Segmentación multi-planar 2D-U-Net de órganos abdominales en TC 3D con mapas espaciales
Descubre cómo un enfoque ligero de U-Net 2D multi-planar con mapas espaciales mejora un 4% la segmentación de órganos abdominales en TC 3D.
#u-net
Segmentación 2D-U-Net multiplano de órganos abdominales con mapas de ocurrencia
Segmentación abdominal con 2D-U-Net multiplanar y mapas de ocurrencia espacial mejora precisión en CT 3D. Modelo ligero y eficiente.
Pipeline LBM validado para flujos turbulentos 3D en canales obstruidos
Dataset LBM validado con benchmarks experimentales para modelado sustituto de flujos turbulentos. Evaluamos FNO y U-Net. ¡Conoce los resultados!
MNet++: Redes 2D/3D extendidas para segmentación de imágenes médicas anisotrópicas
MNet++ mejora la segmentación médica anisotrópica con fusión adaptativa y VMamba. Resultados precisos en próstata e hígado.
Lesion-DDPM: Difusión 3D mejorada con lesiones para síntesis de RM de EM
Descubre Lesion-DDPM, un innovador modelo de difusión 3D que mejora la síntesis de RM con lesiones para esclerosis múltiple. Resultados superiores en
Segmentación de imágenes médicas: desafíos, benchmarks y más allá
Descubre los desafíos y benchmarks en segmentación de imágenes médicas con métodos U-Net, Transformer y SAM. Guía para investigadores y profesionales.
Híbridos Clay-CNN: contexto auxiliar para detección de deslizamientos
Descubre cómo los híbridos Clay-CNN mejoran la detección de deslizamientos usando modelos geo-fundacionales como contexto auxiliar, superando al U-Net básico.
++nnU-Net: Escalando nnU-Net con aumento de datos basado en prefijo
El ++nnU-Net usa aumento de datos por registro para mejorar hasta un 22% la precisión en segmentación médica. Código abierto disponible.
Donde vive el score: visión wavelet de la difusión
Descubre cómo el análisis con wavelets revela los atributos clave de los datos en modelos de difusión. Un enfoque interpretable para la función score.
Donde vive el score: una visión wavelet de la difusión
Descubre cómo una parametrización wavelet del score revela la influencia de las arquitecturas en modelos de difusión. Análisis basado en momentos.
¿Cuánta capacidad necesita la eliminación de ruido en EEG?
Descubre cómo redes ultracompactas de solo 3K parámetros saturan benchmarks de EEG y por qué las métricas de reconstrucción no predicen utilidad en BCI.
Más allá de la convolución: Hipergrafo U-Nets
El nuevo método PHPool permite aplicar U-Nets a hipergrafos superando limitaciones de pooling. Ideal para clasificación y detección de anomalías.
Optimización de calidad-diversidad con U-Net para diseños urbanos climáticos
Descubre cómo U-Net acelera la optimización QD para generar miles de diseños urbanos adaptativos al clima en minutos.
Segmentación tisular monocanal con destilación multimodal
Descubre cómo la destilación cross-modal permite segmentar tejidos con un solo canal, logrando resultados cercanos a modelos más grandes con menos parámetros.