Your browser doesn't support javascript.
loading
Predicting walking-to-work using street-level imagery and deep learning in seven Canadian cities.
Doiron, Dany; Setton, Eleanor M; Brook, Jeffrey R; Kestens, Yan; McCormack, Gavin R; Winters, Meghan; Shooshtari, Mahdi; Azami, Sajjad; Fuller, Daniel.
Afiliación
  • Doiron D; Respiratory Epidemiology and Clinical Research Unit, Research Institute of the McGill University Health Centre, Montréal, QC, Canada. dany.doiron@mail.mcgill.ca.
  • Setton EM; Geography Department, University of Victoria, Victoria, BC, Canada.
  • Brook JR; Department of Chemical Engineering and Applied Chemistry, Dalla Lana School of Public Health, University of Toronto, Toronto, ON, Canada.
  • Kestens Y; Centre de Recherche en Santé Publique, École de santé publique de l'Université de Montréal, Montréal, QC, Canada.
  • McCormack GR; Department of Community Health Sciences, Cumming School of Medicine, University of Calgary, Calgary, AB, Canada.
  • Winters M; Faculty of Health Sciences, Simon Fraser University, Burnaby, BC, Canada.
  • Shooshtari M; Geography Department, University of Victoria, Victoria, BC, Canada.
  • Azami S; Department of Computer Science, University of Victoria, Victoria, BC, Canada.
  • Fuller D; School of Human Kinetics and Recreation, Memorial University of Newfoundland, St. John's, NL, Canada.
Sci Rep ; 12(1): 18380, 2022 11 01.
Article en En | MEDLINE | ID: mdl-36319661
Asunto(s)
Texto completo
Añadir a Mi BVS
Imprimir
XML
PubMed Links
Buscar en Google

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Asunto principal: Planificación Ambiental / Aprendizaje Profundo Tipo de estudio: Prognostic_studies / Risk_factors_studies Límite: Humans País/Región como asunto: America do norte Idioma: En Revista: Sci Rep Año: 2022 Tipo del documento: Article País de afiliación: Canadá Pais de publicación: Reino Unido
Texto completo
Añadir a Mi BVS
Imprimir
XML
PubMed Links
Buscar en Google

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Asunto principal: Planificación Ambiental / Aprendizaje Profundo Tipo de estudio: Prognostic_studies / Risk_factors_studies Límite: Humans País/Región como asunto: America do norte Idioma: En Revista: Sci Rep Año: 2022 Tipo del documento: Article País de afiliación: Canadá Pais de publicación: Reino Unido