Wyszukiwarka
ISSN:
0141-9382
eISSN:
1872-7387
Dyscypliny:
- etnologia i antropologia kulturowa (Dziedzina nauk humanistycznych)
- architektura i urbanistyka (Dziedzina nauk inżynieryjno-technicznych)
- automatyka, elektronika, elektrotechnika i technologie kosmiczne (Dziedzina nauk inżynieryjno-technicznych)
- inżynieria biomedyczna (Dziedzina nauk inżynieryjno-technicznych)
- inżynieria lądowa, geodezja i transport (Dziedzina nauk inżynieryjno-technicznych)
- ochrona dziedzictwa i konserwacja zabytków (Dziedzina nauk inżynieryjno-technicznych)
- nauki o zarządzaniu i jakości (Dziedzina nauk społecznych)
- informatyka (Dziedzina nauk ścisłych i przyrodniczych)
Punkty Ministerialne: Pomoc
| Rok | Punkty | Lista |
|---|---|---|
| Rok 2025 | 70 | Ministerialna lista czasopism punktowanych 2024 |
| Rok | Punkty | Lista |
|---|---|---|
| 2025 | 70 | Ministerialna lista czasopism punktowanych 2024 |
| 2024 | 70 | Ministerialna lista czasopism punktowanych 2024 |
| 2023 | 70 | Lista ministerialna czasopism punktowanych 2023 |
| 2022 | 70 | Lista ministerialna czasopism punktowanych (2019-2022) |
| 2021 | 70 | Lista ministerialna czasopism punktowanych (2019-2022) |
| 2020 | 70 | Lista ministerialna czasopism punktowanych (2019-2022) |
| 2019 | 70 | Lista ministerialna czasopism punktowanych (2019-2022) |
| 2018 | 25 | A |
| 2017 | 25 | A |
| 2016 | 25 | A |
| 2015 | 20 | A |
| 2014 | 25 | A |
| 2013 | 25 | A |
| 2012 | 30 | A |
| 2011 | 30 | A |
| 2010 | 32 | A |
Model czasopisma:
Hybrydowe
Punkty CiteScore:
| Rok | Punkty |
|---|---|
| Rok 2023 | 4.6 |
| Rok | Punkty |
|---|---|
| 2023 | 4.6 |
| 2022 | 4.1 |
| 2021 | 3.9 |
| 2020 | 4.9 |
| 2019 | 3.9 |
| 2018 | 3.2 |
| 2017 | 3 |
| 2016 | 3.8 |
| 2015 | 3 |
| 2014 | 2.9 |
| 2013 | 2.2 |
| 2012 | 2.2 |
| 2011 | 2.8 |
Impact Factor:
Zaloguj się aby zobaczyć Współczynnik Impact Factor dla tego czasopisma
Open Policy Finder (dawniej serwisy Sherpa):
Prace opublikowane w tym czasopiśmie
Filtry
wszystkich: 2
Katalog Czasopism
Rok 2025
-
EDRNet: An attention-based model for multi-type tumor and polyp segmentation in medical imaging
PublikacjaIn the pursuit of advancing medical image segmentation, this study introduces a novel neural network, Efficient Deep Residual Network (EDRNet). Our approach is designed to handle different types of tumors, encompassing MRI brain tumor segmentation, three breast tumor ultrasound segmentation tasks, and cholorectal polyp segmentation from the Kvasir dataset. EDRNet incorporates advanced architectural features such as Enhanced Residual...
Rok 2014
wyświetlono 410 razy