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

Des façons innovantes de gérer les données visuelles tout en protégeant l'environnement.

Combiner des images IRM et échographiques augmente la précision de la chirurgie des tumeurs cérébrales.

De nouvelles méthodes améliorent la transmission d'images pour les véhicules sous-marins.

Une nouvelle combinaison d'images et d'histoires de patients améliore la précision de détection des maladies de la peau.

MFliNet améliore l'imagerie de la durée de vie de la fluorescence pour des insights plus précis en biologie et en médecine.

Apprends comment les scientifiques identifient les gaz nocifs dans l'air en utilisant des méthodes d'imagerie avancées.

De nouvelles techniques améliorent le suivi de la fréquence cardiaque en utilisant des vidéos sans capteurs.

Découvrez comment MambaIRv2 améliore les processus de restauration d'images grâce à des techniques innovantes.

HAI-DEF propose des outils pour simplifier le développement de l'IA pour les applications de santé.

Un nouveau jeu de données et un modèle visent à améliorer la génération d'images médicales pour les applications d'IA.

Un nouvel outil vise à détecter de faux motifs dans les images d'histologie virtuelle.

Des chercheurs ont développé une méthode pour que les drones améliorent leur précision de localisation en utilisant l'imagerie 3D.

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

MulModSeg simplifie la segmentation d'images médicales pour un meilleur diagnostic et traitement.

MotionPrompt améliore la création de vidéos, en garantissant un mouvement fluide et constant.

Faire avancer la traduction d'images médicales pour de meilleurs diagnostics et un meilleur soin des patients.

De nouvelles méthodes améliorent l'imagerie hyperspectrale pour diverses applications concrètes.

La technologie IA améliore l'identification des tumeurs cérébrales grâce à une analyse avancée des IRM.

Une nouvelle méthode améliore la précision de la détection des maladies cardiaques pour un meilleur soin des patients.

Découvrez comment M3-CVC améliore la compression vidéo sans perdre en qualité.

La recherche améliore la segmentation des vaisseaux hépatiques pour aider les chirurgiens dans les opérations de cancer.

De nouvelles méthodes améliorent la précision de l'imagerie du cancer du sein et la planification du traitement.

SEMU-Net améliore la fabrication de dispositifs photoniques en silicium intégrés.

U-WNO améliore les images d'ultrasons pour de meilleures décisions de santé.

FGPS propose des solutions innovantes pour corriger efficacement les images floues.

Utiliser des GAN pour numériser des partitions manuscrites fragiles afin de les rendre plus accessibles.

De nouvelles méthodes améliorent l'analyse d'images pour la classification des maladies cardiaques.

UltraSam améliore l'analyse d'images d'échographie en utilisant le vaste dataset US-43d.

Une nouvelle méthode améliore le diagnostic et le traitement du flux sanguin dans le cerveau.

Apprends à protéger tes images en utilisant des techniques de chiffrement avancées.

Cet article parle du rôle de l'apprentissage automatique dans le diagnostic des tumeurs cérébrales en utilisant la technologie IRM.

TAFM-Net améliore l'analyse des lésions cutanées pour une détection du cancer plus rapide.

Une nouvelle approche améliore la précision de la segmentation dans les images de pathologie rénale.

Découvre comment les modèles de diffusion créent des visuels de ouf à partir de bruit aléatoire.

Apprends à propos de la segmentation d'image, ses techniques, et l'importance de l'incertitude dans l'analyse.

Le modèle VDMini booste la vitesse de génération des vidéos sans sacrifier la qualité.

La recherche repousse les limites de l'imagerie sans lentille pour des images plus nettes.

PEP-Net améliore la prédiction des taux de survie pour les patients ayant une embolie pulmonaire.

Transformer des images floues en visuels nets grâce à une technologie innovante.

Des chercheurs ont créé une méthode pour distinguer les vraies images de celles générées par l'IA.