Wykaz publikacji wybranego autora

Paweł Russek, dr hab. inż., prof. AGH

profesor nadzwyczajny

Wydział Informatyki, Elektroniki i Telekomunikacji
WIEiT-ke, Instytut Elektroniki


  • 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 / informatyka techniczna i telekomunikacja (50%)


[poprzednia klasyfikacja] obszar nauk technicznych / dziedzina nauk technicznych / elektronika


Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0003-3858-4278 orcid iD

ResearcherID: brak

Scopus: 24451323300

PBN: 5e70922c878c28a0473911d4

OPI Nauka Polska

System Informacyjny AGH (SkOs)




1
2
  • Advances in the system for the automatic dogs’ skin cancer detection / Rafał FRĄCZEK, Michał KARWATOWSKI, Jakub GRZESZCZYK, Jakub CAPUTA, Piotr PINDEL, Daria ŁUKASIK, Maciej WIELGOSZ, Paweł RUSSEK, Agnieszka DĄBROWSKA-BORUCH, Ernest JAMRO, Marcin PIETROŃ, Sebastian KORYCIAK, Kazimierz WIATR // W: KU KDM 2023 [Dokument elektroniczny] : fifteenth ACC Cyfronet AGH HPC users’ conference : Zakopane, 19–21 April 2023 : proceedings / eds. Kazimierz Wiatr, Jacek Kitowski, Marian Bubak. — Wersja do Windows. — Dane tekstowe. — Kraków : Academic Computer Centre Cyfronet AGH, [2023]. — e-ISBN: 978-83-61433-37-8. — S. 31–32. — Wymagania systemowe: Adobe Reader. — Tryb dostępu: https://www.cyfronet.pl/zalacznik/9789 [2024-01-13]. — Bibliogr. s. 32. — R. Frączek, M. Karwatowski, M. Wielgosz, P. Russek, A. Dąbrowska-Boruch, E. Jamro, M. Pietroń, S. Koryciak, K. Wiatr – dod. afiliacja: ACC Cyfronet AGH, Kraków

    orcid iD
  • keywords: cancer, deep learning, cytology, skin, images, annotation

    cyfrowy identyfikator dokumentu:

3
4
5
6
7
8
9
10
  • Data-driven precision determination of the material budget in ALICE / S. Acharya, [et al.], B. BALIŚ, [et al.], M. GORGOŃ, [et al.], A. HORZYK, [et al.], M. JABŁOŃSKI, [et al.], J. P. KITOWSKI, [et al.], S. D. KORYCIAK, [et al.], T. M. LELEK, [et al.], R. W. MARCJAN, [et al.], P. G. RUSSEK, [et al.] // Journal of Instrumentation [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 1748-0221. — 2023 vol. 18 no. 11 art. no. P11032, s. [1–2], 1–25. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 15–17, Abstr.. — Publikacja dostępna online od: 2023-11-30. — tekst: https://iopscience.iop.org/article/10.1088/1748-0221/18/11/P11032/pdf

    orcid iD
  • keywords: particle tracking detectors, statistical methods, large detector systems for particle and astroparticle physics, interaction of radiation with matter, detector modelling and simulations I, interaction of photons with matter, interaction of hadrons with matter, analysis methods

    cyfrowy identyfikator dokumentu: 10.1088/1748-0221/18/11/P11032

11
12
13
14
15
16
17
18
19
20
21
22
23
  • Improving hip dysplasia diagnosis in dogs through augmented 3D video simulation / Krystian STRZAŁKA, Szymon MAZUREK, Maciej WIELGOSZ, Jakub CAPUTA, Rafał FRĄCZEK, Michał KARWATOWSKI, Jakub GRZESZCZYK, Jan KRUPIŃSKI, Daria ŁUKASIK, Anna Śmiech, Paweł RUSSEK, Agnieszka DĄBROWSKA-BORUCH, Ernest JAMRO, Marcin PIETROŃ, Sebastian KORYCIAK, Kazimierz WIATR // W: KU KDM 2023 [Dokument elektroniczny] : fifteenth ACC Cyfronet AGH HPC users’ conference : Zakopane, 19–21 April 2023 : proceedings / eds. Kazimierz Wiatr, Jacek Kitowski, Marian Bubak. — Wersja do Windows. — Dane tekstowe. — Kraków : Academic Computer Centre Cyfronet AGH, [2023]. — e-ISBN: 978-83-61433-37-8. — S. 45–47. — Wymagania systemowe: Adobe Reader. — Tryb dostępu: https://www.cyfronet.pl/zalacznik/9789 [2024-01-15]. — Bibliogr. s. 47. — M. Wielgosz, R. Frączek, M. Karwatowski, P. Russek, A. Dąbrowska-Boruch, E. Jamro, M. Pietroń, S. Koryciak, K. Wiatr – dod. afiliacja: ACC Cyfronet AGH

    orcid iD
  • keywords: deep learning, Graph Neural Networks, dog hip dysplasia, computational veterinary medicine

    cyfrowy identyfikator dokumentu:

24
25