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

Nuevos métodos mejoran la calidad de imagen en microscopía de fluorescencia a través de técnicas avanzadas de reducción de ruido.

Un nuevo método mejora las resonancias magnéticas, aumentando la precisión diagnóstica y el cuidado del paciente.

Una nueva técnica mejora la precisión del análisis de imágenes médicas al eliminar marcadores artificiales.

Este estudio examina errores en métodos de imágenes holográficas para mejorar la detección de minas terrestres.

Un nuevo método de resonancia magnética mejora la claridad de las imágenes y la comodidad durante los escaneos.

Un nuevo método mejora la segmentación de infecciones por Covid-19 usando imágenes de TC.

Nuevos métodos mejoran imágenes con poca luz con requisitos mínimos de datos.

ACAT mejora la precisión en la imagenología médica utilizando mapas de saliencia innovadores.

Los investigadores mejoran la claridad de las imágenes de microscopía usando técnicas modernas de reducción de ruido.

Un nuevo método mejora los datos sintéticos de DIC usando aprendizaje automático y principios de la física.

Un nuevo método mejora el rendimiento de la demosaicing de imágenes con modelos más pequeños.

Nuevos métodos ayudan a los hospitales a diagnosticar COVID-19 mientras protegen la privacidad de los pacientes.

Nuevos métodos mejoran la calidad de imagen en PET y reducen el tiempo de escaneo.

fRegGAN mejora la traducción de imágenes médicas al centrarse en el contenido de frecuencia y el desalineamiento.

Mejorando la calidad de imágenes hiperespectrales a través de redes neuronales operativas innovadoras.

Nuevo método mejora la precisión en la segmentación de imágenes médicas.

R-SIP mejora la calidad de las imágenes EIT usando una mezcla de IA y métodos tradicionales.

Nuevo modelo transforma sonidos en imágenes claras, uniendo información audiovisual.

KD-DLGAN mejora la calidad de generación de imágenes usando destilación de conocimiento.

Revisando el papel de la IA en mejorar la histopatología y el diagnóstico del cáncer de ovario.

AETNet ofrece una detección de anomalías eficiente en imágenes hiperespectrales con mínimas ajustadas necesarias.

Mejorando la precisión en la terapia de radiación a través de técnicas avanzadas de entrenamiento de modelos.

Este estudio evalúa las GANs frente a las CNNs en la segmentación de órganos a partir de escaneos CT.

Nuevas técnicas ayudan a identificar condiciones de los senos paranasales para mejorar la atención al paciente.

Un nuevo método mejora la detección de cambios en imágenes de satélite usando redes neuronales.

Tres métodos para mejorar el diagnóstico del cáncer de próstata usando datos combinados.

Los investigadores están mejorando los métodos para usar ADN para almacenar información digital.

Un método para mejorar la precisión en el reconocimiento de objetos en videos usando técnicas avanzadas de procesamiento.

Un nuevo enfoque mejora las imágenes PET mientras protege los datos del paciente.

El preentrenamiento en video mejora el rendimiento de modelos 3D en tareas de imagen médica.

Una nueva capa para mejor flexibilidad en el procesamiento de imágenes y control del usuario.

Este estudio investiga la fiabilidad de las resonancias magnéticas para predecir el estado de MGMT en el glioblastoma.

Nuevos métodos mejoran la claridad y precisión de la imagen holográfica a través de la aleatoriedad y el aprendizaje profundo.

Nuevas técnicas mejoran la segmentación de tumores en imágenes médicas usando datos de entrenamiento diversos.

Un nuevo método mejora la claridad de imágenes de baja resolución usando técnicas innovadoras.

Los métodos de aprendizaje profundo transforman la eliminación de ruido en imágenes, mejorando la claridad y la calidad.

El estudio evalúa modelos de aprendizaje profundo para mejorar la calidad de imagen de cDTI.

MESAHA-Net mejora la segmentación de nódulos pulmonares para un mejor diagnóstico de cáncer.

Un nuevo enfoque mejora la segmentación de imágenes usando modelado binario independiente.

Un nuevo método mejora la imagen de nanomateriales delicados mientras reduce el daño.