Ulas Bagci

Este trabajo mejora la segmentación de imágenes de fondo de retina a través de métodos de reducción de ruido.

Un desafío busca mejorar el delineado de tumores en escaneos del cerebro para una mejor planificación del tratamiento.

Los modelos Mamba mejoran la precisión y eficiencia en la interpretación de imágenes médicas.

Las innovaciones en aprendizaje profundo mejoran la precisión en la imagenología médica para mejores resultados en salud.

Nuevo modelo mejora la precisión en la imagen y segmentación de la cirrosis hepática.

PolypDB mejora la precisión de la colonoscopia al ofrecer un conjunto de datos diverso para detectar pólipos.

FANetv2 mejora la detección de pólipos en imágenes de colonoscopia para mejores resultados en el tratamiento.

Investigadores desarrollan un enfoque de doble modelo para detectar tumores cerebrales en niños.

Un nuevo enfoque para evaluar los crecimientos pancreáticos mientras se protege la privacidad del paciente.

Nuevo método mejora la clasificación de lesiones en la piel mientras protege los datos del paciente.

PEP-Net mejora la predicción de las tasas de supervivencia para pacientes con embolia pulmonar.

Un nuevo marco mejora el análisis de imágenes médicas usando datos etiquetados y no etiquetados.