Génie électrique et science des systèmes - Traitement de l'image et de la vidéo

Les systèmes d'IA améliorent la précision du diagnostic en analysant les radiographies thoraciques.

Un aperçu de comment les nouvelles technologies de caméra améliorent l'imagerie en faible lumière et en mouvement rapide.

Une nouvelle méthode améliore l'évaluation du niveau d'oxygène dans les troubles du sommeil en utilisant l'OCTA.

Une nouvelle méthode améliore la précision du suivi alimentaire en utilisant des modèles 3D et des images 2D.

Cette étude examine la précision de la PPG dans l'estimation de la pression artérielle par rapport aux méthodes traditionnelles.

Une nouvelle méthode prédit les niveaux de dopamine grâce à des IRM, améliorant le suivi de la maladie de Parkinson.

ToNNO améliore la vitesse et la précision du marquage d'images médicales 3D.

Une nouvelle approche utilisant Triple U-Net améliore la segmentation des noyaux dans les images médicales.

De nouveaux outils améliorent notre façon d'évaluer et d'améliorer la qualité des images.

Le nouveau modèle Cut-FUNQUE prédit la qualité vidéo HDR après le tone mapping et la compression.

Un nouveau système améliore la détection des défauts dans les modules photovoltaïques grâce à l'IA.

R-Trans améliore l'évaluation en temps réel des compétences chirurgicales en utilisant des données cinématiques.

Un aperçu des méthodes pour évaluer les images générées par l'IA.

Un aperçu des méthodes modernes et de leur impact sur la santé.

Cette étude évalue des modèles d'apprentissage profond pour améliorer la classification des images médicales.

La détection compressée en temps réel améliore la transmission et le traitement des données dans les satellites miniaturisés.

L'apprentissage profond améliore les IRM, rendant les scans plus rapides et la qualité d'image meilleure pour un diagnostic plus précis.

De nouvelles techniques améliorent la détection des défauts dans les objets imprimés en 3D, garantissant la qualité.

Une nouvelle méthode améliore la précision en imagerie cardiaque en fusionnant différentes perspectives.

Les équipes relèvent le défi d'améliorer des images basse résolution en superbes 4K.

Une méthode rapide et efficace pour segmenter les couches rétiniennes en utilisant des images OCT.

Mamba-Ahnet améliore la segmentation des images médicales pour une détection précise des lésions.

EvaNet combine des images satellites et des données d'altitude pour une meilleure précision de la cartographie des inondations.

Nouveau modèle améliore la qualité des images satellites pour une meilleure analyse.

CSA-Net améliore la précision de segmentation pour les images médicales, boostant les capacités de diagnostic.

Un système analyse les images d'échocardiographie pour identifier rapidement les problèmes cardiaques.

DDPET-3D améliore les images PET à faible dose pour un meilleur diagnostic.

MMIST-ccRCC fournit des données complètes pour des soins personnalisés contre le cancer.

GroupedMixer améliore la vitesse et la qualité de compression des images grâce à des techniques innovantes.

Combiner des modèles améliore la précision de la classification des images hyperspectrales.

Un modèle améliore les prédictions de la réflexion de la lumière par le sol pour aider les études environnementales.

JOSENet améliore la détection en temps réel de la violence dans les vidéos de surveillance en utilisant des méthodes avancées.

De nouvelles méthodes améliorent la précision de l'imagerie EIT pour les applications médicales et industrielles.

De nouvelles méthodes améliorent la compression des textures pour l'efficacité et la qualité graphique.

SiSIFUS améliore la clarté des images en imagerie de durée de fluorescence pour les études biologiques.

Nouveau modèle améliore la classification des maladies en utilisant des images médicales étiquetées et non étiquetées limitées.

D-TrAttUnet améliore la précision de segmentation dans les tâches d'imagerie médicale.

Les données synthétiques offrent des solutions prometteuses aux problèmes d'imagerie médicale.

SegCLR améliore la segmentation des images oculaires en utilisant à la fois des données étiquetées et non étiquetées.

Un nouveau système hybride combine des méthodes optiques et électroniques pour une classification d'images efficace.