Amit Sethi

Une étude sur l'efficacité de différents modèles légers dans la classification d'images.

Une méthode pour améliorer la compréhension de la prise de décision des réseaux de neurones.

De nouvelles techniques améliorent la précision des tests HER2 pour le traitement du cancer du sein.

L'apprentissage par petits échantillons offre un nouvel espoir pour un diagnostic efficace des maladies en histopathologie.

WaveMixSR-V2 transforme les images basse résolution en sorties de haute qualité de manière efficace.

De nouvelles méthodes améliorent la précision des résumés vidéo tout en réduisant les coûts de calcul.

FLeNS améliore l'apprentissage fédéré en équilibrant la vitesse d'apprentissage et l'efficacité de la communication.

RL2 propose une méthode fiable pour évaluer la qualité des images médicales avec moins de ressources.

PathoGen-X combine des données d'imagerie et génomiques pour des prévisions de survie au cancer améliorées.

HistoROI améliore la classification des tissus en diagnostic médical avec des images de coupe entière.

Une approche de deep learning améliore la classification des sous-types de DLBCL pour un meilleur traitement.

Une nouvelle méthode améliore l'efficacité de l'analyse des images médicales pour la détection du cancer.

Une nouvelle approche améliore l'analyse des grandes images de tissus pour de meilleurs diagnostics.

Apprends comment l'inversion de réseau révèle le processus de décision des réseaux de neurones.

FLD+ améliore l'évaluation des images générées par ordinateur avec moins de mesures et plus précises.

Découvre comment une approche hybride améliore les modèles de machine learning avec des labels bruyants.