Últimos artículos para Imágenes médicas

Este estudio evalúa la efectividad de los métodos XAI en imágenes médicas.

Nuevo marco mejora el diagnóstico de fibrosis hepática a través del análisis de imágenes en múltiples vistas.

Este estudio muestra cómo la poda puede acelerar la segmentación de pólipos en imágenes médicas.

Nuevos métodos mejoran la simulación de materiales electromagnéticos dinámicos y sus aplicaciones.

Mejorando la calidad de imagen a través de estrategias innovadoras de redes neuronales.

Un nuevo modelo mejora la detección de fracturas en las costillas usando distintas anotaciones de datos.

Los soportes de muestras robóticos mejoran la calidad de imagen de la TC por rayos X y reducen el tiempo de escaneo.

Los investigadores mejoran la precisión de la segmentación de tumores usando un modelo Segment Anything modificado.

Un nuevo método acelera las exploraciones de resonancia magnética sin perder calidad de imagen.

Un nuevo método mejora la precisión en el procesamiento de imágenes médicas.

Una nueva G-CNN mejora el análisis y la precisión de imágenes médicas en 3D.

Nuevos métodos mejoran la precisión en la imagenología médica utilizando aprendizaje profundo y fantasmas que imitan tejidos.

Nuevos métodos mejoran la precisión en el análisis de radiografías de tórax usando datos de TC.

Nuevos métodos mejoran la precisión en la alineación de nubes de puntos médicos a lo largo del tiempo.

Enfoques innovadores abordan problemas inversos utilizando técnicas basadas en aprendizaje y redes invertibles.

Un nuevo método mejora la clasificación de imágenes médicas mientras protege los datos del paciente.

LegoNet mejora la segmentación de imágenes en escaneos médicos usando técnicas innovadoras de bloques de construcción.

ViG-UNet combina redes neuronales de grafo y U-Net para mejorar el análisis de imágenes médicas.

Examinando teoremas de regularidad y su importancia en superficies mínimas y flujos de curvatura media.

Un nuevo enfoque para entrenar modelos que manejen mejor las imágenes médicas ocluidas.

Un nuevo estudio muestra que los datos genéticos mejoran la predicción de riesgos de agrandamiento aórtico.

Un nuevo método mejora el diagnóstico del cáncer usando imágenes de diapositivas completas y técnicas avanzadas de aprendizaje.

Descubre un nuevo método para mejorar la imagenología por ultrasonido en diagnósticos médicos.

Un nuevo método de deformación de malla profunda mejora la precisión en la segmentación de órganos abdominales.

Nuevo marco mejora la calidad de imagen PET y la medición de incertidumbre.

Explorando cómo el significado mejora los métodos de comunicación.

Explorando los beneficios de la matriz T policromática para el análisis de interacción de la luz.

Un nuevo método mejora la precisión de la segmentación del hipocampo para mejores resultados en el tratamiento.

Este artículo examina los desafíos en la morfología matemática para imágenes con valores vectoriales.

Un nuevo enfoque mejora la clasificación de núcleos en imágenes médicas usando aprendizaje auto-supervisado.

Un nuevo enfoque mejora la segmentación de imágenes médicas usando datos no anotados.

Combinando la tecnología cuántica y JPEG para mejorar el almacenamiento y la compartición de imágenes.

Un nuevo diseño de bobina mejora la eficiencia y flexibilidad de la RM.

Un estudio examina la precisión de ChatGPT en el diagnóstico de casos complejos de neurorradiología.

LDMRes-Net ofrece un método ligero para una segmentación precisa de imágenes retinianas.

Un nuevo método mejora la detección del área de la articulación de la rodilla en radiografías médicas.

Las investigaciones muestran que una ventana optimizada mejora la precisión en los diagnósticos de radiografías de pecho.

Este estudio evalúa métodos de aprendizaje de pocos ejemplos en la clasificación de imágenes médicas.

Combinar el aprendizaje federado con la privacidad diferencial mejora la clasificación de imágenes médicas y asegura la seguridad de los datos de los pacientes.

Un nuevo conjunto de datos que ofrece imágenes de CT experimentales reales para investigación en machine learning.