Wykaz publikacji wybranego autora

Andrzej Brodzicki, mgr inż.

asystent

Faculty of Electrical Engineering, Automatics, Computer Science and Biomedical Engineering
WEAIiIB-kair


  • 2023

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


  • 2021

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


  • 2019

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


Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0001-7713-526X orcid iD

ResearcherID: brak

Scopus: 57220034345

PBN: 602ccec59543c7410626e3a6

System Informacyjny AGH (SkOs)





Liczba pozycji spełniających powyższe kryteria selekcji: 15, z ogólnej liczby 15 publikacji Autora


1
2
  • Automatic artifact removal from dermoscopic images / Kacper Kozaczko, Radosław Szpot, Andrzej BRODZICKI, Anna WÓJCICKA // W: Advanced, contemporary control : proceedings of the XXI Polish Control Conference, Gliwice, Poland, 2023, Vol. 2 / eds. Marek Pawelczyk, [et al.]. — Cham : Springer Nature Switzerland, cop. 2023. — (Lecture Notes in Networks and Systems ; ISSN 2367-3370 ; LNNS 709). — ISBN: 978-3-031-35172-3 ; e-ISBN: 978-3-031-35173-0. — S. 193–202. — Bibliogr., Abstr.. — Publikacja dostępna online od: 2023-06-14

    orcid iD
  • brak zdefiniowanych słów kluczowych

    cyfrowy identyfikator dokumentu: 10.1007/978-3-031-35173-0_19

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
5
  • Deep neural network interpretability methods for supervised and unsupervised problems / Andrzej BRODZICKI, Dariusz KUCHARSKI, Michał PIEKARSKI, Aleksander KOSTUCH, Joanna JAWOREK-KORJAKOWSKA // W: PP-RAI'2022 [Dokument elektroniczny] : proceedings of the 3rd Polish conference on Artificial intelligence : April 25–27, 2022, Gdynia, Poland. — Wersja do Windows. — Dane tekstowe. — Gdynia : Gdynia Maritime University, 2022. — e-ISBN: 978-83-7421-401-8. — S. 25–28. — Wymagania systemowe: Adobe Reader. — Tryb dostępu: https://wydawnictwo.umg.edu.pl/pp-rai2022/pdfs/ProceedingsPP-RAI2022.pdf [2022-04-27]. — Bibliogr. s. 28, Abstr.. — M. Piekarski – dod. afiliacja: SOLARIS National Synchrotron Radiation Centre, UJ, Krakow

    orcid iD
  • keywords: deep neural networks, unsupervised, explainability, interpretability, supervised

    cyfrowy identyfikator dokumentu:

6
  • Deep neural networks and advanced computer vision algorithms in the early diagnosis of skin diseases / Joanna JAWOREK-KORJAKOWSKA, Moi Hoon Yap, Debotosh Bhattacharjee, Paweł KŁECZEK, Andrzej BRODZICKI, Marek GORGOŃ // W: State of the art in neural networks and their applications, Vol. 2 / eds. Ayman S. El-Baz, Jasjit Suri. — UK : Academic Press, cop. 2023. — ISBN: 978-0-12-819872-8 ; e-ISBN: 978-0-12-819912-1. — S. 47-81. — Bibliogr. s. 74-81, Abstr.. — Publikacja dostępna online od: 2023-01-27

    orcid iD
  • keywords: skin cancer, skin lesion, melanoma, deep learning, malignant

    cyfrowy identyfikator dokumentu: 10.1016/B978-0-12-819872-8.00010-0

7
  • DFU-Ens: end-to-end diabetic foot ulcer segmentation framework with vision transformer based detection / Dariusz KUCHARSKI, Aleksander KOSTUCH, Filip NOWOROLNIK, Andrzej BRODZICKI, Joanna JAWOREK-KORJAKOWSKA // W: Diabetic foot ulcers grand challenge : third challenge, DFUC 2022 held in conjunction with MICCAI 2022 : Singapore, September 22, 2022 : proceedings / eds. Moi Hoon Yap, Connah Kendrick, Bill Cassidy. — Cham : Springer, cop. 2023. — (Lecture Notes in Computer Science ; ISSN 0302-9743 ; LNCS 13797). — ISBN: 978-3-031-26353-8 ; e-ISBN: 978-3-031-26354-5. — S. 101–112. — Bibliogr., Abstr.. — Publikacja dostępna online od: 2023-02-12

    orcid iD
  • keywords: detection, segmentation, U-Net, YOLO, DFU, diabetic foot, DETR

    cyfrowy identyfikator dokumentu: 10.1007/978-3-031-26354-5_9

8
  • Interpretability of a deep learning based approach for the classification of skin lesions into main anatomic body sites / Joanna JAWOREK-KORJAKOWSKA, Andrzej BRODZICKI, Bill Cassidy, Connah Kendrick, Moi Hoon Yap // Cancers [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 2072-6694. — 2021 vol. 13 iss. 23 art. no. 6048, s. 1–14. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 13–14, Abstr.. — Publikacja dostępna online od: 2021-12-01. — tekst: https://www.mdpi.com/2072-6694/13/23/6048/pdf

    orcid iD
  • keywords: skin cancer, deep learning, convolutional neural networks, transfer learning, malignant melanoma, dermoscopy images

    cyfrowy identyfikator dokumentu: 10.3390/cancers13236048

9
  • Pre-trained deep convolutional neural network for clostridioides difficile bacteria cytotoxicity classification based on fluorescence images / Andrzej BRODZICKI, Joanna JAWOREK-KORJAKOWSKA, Paweł KŁECZEK, Megan Garland, Matthew Bogyo // Sensors [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 1424-8220. — 2020 vol. 20 iss. 23 art. no. 6713, s. 1–17. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 15–17, Abstr.. — Publikacja dostępna online od: 2020-11-24. — tekst: https://www.mdpi.com/1424-8220/20/23/6713

    orcid iD
  • keywords: classification, convolutional neural networks, deep neural networks, transfer learning, image analysis, clostridioides difficile, fluorescence images

    cyfrowy identyfikator dokumentu: 10.3390/s20236713

10
  • Skin_Hair Dataset: setting the benchmark for effective hair inpainting methods for improving the image quality of dermoscopic images / Joanna JAWOREK-KORJAKOWSKA, Anna WÓJCICKA, Dariusz KUCHARSKI, Andrzej BRODZICKI, Connah Kendrick, Bill Cassidy, Moi Hoon Yap // W: Computer Vision – ECCV 2022 workshops : 17th European conference : Tel Aviv, Israel, October 23–27, 2022 : proceedings, Pt. 4 / eds.  Leonid Karlinsky, Tomer Michaeli, Ko Nishino. — Cham, Switzerland : Springer Nature Switzerland AG, cop. 2022. — (Lecture Notes in Computer Science ; ISSN 0302-9743 ; LNCS 13804). — ISBN: 978-3-031-25068-2 ; e-ISBN: 978-3-031-25069-9. — S. 167–184. — Bibliogr., Abstr.. — Publikacja dostępna online od: 2023-02-14. — J. Jaworek-Korjakowska - dod. afiliacja: Stanford School of Medicine, USA

    orcid iD
  • keywords: GaN, dermoscopy, hair removal, melanoma, artifacts, image quality, hair inpainting

    cyfrowy identyfikator dokumentu: 10.1007/978-3-031-25069-9_12

11
12
13
14
15
  • Wykorzystanie technik sztucznych sieci neuronowych do predykcji wybranych parametrów jako uzupełnienia zbioru danych wejściowych w konstrukcji modeli parametrycznych 3DThe use of artificial neural network techniques to predict selected parameters as a supplement to the input data set in the construction of 3D parametric models / Weronika Kaczmarczyk, Andrzej BRODZICKI // Nafta Gaz / Instytut Górnictwa Naftowego i Gazownictwa, Instytut Technologii Nafty, Stowarzyszenie Inżynierów i Techników Przemysłu Naftowego i Gazowniczego ; ISSN 0867-8871. — 2021 R. 77 nr 7, s. 429–445. — Bibliogr. s. 444–445, Streszcz., Abstr.. — A. Brodzicki – afiliacja: Akademia Górniczo-Hutnicza. — tekst: https://www.inig.pl/magazyn/nafta-gaz/Nafta-Gaz_2021-07_2.pdf

    orcid iD
  • słowa kluczowe: sieci neuronowe, predykcja 1D, estymacja parametryczna, charakterystyka złoża węglowodorów, modelowanie 3D

    keywords: 3D modelling, artificial neural network, 1D prediction, parametrical estimation, hydrocarbon reservoir characterization

    cyfrowy identyfikator dokumentu: 10.18668/NG.2021.07.02