91 papers
Deze paper introduceert DeepSparse, het eerste fundamentele model voor de reconstructie van CBCT-beelden met een beperkt aantal projecties, dat door middel van een innovatief DiCE-netwerk en een HyViP-pretraining-stra-tegie een betere beeldkwaliteit biedt met minder stralingsblootstelling dan bestaande methoden.
Deze studie introduceert een door variatie-straf geoptimaliseerd GAN-model dat H&E-geschilderde weefselafbeeldingen met hoge precisie omzet in IHC-afbeeldingen voor een kosteneffectieve en betrouwbare HER2-diagnostiek bij borstkanker.
Dit artikel introduceert TransUNet-GradCAM, een hybride Transformer-U-Net-model dat door het combineren van globale en lokale kenmerken een robuuste en verklaarbare segmentatie van diabetische voetzweren mogelijk maakt, wat wordt onderbouwd door sterke prestaties op zowel interne als externe datasets.
Dit artikel introduceert PANO, een nieuw deep learning-model dat directe, fysisch onderbouwde 3D-fotoakoestische beeldvorming mogelijk maakt vanuit schaarse metingen, waardoor de beeldkwaliteit aanzienlijk verbetert en de klinische toepasbaarheid van deze technologie wordt vergemakkelijkt.
Deze paper introduceert UltraUPConvNet, een computerefficiënt multi-task framework dat gebaseerd is op UPerNet en ConvNeXt en tegelijkertijd weefselsegmentatie en ziektevoorspelling in ultrasone beelden uitvoert met state-of-the-art prestaties.
CryoNet.Refine is een geautomatiseerd, één-staps diffusiemodel dat de verfijning van atomaire structuren op basis van cryo-EM-dichtheidskaarten aanzienlijk versnelt en verbetert ten opzichte van traditionele methoden.
Dit artikel introduceert een innovatieve 3D-beeldvormingsmethode die Structure-from-Motion-technieken en segmentatiealgoritmen combineert om met mobiele apparaten aggregaatstapels in het veld te reconstrueren en te analyseren voor kwaliteitsborging.
Dit paper introduceert een framework voor audiovisuele spraakherkenning in talen zonder bestaande video-corpora door gebruik te maken van synthetische visuele data gegenereerd via lip-syncing, wat resulteert in een model dat presteert op het niveau van de state-of-the-art met aanzienlijk minder trainingsdata.
Dit artikel introduceert een diep learning-gebaseerde methode voor het segmenteren van retinale beelden van een nieuwe low-cost zelfonderzoek OCT-scan, waarbij een CNN wordt gebruikt voor de segmentatie en een CDAE voor het verfijnen van de resultaten om artefacten te corrigeren.
Deze paper introduceert 3D-PIUNet, een hybride methode die fysisch geïnformeerde schattingen combineert met een 3D U-Net om de ruimtelijke nauwkeurigheid van EEG-bronreconstructie te verbeteren en zo de beperkingen van traditionele en puur datagedreven methoden overwint.
Deze paper introduceert een nieuwe few-shot beeldfusiemethode die onvolledige prioren combineert met een lichtgewicht neurale netwerk via het Granular Ball Pixel Computation-algoritme, waardoor effectieve fusieregels kunnen worden geleerd met slechts tien beeldparen zonder echte gefuseerde supervisie.
Dit artikel introduceert PanSubNet, een interpreteerbaar deep learning-model dat klinisch relevante moleculaire subtypes van pancreaskanker direct en kosteneffectief voorspelt uit standaard H&E-gekleurde weefselpreparaten, waarmee de toepassing van moleculaire stratificatie in de dagelijkse klinische praktijk wordt vergemakkelijkt.
GOUHFI 2.0 is een geüpdatete deep-learning toolbox die robuuste hersensegmentatie, corticale parcellatie en volumetrie mogelijk maakt voor ultra-hoogveld MRI-data, waarmee de beperkingen van bestaande software voor deze beeldvorming worden overwonnen.
Dit paper introduceert ZACH-ViT, een compacte Vision Transformer zonder positiële embeddings of [CLS]-token die door het verwijderen van vaste ruimtelijke prioren een adaptieve inductieve bias biedt die onder data-scarce omstandigheden in de medische beeldvorming superieure prestaties levert op datasets met zwakke ruimtelijke structuren.
Dit paper introduceert ARCHE, een efficiënt end-to-end leergestuurde beeldcompressieframework dat zonder recurrente of transformer-componenten state-of-the-art rate-distortion-prestaties bereikt door een unificatie van hiërarchische, ruimtelijke en kanaalgebonden priors met adaptieve feature-recalibratie.
Dit artikel presenteert een efficiënt gepipelined FPGA-architectuur voor de verplaatsingsvectorzoekmodule van de Intra Pattern Copy-tool in JPEG XS, die door geoptimaliseerd geheugendesign een hoge doorvoer van 38,3 Mpixels/s bij laag stroomverbruik bereikt en zo de praktische hardware-implementatie mogelijk maakt.
Dit paper introduceert een adaptief semantisch communicatiesysteem voor satellieten dat gebruikmaakt van een dubbelstroom-generatieve architectuur en een op grote taalmodellen gebaseerde besluitvorming om onder beperkte bandbreedte en variërende omstandigheden hoogwaardige, gesynchroniseerde audiovisuele reconstructie te realiseren door dynamisch de belangrijkste modus te selecteren en de andere modus te genereren.
Dit artikel introduceert Diffusive INR (DINR), een framework dat generatieve diffusiepriors combineert met impliciete neurale representaties om hoogwaardige 3D-reconstructies van neutronencomputertomografiedata te realiseren, zelfs bij extreme data-beperkingen zoals een beperkt aantal projectiehoeken.
Deze studie presenteert een efficiënte zelftoezichtsmethode voor het reconstrueren van onregelmatige seismische data, die gebruikmaakt van een lichtgewicht netwerk en zelfconsistentieleren zonder extra datasets, waardoor stabiele en hoogwaardige resultaten worden bereikt voor complexe aardkundige exploratie.
Het artikel introduceert ECLARE, een efficiënte zelflerende super-resolutiemethode die anisotrope resolutieverbetering in klinische 2D-MR-beelden mogelijk maakt door slice-profielen te schatten en domeinverschuiving te voorkomen zonder externe trainingsdata.