迪帕克·兰詹·纳亚克
人员信息
优化列表
2020年–今天
2024 [公元34年] 塔帕斯·库马尔·杜塔 , 迪帕克·兰詹·纳亚克 , 张宇东 :
ARM-Net:使用MR图像进行多类脑肿瘤分类的注意力引导的残留多尺度CNN。 生物识别。 信号处理。 控制。 87 ( A部分 ) : 105421 ( 2024 ) [公元33年] 迪班卡Das , 迪帕克·兰詹·纳亚克 , 苏拉塔·V·班达里 , U.Rajendra Acharya公司 :
CDAM-Net:基于双注意的多尺度CNN频道洗牌,使用眼底图像进行高效的青光眼检测。 工程应用。 Artif公司。 智力。 133 : 108454 ( 2024 ) [公元32年] 巴比塔 , 迪帕克·兰詹·纳亚克 :
RDTNet:一种用于乳腺癌分类的基于剩余可变形注意的变换网络。 专家系统。 申请。 249 : 123569 ( 2024 ) [公元31年] 迪班卡Das , 迪帕克·兰詹·纳亚克 , 拉姆·比拉斯·帕乔里 :
AES-Net:使用眼底图像进行多阶段青光眼分类的适配器和增强型自我注意引导网络。 图像可视性。 计算。 146 : 105042 ( 2024 ) 【j30】 帕拉比·夏尔马 , 迪帕克·兰詹·纳亚克 , 布尼尔·库马尔·巴拉班塔雷 , 穆罕默德·坦维尔 , 拉贾什里·纳亚克 :
通过卷积神经网络进行癌症检测的调查:当前的挑战和未来的方向。 神经网络 169 : 637-659 ( 2024 ) 2023 [公元29年] 希曼舒·加杰拉 , 迪帕克·兰詹·纳亚克 , 穆克什·扎维里 :
通过深度CNN特征对皮肤镜图像进行黑素瘤检测的综合分析。 生物识别。 信号处理。 控制。 79 ( 零件 ) : 104186 ( 2023 ) [公元28年] 希曼舒·加杰拉 , 迪帕克·兰詹·纳亚克 , 穆克什·扎维里 :
米 2 CE:多卷积神经网络集成方法,用于改进皮肤损伤的多类分类。 专家系统。 J.诺尔。 工程师。 40 ( 10 ) ( 2023 ) [公元27年] 迪班卡Das , 迪帕克·兰詹·纳亚克 , 拉姆·比拉斯·帕乔里 :
CA-Net:利用眼底图像进行多阶段青光眼分级的一种新型级联注意网络。 IEEE传输。 仪器。 测量。 72 : 1-10 ( 2023 ) [公元26年] 阿莫·曼诺·乔希(Amogh Manoj Joshi) , 迪帕克·兰詹·纳亚克 , Das公司 , 张玉东 :
LiMS-Net:通过胸部CT扫描检测新型冠状病毒肺炎的轻型多尺度有线电视新闻网。 ACM事务处理。 管理。 信息系统。 14 ( 1 ) : 5:1-5:17 ( 2023 ) [第13条] 迪班卡Das , 迪帕克·兰詹·纳亚克 :
GS-Net:全球自我关注引导CNN多阶段青光眼分类。 ICIP公司 2023 : 3454-3458 2022 [公元25年] 希曼舒·加杰拉 , 穆克什·扎维里 , 迪帕克·兰詹·纳亚克 :
用于皮肤癌自动分类的基于补丁的局部深度特征提取。 国际成像系统杂志。 Technol公司。 32 ( 5 ) : 1774-1788 ( 2022 ) [公元24年] Partha Pratim Sarangi公司 , 迪帕克·兰詹·纳亚克 , Madhumta熊猫 , 班什达尔·马吉 :
基于特征级融合的改进型多模式生物特征识别系统,使用耳朵和侧面人脸。 J.环境集成。 Humaniz公司。 计算。 13 ( 4 ) : 1867-1898 ( 2022 ) [公元23年] 阿莫·曼诺·乔希(Amogh Manoj Joshi) , 迪帕克·兰詹·纳亚克 :
MFL-Net:一种高效的轻型多尺度特征学习CNN,用于从CT图像中诊断新冠肺炎。 IEEE生物医学杂志。 健康信息学 26 ( 11 ) : 5355-5363 ( 2022 ) [第12条] 希曼舒·加杰拉 , 穆克什·扎维里 , 迪帕克·兰詹·纳亚克 :
探索皮肤镜图像中黑色素瘤有效诊断的深层特征。 OCIT公司 2022 : 146-151 [第11条] 希曼舒·加杰拉 , 迪帕克·兰詹·纳亚克 , 穆克什·扎维里 :
局部和全局特征表示与稀疏自动编码器的融合用于改进黑色素瘤分类。 欧洲工商管理委员会 2022 : 5051-5054 [c10] 塔帕斯·库马尔·杜塔 , 迪帕克·兰詹·纳亚克 :
CDANet:基于频道分割双注意的CNN,用于Mr图像中的脑肿瘤分类。 ICIP公司 2022 : 4208-4212 【c9】 斯内哈希斯·马吉 , 迪帕克·兰詹·纳亚克 , 拉特纳卡尔短跑 , Pankaj Kumar Sa公司 :
用于弱监督视频异常检测的具有最小最大秩损失的多级3DCNN。 图标(7) 2022 : 25-37 【c8】 阿莫·曼诺·乔希(Amogh Manoj Joshi) , 迪帕克·兰詹·纳亚克 :
GDenseMNet:用于CT图像中有效检测新冠肺炎的全局密集多尺度特征学习网络。 国际JCNN 2022 : 1-7 2021 [公元22年] 思源路 , 迪帕克·兰詹·纳亚克 , 王水华 , 张宇东 :
基于特征网和集成随机神经网络的脑微出血诊断方法。 申请。 软计算。 109 : 107567 ( 2021 ) [公元21年] Soumya Ranjan Nayak公司 , 迪帕克·兰詹·纳亚克 , 乌特卡什辛哈 , 瓦比哈夫·阿罗拉 , 拉姆·比拉斯·帕乔里 :
深度学习技术在使用胸部X射线图像检测新型冠状病毒肺炎病例中的应用:一项综合研究。 生物识别。 信号处理。 控制。 64 : 102365 ( 2021 ) [j20] 迪帕克·兰詹·纳亚克 , Dibyasundar Das公司 , 班什达尔·马吉 , 苏拉塔·V·班达里 , U.Rajendra Acharya公司 :
ECNet:利用眼底图像进行自动青光眼检测的进化卷积网络。 生物识别。 信号处理。 控制。 67 : 102559 ( 2021 ) [公元19年] 尼库尼娅·比哈里·卡尔 , 迪帕克·兰詹·纳亚克 , Korra Sathya巴布 , 张宇东 :
用于面部表情识别的混合特征描述符与Jaya优化的最小二乘支持向量机。 IET图像处理。 15 ( 7 ) : 1471-1483 ( 2021 ) [公元18年] 王水华 , 迪帕克·兰詹·纳亚克 , 大卫·S·古特利 , 张欣(Xin Zhang) , 张宇东 :
CCSHNet使用传递学习和判别相关分析进行深度融合的新冠肺炎分类。 信息融合 68 : 131-148 ( 2021 ) 【c7】 希曼舒·加杰拉 , 穆克什·扎维里 , 迪帕克·兰詹·纳亚克 :
使用深度CNN特征改进皮肤镜图像中黑色素瘤检测的性能。 AIME公司 2021 : 349-354 【c6】 斯内哈希斯·马吉 , 迪帕克·兰詹·纳亚克 :
特征调制双流深卷积神经网络在眼底图像青光眼检测中的应用。 CVIP(2) 2021 : 171-180 2020 [公元17年] 迪帕克·兰詹·纳亚克 , 拉特纳卡尔短跑 , 班什达尔·马吉 , 拉姆·比拉斯·帕乔里 , 张玉东 :
一种用于大脑异常和乳腺癌诊断的深层随机向量功能链接网络自动编码器。 生物识别。 信号处理。 控制。 58 : 101860 ( 2020 ) [公元16年] Dibyasundar Das公司 , 迪帕克·兰詹·纳亚克 , 拉特纳卡尔短跑 , 班什达尔·马吉 , 张宇东 :
H-WordNet:一种用于手写单词识别的整体卷积神经网络方法。 IET图像处理。 14 ( 9 ) : 1794-1805 ( 2020 ) [公元15年] 迪帕克·兰詹·纳亚克 , Dibyasundar Das公司 , 拉特纳卡尔短跑 , 斯内哈希斯·马吉 , 班什达尔·马吉 :
带漏泄校正线性单元的深度极值学习机,用于病理脑图像的多类分类。 Multim公司。 工具应用程序。 79 ( 21-22 ) : 15381-15396 ( 2020 ) [公元14年] Das公司 , 迪帕克·兰詹·纳亚克 , 拉特纳卡尔短跑 , 班什达尔·马吉 :
MJCN:用于手写光学字符识别的多目标Jaya卷积网络。 Multim公司。 工具应用程序。 79 ( 43-44 ) : 33023-33042 ( 2020 ) [j13] 迪帕克·兰詹·纳亚克 , 拉特纳卡尔短跑 , 班希达尔·马吉 :
使用MRI图像自动诊断多类大脑异常:基于深度卷积神经网络的方法。 模式识别。 莱特。 138 : 385-391 ( 2020 ) [公元12年] 迪帕克·兰詹·纳亚克 , 拉特纳卡尔短跑 , 张晓军 , 班什达尔·马吉 , 桑比特·巴克西 :
利用快速曲线熵特征自动诊断病理脑。 IEEE传输。 维持。 计算。 5 ( 三 ) : 416-427 ( 2020 )
2010 – 2019
2019 [公元11年] 迪帕克·兰詹·纳亚克 , 张玉东 , Dibyasundar Das公司 , Subinita熊猫 :
MJaya-ELM:一种基于变异和极端学习机器的Jaya算法,用于感音神经性耳聋检测。 申请。 软计算。 83 ( 2019 ) [公元10年] 迪帕克·兰詹·纳亚克 , 拉特纳卡短跑 , 班希达尔·马吉 , U.Rajendra Acharya公司 :
应用快速曲线Tsallis熵和核随机向量功能链接网络自动检测多类大脑异常。 计算。 医学成像图。 77 ( 2019 ) [公元9年] Dibyasundar Das公司 , 迪帕克·兰詹·纳亚克 , 拉特纳卡尔短跑 , 班什达尔·马吉 :
极限学习机的实证评估:在手写字符识别中的应用。 Multim公司。 工具应用程序。 78 ( 14 ) : 19495-19523 ( 2019 ) [i4] Dibyasundar Das公司 , 迪帕克·兰詹·纳亚克 , 拉特纳卡尔短跑 , 班什达尔·马吉 :
前向算法:对极限学习机的改进。 CoRR公司 abs/1907.10282 ( 2019 ) 2018 [j8] 迪帕克·兰詹·纳亚克 , 拉特纳卡短跑 , 班什达尔·马吉 , 王水华 :
将极值学习机与改进的正弦余弦算法相结合,用于病理脑的检测。 计算。 选举人。 工程师。 68 : 366-380 ( 2018 ) [j7] 迪帕克·兰詹·纳亚克 , 拉特纳卡尔短跑 , 班希达尔·马吉 :
离散涟漪-II变换和基于改进PSO的改进进化极限学习机用于病理性脑检测。 神经计算 282 : 232-247 ( 2018 ) [j6] 迪帕克·兰詹·纳亚克 , 拉特纳卡尔短跑 , 班什达尔·马吉 :
基于二维PCA和进化极限学习机的改进型病理脑检测系统。 医学系统杂志。 42 ( 1 ) : 19:1-19:15 ( 2018 ) [j5] 迪帕克·兰詹·纳亚克 , 拉特纳卡尔短跑 , 班希达尔·马吉 :
使用曲线特征和最小二乘支持向量机进行病理脑检测。 Multim公司。 工具应用程序。 77 ( 三 ) : 3833-3856 ( 2018 ) 【j4】 迪帕克·兰詹·纳亚克 , 拉特纳卡尔短跑 , 班什达尔·马吉 :
使用Jaya优化的改进极端学习机和正交涟漪-II变换开发病理性脑检测系统。 Multim公司。 工具应用程序。 77 ( 17 ) : 22705-22733 ( 2018 ) 【c5】 迪帕克·兰詹·纳亚克 , 拉特纳卡尔短跑 , 陆志海 , 思源路 , 班什达尔·马吉 :
SCA-RELM:一种基于正弦余弦算法的新型正则化极端学习机,用于自动检测病理性脑组织。 罗曼 2018 : 764-769 2017 [j3] 迪帕克·兰詹·纳亚克 , 拉特纳卡尔短跑 , 班什达尔·马吉 , 维詹德拉·普拉萨德 :
自动病理大脑检测系统:一种快速离散曲线变换和基于概率神经网络的方法。 专家系统。 申请。 88 : 152-164 ( 2017 ) 【c4】 迪帕克·兰詹·纳亚克 , 拉特纳卡尔短跑 , 班什达尔·马吉 :
使用改进鲸鱼优化算法训练的极端学习机器进行病理脑检测。 ICAPR公司 2017 : 1-6 2016 [注2] 迪帕克·兰詹·纳亚克 , 拉特纳卡尔短跑 , 班什达尔·马吉 :
使用二维离散小波变换和随机森林AdaBoost进行脑MR图像分类。 神经计算 177 : 188-197 ( 2016 ) [j1] 迪帕克·兰詹·纳亚克 , 拉特纳卡尔短跑 , 班什达尔·马吉 , 贾汉吉尔·穆罕默德 :
基于非线性细胞自动机的光学字符图像边缘检测。 模拟。 92 ( 9 ) : 849-859 ( 2016 ) 2015 【c3】 迪帕克·兰詹·纳亚克 , 拉特纳卡尔短跑 , 班什达尔·马吉 :
使用离散小波变换和随机森林对脑部MR图像进行分类。 新冠肺炎 2015 : 1-4 2014 [i3] 迪帕克·兰詹·纳亚克 , 苏米特·库马尔·萨胡 , 贾汉吉尔·穆罕默德 :
基于元胞自动机的基于25邻域模型的最佳边缘检测技术。 CoRR公司 腹肌/1402.1348 ( 2014 ) [i2] 迪帕克·兰詹·纳亚克 , 普拉珊塔·库马尔·帕特拉 , 阿米塔夫·马哈帕特拉 :
二维元胞自动机及其在图像处理中的应用综述。 CoRR公司 abs/1407.7626 ( 2014 ) 2013 [i1] 贾汉吉尔·穆罕默德 , 迪帕克·兰詹·纳亚克 :
一种高效的二维矩形元胞自动机边缘检测技术。 CoRR公司 abs/1312.6370 ( 2013 )
2000 – 2009
2009 【c2】 迪帕克·兰詹·纳亚克 :
数字通信信道中的盲径向基函数网络均衡器。 邮政特快专递 2009 : 219-224 2008 【c1】 迪帕克·兰詹·纳亚克 :
一种新的嵌入式生物特征认证系统架构。 邮政特快专递 2008 : 567-572