Corrigendum to “Towards an effective model for lung disease classification Using Dense Capsule Nets for early classification of lung diseases” Appl. Soft Comput. 124 (2022) 109077
0Citations signalées, ce qui n’est pas une note de qualité
6Institutions déclarées
3Pays d’affiliation déclarés
Rattachement africain : pk, gb, cy. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Corrigendum to “Towards an effective model for lung disease classification Using Dense Capsule Nets for early classification of lung diseases” Appl. Soft Comput. 124 (2022) 109077
- Date Crossref
- 01/01/2025
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
COMSATS University Islamabad pays non établi dans la noticeUniversité ou école supérieure
-
National University of Sciences and Technology pays non établi dans la noticeUniversité ou école supérieure
-
Shaheed Benazir Bhutto Women University Peshawar pays non établi dans la noticeUniversité ou école supérieure
-
University of Gujrat Department of Computer Science pays non établi dans la noticeUniversité ou école supérieure
-
University of Staffordshire pays non établi dans la noticeUniversité ou école supérieure
-
Near East University Research Centre for AI and IoT pays non établi dans la noticeUniversité ou école supérieure
-
Staffordshire University AI and Cybersecurity pays non établi dans la noticeUniversité ou école supérieure
COMSATS University Islamabad, National University of Sciences and Technology et Shaheed Benazir Bhutto Women University Peshawar, avec 4 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
COVID-19 diagnosis using AIMachine Learning in Healthcare