Bidur Khanal

Cette étude examine comment améliorer la classification d'images médicales malgré les erreurs d'étiquetage.

La recherche évalue des techniques auto-supervisées pour améliorer la robustesse face aux labels bruyants dans l'imagerie médicale.

Une nouvelle méthode améliore la classification malgré des étiquettes bruyantes et des ensembles de données déséquilibrés.

DINOv2 offre des résultats prometteurs pour imager l'oreillette gauche et améliorer les soins cardiaques.