Engenharia Eletrotécnica e Ciência dos Sistemas - Processamento de Imagem e Vídeo

Uma olhada nos métodos modernos e seu impacto na saúde.

Este estudo avalia modelos de deep learning pra melhorar a classificação de imagens médicas.

A Sensibilização Comprimida em Tempo Real melhora a transmissão e o processamento de dados em satélites miniaturizados.

O aprendizado profundo melhora as ressonâncias magnéticas, aumentando a velocidade e a qualidade das imagens pra um diagnóstico melhor.

Novas técnicas melhoram a detecção de defeitos em objetos impressos em 3D, garantindo qualidade.

Um novo método melhora a precisão na imagem cardíaca ao combinar diferentes perspectivas.

As equipes enfrentam o desafio de transformar imagens em baixa resolução em incríveis 4K.

Um método rápido e eficaz pra segmentar camadas da retina usando imagens de OCT.

Mamba-Ahnet melhora a segmentação de imagens médicas pra detecção precisa de lesões.

O EvaNet combina imagens de satélite e dados de elevação pra melhorar a precisão do mapeamento de enchentes.

Novo modelo melhora a qualidade das imagens de satélite para uma análise melhor.

O CSA-Net melhora a precisão da segmentação de imagens médicas, aumentando as capacidades de diagnóstico.

Um sistema analisa imagens de ecocardiografia pra identificar problemas no coração rapidinho.

DDPET-3D melhora imagens de PET com baixa dose pra um diagnóstico melhor.

O MMIST-ccRCC oferece dados completos pra um cuidado personalizado no câncer.

GroupedMixer melhora a velocidade e a qualidade da compressão de imagens usando técnicas inovadoras.

Combinar modelos melhora a precisão na classificação de imagens hiperespectrais.

Um modelo melhora as previsões da reflexão de luz no solo pra ajudar em estudos ambientais.

O JOSENet melhora a detecção em tempo real de violência em filmagens de vigilância usando métodos avançados.

Novos métodos melhoram a precisão da imagem EIT para aplicações médicas e industriais.

Novos métodos melhoram a compressão de texturas para eficiência e qualidade gráfica.

SiSIFUS melhora a clareza das imagens em imagem de tempo de vida de fluorescência para estudos biológicos.

Novo modelo melhora a classificação de doenças usando imagens médicas rotuladas e não rotuladas em quantidade limitada.

D-TrAttUnet melhora a precisão da segmentação em tarefas de imagem médica.

Dados sintéticos oferecem soluções promissoras para os desafios na imagem médica.

O SegCLR melhora a segmentação de imagens de olho usando dados rotulados e não rotulados.

Um novo sistema híbrido combina métodos ópticos e eletrônicos para uma classificação de imagem eficiente.

Um framework completo pra analisar o desempenho de XR em redes sem fio assistidas por edge.

Essa pesquisa foca em usar IA pra detecção precoce de doenças da retina.

O CoVScreen melhora o diagnóstico de COVID-19 usando raios-X do peito e técnicas de deep learning.

Novo conjunto de dados e sistema de detecção melhoram a eficiência da colheita de frutas para os agricultores.

Método de IA melhora previsões de dose de radioterapia ao estimar incertezas.

O BraTS Challenge tá quebrando barreiras na segmentação automatizada de meningiomas usando deep learning.

Este estudo analisa o potencial da IA em classificar subtipos de câncer de ovário.

Os participantes enfrentam a restauração de imagens degradadas em um ambiente competitivo.

Uma nova abordagem para remoção de ruído em imagens usando técnicas de aprendizado auto-supervisionado.

Um método pra converter imagens e melhorar a precisão das cores.

Explorando como os robôs podem entender e explicar melhor as conversas com as pessoas.

Essa pesquisa foca em melhorar a segmentação de tumores no cérebro com uma nova abordagem de modelo.

Novas técnicas melhoram a reconstrução de imagens a partir de dados limitados.