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

Une méthode améliore la qualité d'image en s'attaquant ensemble au dématriçage et à la réduction de bruit.

SliQ améliore la détection de similarité en utilisant l'informatique quantique pour plus d'efficacité.

Cet article parle de combiner la réduction de bruit et l'interpolation pour des images plus claires.

Un nouveau cadre améliore la détection précoce des infections parasitaires avec peu de données.

Ce travail améliore la segmentation des images de fond d'œil en réduisant le bruit.

Ce papier présente un cadre pour valider des méthodes d'apprentissage profond dans l'analyse d'images médicales.

CaveSeg améliore la navigation des robots et la cartographie des grottes sous-marines.

Une nouvelle méthode améliore la segmentation des dents dans les images dentaires 3D.

Un aperçu de la validation croisée K-fold et de son efficacité dans la sélection de modèles.

Nouveau jeu de données qui améliore le diagnostic de la rétinopathie diabétique grâce à des annotations détaillées.

L'analyse montre des disparités démographiques dans la précision des prédictions de l'âge cérébral.

Des recherches montrent que l'IA peut améliorer la détection des lésions d'accident vasculaire cérébral dans les images CT.

Une nouvelle méthode améliore les images 3D de mauvaise qualité en microscopie électronique en utilisant l'apprentissage profond.

Deshadow-Anything améliore le processus pour enlever les ombres des images efficacement.

M-AdaCode équilibre qualité d'image et taille de fichier de manière efficace.

Une nouvelle méthode aide à visualiser la progression des maladies pour améliorer les soins aux patients.

Une nouvelle méthode améliore l'adaptation des images satellites sans domaines prédéfinis.

Une étude montre que l'IA améliore la détection des problèmes dentaires sur les radiographies.

Cette étude se concentre sur l'amélioration des techniques d'imagerie IVIM pour des diagnostics du cancer plus clairs.

SegmentAnyBone améliore la précision de l'imagerie osseuse dans les IRM pour un meilleur diagnostic.

Des chercheurs améliorent la précision de détection des tumeurs en utilisant des techniques d'imagerie avancées.

Présentation de CAMixer, une nouvelle méthode pour détecter des changements dans les images radar à ouverture synthétique.

Un nouveau cadre améliore l'efficacité et la qualité de la compression vidéo.

Des recherches explorent l'utilisation de caméras événementielles pour surveiller le rythme cardiaque sans contact.

Un nouvel outil d'IA améliore la détection précoce du cancer du pancréas grâce à une imagerie améliorée.

Un nouveau modèle CNN à double branche améliore la segmentation des zones de la prostate dans les IRM.

MediViSTA-SAM améliore l'analyse vidéo médicale pour une meilleure segmentation en échocardiographie.

Les avancées dans la reconstruction IRM avec le deep learning améliorent la qualité des images cardiaques.

Explorer l'intégration des jumeaux numériques et de l'IoBNT dans la biotechnologie.

Un nouveau flux de travail améliore la qualité des images XCT et la vitesse d'inspection des pièces métalliques.

Améliorer la qualité d'image en CT par rayons X grâce à des fonctions de perte ciblées.

De nouvelles méthodes améliorent l'identification des matériaux en imagerie médicale.

De nouvelles méthodes améliorent la précision pour identifier les tumeurs à partir des scans PET-CT.

Une nouvelle méthode d'apprentissage profond améliore la localisation des tumeurs dans les IRM mammaires.

Des ajustements simples au nnU-Net améliorent la précision de la segmentation des tumeurs en imagerie médicale.

De nouvelles méthodes dans la restauration d'art améliorent la préservation du patrimoine culturel.

Une nouvelle méthode améliore la qualité des images lors de la transmission sans fil sur des canaux bruyants.

Une nouvelle technologie d'IA améliore l'imagerie par ultrasons, rendant la détection des cathéters plus facile pendant les procédures.

DECORAIT permet aux créateurs de gérer leurs droits sur le contenu numérique.

Examiner les biais dans l'apprentissage profond pour la reconstruction d'images IRM en fonction du genre et de l'âge.