skip nav
e-spacio
UNED
Biblioteca
Portal revistas UNED
Search Entry
LOGIN
Inicio
Navegar
Cómo publicar
Preguntas Frecuentes
Search Results (All Fields:"time", Display Type:"Artículo de revista", Author:"Carmona, Enrique J.", isMemberOf:"bibliuned:Setopenaire")
Resultados de la Navegación (6)
RSS para este conjunto de resultados
Ordenar resultados por
Título
Descargas de ficheros
Fecha
Fecha de creación
Fecha actualización
Secuencia
Buscar por Relevancia
Asc
Desc
Mostrar resultados
Por defecto
RSS Feed
XML Feed
Fichero Excel
Solo citas
Vista Clásica
Vista galería de imágenes
Exportar a Endnote
HTML Code
Fichero Word
Resultados por página
1
5
10
25
50
100
150
300
500
1000
Refinar
Published Date
2021
(2)
Journal Name
Neural Computing and Applications
(2)
Neurocomputing
(2)
Keywords
Informática
(6)
Ingeniería Informática
(6)
Carmona, Enrique J.
y
Molina Casado, José M.
. (
2021
)
Simultaneous segmentation of the optic disc and fovea in retinal images using evolutionary algorithms
.
3.74
32
10
Folgado, Encarnación
,
Rincón, Mariano
,
Carmona, Enrique J.
y
Bachiller, Margarita
. (
2011
)
A block-based model for monitoring of human activity
.
3.16
40
14
Molina Casado, José M.
,
Carmona, Enrique J.
y
García Feijoó, Julián
. (
2017
)
Fast detection of the main anatomical structures in digital retinal images based on intra-and inter-structure relational knowledge
.
3.14
41
10
Martínez Río, Javier
,
Carmona, Enrique J.
,
Cancelas, Daniel
,
Novo, Jorge
y
Ortega, Marcos
. (
2021
)
Robust multimodal registration of fluorescein angiography and optical coherence tomography angiography images using evolutionary algorithms
.
2.66
36
7
Martínez Campos, Javier
,
Carmona, Enrique J.
,
Fernández Caballero, Antonio
y
López, María T:
. (
2009
)
Parametric improvement of lateral interaction in accumulative computation in motion-based segmentation
.
2.62
55
12
Martínez Río, Javier
,
Carmona, Enrique J.
,
Cancelas, Daniel
,
Novo, Jorge
y
Ortega, Marcos
. (
2023
)
Deformable registration of multimodal retinal images using a weakly supervised deep learning approach
.
2.62
43
8