
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Federal de São Carlos (UFSCar) | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.creator | Santos, Claudio Filipi Gonçalvesdos | - |
| Autor(es): dc.creator | Passos, Leandro Aparecido | - |
| Autor(es): dc.creator | Santana, Marcos Cleisonde | - |
| Autor(es): dc.creator | Papa, João Paulo | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T21:14:50Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T21:14:50Z | - |
| Data de envio: dc.date.issued | 2022-05-01 | - |
| Data de envio: dc.date.issued | 2022-05-01 | - |
| Data de envio: dc.date.issued | 2020-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/B978-0-12-824536-1.00033-2 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/234306 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/234306 | - |
| Descrição: dc.description | The Coronavirus Disease 2019 (COVID-19) outbreak, caused by the SARS-CoV-2 virus, surprised the whole world in an unprecedented and devastating way, resulting in almost deaths and 2.3 million infections worldwide in less than 4 months. Moreover, the elevate capability of transmission threatens to collapse both the healthy and economic systems from most countries, stressing worse predictions for emerging countries. In such a turbulent scenario, fast diagnosis is essential for a successful treatment and isolation of patients, thus avoiding increasing the number of contaminations. However, traditional methods of detection using polymerase chain reaction are impractical in large scale due to elevate costs, material scarcity, and time demanded for processing. As an alternative, some researchers proposed a machine learning-based diagnosis considering chest X-ray analysis with promising results, thus opening room for possible improvements. This work introduces a different normalization approach that, together with an EfficientNet-B6-inspired neural network, can deal with COVID-19 diagnosis considering chest X-ray images. Experiments provided competitive results considering a lighter and faster architecture, thus fostering research toward COVID-19 detection. | - |
| Descrição: dc.description | Department of Computing Federal University of São Carlos | - |
| Descrição: dc.description | Department of Computing São Paulo State University | - |
| Descrição: dc.description | Department of Computing São Paulo State University | - |
| Formato: dc.format | 51-62 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Data Science for COVID-19 Volume 1: Computational Perspectives | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Convolutional neural network | - |
| Palavras-chave: dc.subject | Coronavirus | - |
| Palavras-chave: dc.subject | COVID-19 | - |
| Título: dc.title | Normalizing images is good to improve computer-assisted COVID-19 diagnosis | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: