Поиск

Выпуск
Название
Авторы
Том 27, № 3 (2017)
Optic disc and cup segmentation methods for glaucoma detection with modification of U-Net convolutional neural network
Sevastopolsky A.
PDF
(Eng)
Том 29, № 1 (2019)
A Comparative Analysis of Segmentation Techniques for Lung Cancer Detection
Tripathi P., Tyagi S., Nath M.
PDF
(Eng)
Том 26, № 2 (2016)
A semantic hybrid approach based on grouping adjacent regions and a combination of multiple descriptors and classifiers for automatic image annotation
Oujaoura M., Minaoui B., Fakir M.
PDF
(Eng)
Том 26, № 1 (2016)
Semantic volume segmentation with iterative context integration for bio-medical image stacks
Sickert S., Rodner E., Denzler J.
PDF
(Eng)
Том 29, № 3 (2019)
Predictive Diagnosis of Glaucoma Based on Analysis of Focal Notching along the Neuro-Retinal Rim Using Machine Learning
Mukherjee R., Kundu S., Dutta K., Sen A., Majumdar S.
PDF
(Eng)
Том 29, № 2 (2019)
A Substructure Segmentation Method of Left Heart Regions from Cardiac CT Images Using Local Mesh Descriptors, Context and Spatial Location Information
Zhang Y., Niu L.
PDF
(Eng)
Том 29, № 4 (2019)
Segmentation and Feature Extraction of Endoscopic Images for Making Diagnosis of Acute Appendicitis
Ye S., Nedzvedz A., Ye F., Ablameyko S.
PDF
(Eng)
Том 29, № 1 (2019)
Segmentation of a Point Cloud by Data on Laser Scanning Intensities
Levashev S.
PDF
(Eng)
Том 28, № 3 (2018)
Use of Spectral Clustering Combined with Normalized Cuts (N-Cuts) in an Iterative k-Means Clustering Framework (NKSC) for Superpixel Segmentation with Contour Adherence
Ghosh P., Mali K., Das S.
PDF
(Eng)
Том 26, № 4 (2016)
Contour analysis of a fine structure in an electroencephalogram
Furman Y., Sevastyanov V., Ivanov K.
PDF
(Eng)
Том 29, № 3 (2019)
Detection and Restoration of Image from Multi-Color Fence Occlusions
Varalakshmamma M., Venkateswarlu T.
PDF
(Eng)
Том 29, № 1 (2019)
Motion Maps and Their Applications for Dynamic Object Monitoring
Chen H., Ye S., Nedzvedz O., Ablameyko S., Bai Z.
PDF
(Eng)
Том 27, № 4 (2017)
Image clustering segmentation based on SLIC superpixel and transfer learning
Li X., Shen X., Chen H., Feng Y.
PDF
(Eng)
Том 26, № 3 (2016)
Experiments with automatic segmentation of liver parenchyma using texture description
Jirik M., Neduchal P.
PDF
(Eng)
Том 29, № 3 (2019)
An Automatic Detection of Blood Vessel in Retinal Images Using Convolution Neural Network for Diabetic Retinopathy Detection
Raja C., Balaji L.
PDF
(Eng)
Том 29, № 1 (2019)
Modern Problems of Brain-Signal Analysis and Approaches to Their Solution
Furman Y., Sevast’yanov V., Ivanov K.
PDF
(Eng)
Том 26, № 3 (2016)
Fast implementation of the Niblack binarization algorithm for microscope image segmentation
Samorodova O., Samorodov A.
PDF
(Eng)
Том 26, № 1 (2016)
Structure of organic compounds semantic quantitative evaluation of micro-CT data
Jirik M., Kunes J., Zelezny M.
PDF
(Eng)
Том 29, № 1 (2019)
Developing and Studying the Algorithm for Segmentation of Simple Images Using Detectors Based on Doubly Stochastic Random Fields
Andriyanov N., Dementiev V.
PDF
(Eng)
Том 27, № 3 (2017)
Development, investigation, and software implementation of a new mathematical method for automating the analysis of corneal endothelium images
Gurevich I., Yashina V., Fedorov A., Nedzved’ A., Tleubaev A.
PDF
(Eng)
Том 26, № 3 (2016)
An image enhancement tool: Pattern Recognition Image Augmented Resolution
Righi M., D’Acunto M., Salvetti O.
PDF
(Eng)
Том 26, № 1 (2016)
Robust skin segmentation using color space switching
Gupta A., Chaudhary A.
PDF
(Eng)
Том 29, № 3 (2019)
A Computational Approach to Pertinent Feature Extraction for Diagnosis of Melanoma Skin Lesion
Majumder S., Ullah M.
PDF
(Eng)
Том 28, № 4 (2018)
Novel and Efficient Approach for Automated Separation, Segmentation, and Detection of Overlapped Elliptical Red Blood Cells
Abu-Qasmieh I.
PDF
(Eng)
Том 27, № 3 (2017)
Combining rules using local statistics and uncertainty estimates for improved ensemble segmentation
Al-Taie A., Hahn H., Linsen L.
PDF
(Eng)
1 - 25 из 36 результатов 1 2 > >> 
Подсказки:
  • Ключевые слова чувствительны к регистру
  • Английские предлоги и союзы игнорируются
  • По умолчанию поиск проводится по всем ключевым словам (агенс AND экспериенцер)
  • Используйте OR для поиска того или иного термина, напр. образование OR обучение
  • Используйте скобки для создания сложных фраз, напр. архив ((журналов OR конференций) NOT диссертаций)
  • Для поиска точной фразы используйте кавычки, напр. "научные исследования"
  • Исключайте слово при помощи знака - (дефис) или оператора NOT; напр. конкурс -красоты или же конкурс NOT красоты
  • Используйте * в качестве версификатора, напр. научн* охватит слова "научный", "научные" и т.д.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».