Wykaz publikacji wybranego autora

Joanna Jaworek-Korjakowska, dr hab. inż., prof. AGH

profesor nadzwyczajny

Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
WEAIiIB-kair, Katedra Automatyki i Robotyki


  • 2023

    [dyscyplina 1] dziedzina nauk inżynieryjno-technicznych / automatyka, elektronika, elektrotechnika i technologie kosmiczne


  • 2020

    [dyscyplina 1] dziedzina nauk inżynieryjno-technicznych / automatyka, elektronika i elektrotechnika


  • 2018

    [dyscyplina 1] dziedzina nauk inżynieryjno-technicznych / automatyka, elektronika i elektrotechnika

    [dyscyplina 2] dziedzina nauk inżynieryjno-technicznych / inżynieria biomedyczna (25%)


[poprzednia klasyfikacja] obszar nauk technicznych / dziedzina nauk technicznych / biocybernetyka i inżynieria biomedyczna


Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0003-0146-8652 orcid iD

ResearcherID: W-3601-2017

Scopus: 55255311300

PBN: 5e70922b878c28a04739114a

OPI Nauka Polska

System Informacyjny AGH (SkOs)




1
  • A new approach to border irregularity assessment with application in skin pathology / Paweł KŁECZEK, Grzegorz Dyduch, Agnieszka Graczyk-Jarzynka, Joanna JAWOREK-KORJAKOWSKA // Applied Sciences (Basel) [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 2076-3417. — 2019 vol. 9 iss. 10 art. no. 2022, s. 1–24. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 22–24, Abstr.. — Publikacja dostępna online od: 2019-05-16. — tekst: https://www.mdpi.com/2076-3417/9/10/2022/pdf

    orcid iD
  • keywords: morphometry, pathology, epidermis, border irregularity, feature detection, skin, image analysis

    cyfrowy identyfikator dokumentu: 10.3390/app9102022

2
  • Acral melanocytic lesion segmentation with a convolution neural network (U-Net) / Joanna JAWOREK-KORJAKOWSKA // W: Medical imaging 2019 [Dokument elektroniczny] : computer-aided diagnosis : 16–21 February 2019, San Diego, United States / eds. Kensaku Mori, Horst K. Hahn. — Wersja do Windows. — Dane tekstowe. — [Bellingham] : SPIE, cop. 2019. — (Proceedings of SPIE / The International Society for Optical Engineering ; ISSN 0277-786X ; vol. 10950). — ISBN na podstawie bazy Web of Science. — ISBN: 978-1-5106-2548-8. — S. 109504B-1–109504B-7. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 109504B-6–109504B-7, Abstr.. — tekst: https://www-1spiedigitallibrary-1org-19ixtjqvm00d2.wbg2.bg.agh.edu.pl/proceedings/Download?fullDOI=10.1117%2F12.2512804

    orcid iD
  • keywords: skin cancer, segmentation, deep learning, acral melanoma, U-Net architecture

    cyfrowy identyfikator dokumentu: 10.1117/12.2512804

3
  • Break the curse of small datasets in computer vision tasks with transfer learning methods / Joanna JAWOREK-KORJAKOWSKA, Andrzej BRODZICKI, Dariusz KUCHARSKI, Michał PIEKARSKI, Marek GORGOŃ // W: PP-RAI'2019 [Dokument elektroniczny] : Polskie Porozumienie na rzecz Rozwoju Sztucznej Inteligencji : 16–18.10.2019, Wrocław : conference proceedings. — Wersja do Windows. — Dane tekstowe. — [Wrocław : Faculty of Electronics. Wroclaw University of Science and Technology], cop. 2019. — e-ISBN: 978-83-943803-2-8. — S. [146–149]. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. [149], Abstr.. — M. Piekarski – dod. afiliacja: Jagiellonian University. — tekst: http://pp-rai.pwr.edu.pl/PPRAI19_proceedings.pdf

    orcid iD
  • keywords: anomaly detection, signal processing, deep neural networks, transfer learning, image analysis

    cyfrowy identyfikator dokumentu:

4
  • Melanoma thickness prediction based on convolutional neural network with VGG-19 model transfer learning / Joanna JAWOREK-KORJAKOWSKA, Paweł KŁECZEK, Marek GORGOŃ // W: CVPR 2019 [Dokument elektroniczny] : 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition : 16–20 June 2019, Long Beach, California : proceedings. — Wersja do Windows. — Dane teksowe. — Piscataway : IEEE, cop. 2019. — (Proceedings (IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Online) ; ISSN 2575-7075). — e-ISBN: 978-1-7281-3293-8. — S. 2748–2756. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 2755–2756, Abstr.. — tekst: https://ieeexplore-1ieee-1org-10000479o007d.wbg2.bg.agh.edu.pl/stamp/stamp.jsp?tp=&arnumber=9025570

    orcid iD
  • brak zdefiniowanych słów kluczowych

    cyfrowy identyfikator dokumentu: 10.1109/CVPRW.2019.00333