DISPLAYS - Czasopismo - MOST Wiedzy

Wyszukiwarka

DISPLAYS

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

Punkty Ministerialne - aktualny rok
Rok Punkty Lista
Rok 2025 70 Ministerialna lista czasopism punktowanych 2024
Punkty Ministerialne - lata ubiegłe
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:

Punkty CiteScore - aktualny rok
Rok Punkty
Rok 2023 4.6
Punkty CiteScore - lata ubiegłe
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

Filtry

wszystkich: 2

  • Kategoria
  • Rok
  • Opcje

wyczyść Filtry wybranego katalogu niedostępne

Katalog Czasopism

Rok 2025
  • EDRNet: An attention-based model for multi-type tumor and polyp segmentation in medical imaging
    Publikacja

    - DISPLAYS - Rok 2025

    In 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...

    Pełny tekst do pobrania w serwisie zewnętrznym

Rok 2014

wyświetlono 410 razy