Ingeniería Eléctrica y Ciencia de Sistemas - Procesado de imagen y vídeo

CoVScreen mejora el diagnóstico de COVID-19 usando radiografías de tórax y técnicas de aprendizaje profundo.

Nuevo conjunto de datos y sistema de detección mejoran la eficiencia en la cosecha de frutas para los agricultores.

Un método de IA mejora las predicciones de dosis de radioterapia al estimar la incertidumbre.

El BraTS Challenge lleva los límites en la segmentación automatizada de meningiomas usando deep learning.

Este estudio examina el potencial de la IA para clasificar subtipos de cáncer de ovario.

Los participantes se enfrentan a la restauración de imágenes degradadas en un ambiente competitivo.

Un enfoque nuevo para la eliminación de ruido en imágenes usando técnicas de aprendizaje auto-supervisado.

Un método para convertir imágenes y mejorar la precisión del color.

Explorando cómo los robots pueden entender y explicar mejor las conversaciones con la gente.

Esta investigación se centra en mejorar la segmentación de tumores cerebrales con un nuevo enfoque de modelo.

Nuevas técnicas mejoran la reconstrucción de imágenes a partir de datos limitados.

Un desafío global resalta el aprendizaje federado para la clasificación de la densidad mamaria.

Un nuevo modelo ayuda a analizar las imágenes médicas del COVID-19.

Nuevo método mejora la calidad de imagen del TC cardíaco desde ángulos limitados.

Una mirada a AIMC y DIMC para tareas de aprendizaje automático.

Descubre las últimas tendencias en el procesamiento de datos visuales y codificación.

Un nuevo método para la compresión de video eficiente que mejora la calidad y reduce el tamaño del archivo.

Un enfoque novedoso para mejorar imágenes de baja resolución usando métodos estocásticos.

Un desafío enfocado en modelos generativos profundos para la generación de imágenes médicas realistas.

Usando sensores remotos para mejorar la estimación de biomasa forestal en China.

Un estudio sobre el rendimiento de los modelos de difusión frente a los GANs para mejorar la calidad de imagen.

Un nuevo marco mejora la detección de fallos en trenes usando técnicas avanzadas de aprendizaje profundo.

UniCompress mejora el almacenamiento y la transmisión de imágenes médicas con técnicas avanzadas de IA.

VERT mejora la imagenología por ultrasonido en áreas complejas, aumentando la claridad y precisión.

Un método para cuantificar la incertidumbre en la imagenología médica para mejorar el diagnóstico.

Un enfoque nuevo mejora la precisión en el diagnóstico del cáncer de vejiga.

EyeMoS mejora la detección de enfermedades oculares a través del aprendizaje multimodal y la estimación de incertidumbre.

Un nuevo método mejora la fusión de imágenes hiperespectrales y multispectrales.

CV-VAE mejora la eficiencia y calidad de generación de videos en los modelos existentes.

Nuevos métodos de procesamiento mejoran el QIS para imágenes en tiempo real.

Nueva técnica de CCSO mejora la eficiencia de codificación de video y la calidad visual.

Nuevos métodos mejoran el descubrimiento de biomarcadores predictivos a partir de imágenes médicas.

Un nuevo método mejora las predicciones para pacientes con cáncer de pulmón que enfrentan riesgo de recaída.

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

La destilación de conocimiento mejora la precisión de la segmentación en imágenes médicas con datos limitados.

Una mirada a nuevos métodos para la reconstrucción de imágenes en imágenes médicas.

Un nuevo marco busca mejorar la precisión y eficiencia en el análisis de imágenes médicas.

El desafío ULS23 tiene como objetivo mejorar la segmentación de tumores en escáneres CT para una mejor atención del cáncer.

Un conjunto de datos completo para mejorar la estimación de biomasa y apoyar la investigación climática.

Entender los modelos de deep learning mejora la confianza en los diagnósticos de imágenes médicas.