Ulas Bagci

PrototypeLab verbessert die Polypenerkennung in Koloskopie-Bildern.

GastroVision bietet 8.000 endoskopische Bilder für eine bessere Erkennung von Magen-Darm-Erkrankungen an.

Eine neue Methode verbessert die medizinische Bildsegmentierung mit weniger gekennzeichneten Daten.

D-LKA Aufmerksamkeit verbessert die Genauigkeit und Effizienz der medizinischen Bildsegmentierung.

Ein neues Modell verbessert die medizinische Bildsegmentierung, indem es sich auf hochfrequente Details konzentriert.

Diese Arbeit verbessert die Segmentierung von Netzhautfundusbildern durch Rauschreduktionsmethoden.

Eine Herausforderung soll die Tumorkonturierung bei Gehirnscans verbessern, um die Behandlungsplanung zu optimieren.

Mamba-Modelle verbessern die Genauigkeit und Effizienz bei der Auswertung von medizinischen Bildern.

Innovationen im Deep Learning verbessern die Genauigkeit in der medizinischen Bildgebung für bessere Gesundheitsresultate.

Neues Modell verbessert die Bildgebung und Segmentierungsgenauigkeit bei Leberzirrhose.

PolypDB verbessert die Genauigkeit von Koloskopien, indem es einen vielfältigen Datensatz zur Erkennung von Polyps bietet.

FANetv2 verbessert die Polypenerkennung in Koloskopie-Bildern für bessere Behandlungsergebnisse.

Forscher haben einen Dual-Modell-Ansatz entwickelt, um Gehirntumoren bei Kindern zu erkennen.

Ein neuer Ansatz zur Bewertung von Bauchspeicheldrüsengeschwülsten, während die Privatsphäre der Patienten geschützt wird.

Neue Methode verbessert die Klassifikation von Hautläsionen und schützt dabei die Patientendaten.

PEP-Net verbessert die Vorhersage der Überlebensraten für Patienten mit Lungenembolie.

Ein neues Framework verbessert die medizinische Bildanalyse mit beschrifteten und unbeschrifteten Daten.