de lo impredecible: Cultura Educación y Sociedad en tiempos de COVID19
2020 · 19.271 Zit.
A Multi-Modal Distributed Real-Time IoT System for Urban Traffic Control (Invited Paper)
2024 · 14.251 Zit.
UNet++: A Nested U-Net Architecture for Medical Image Segmentation
2018 · 8.479 Zit.
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
2021 · 7.095 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)
- Ngee Ann Polytechnic(SG)
- Singapore University of Social Sciences(SG)
- Asia University(TW)
- Université du Québec à Montréal(CA)