Quercus

Estudio comparativo del rendimiento de distintas funciones de pérdida (AUFL, DSCL, CE) aplicadas a la segmentación de lesiones pulmonares por COVID-19 en imágenes de tomografía computarizada.

Acabamos de publicar un análisis exhaustivo sobre cómo la elección de la función de pérdida afecta la segmentación de infecciones pulmonares por COVID-19 en tomografía computarizada.

Nueva publicación de nuestro laboratorio en la que se evalúan las capacidades de SAM para la segmentación de imagen médica.

Segment Anything Model (SAM), desarrollado por Meta, demuestra un rendimiento excepcional en la segmentación de imágenes médicas, en particular para TAC de pulmón y radiografías de tórax, alcanzando un índice Jaccard medio del 91,45 % y una puntuación Dice media del 94,95 % con una intervención mínima del usuario. En particular, SAM supera el umbral del 70 % recomendado en la literatura y rivaliza con los modelos más avanzados diseñados explícitamente para la segmentación médica.

El programa de donación de tarjetas gráficas de Intel para proyectos académicos apoya a i3 lab.

¡Nuestro trabajo “Impacto de ChatGPT en los métodos de evaluación de un grado de Ingeniería Informática” ha conseguido el premio al mejor trabajo en las JENUI de 2023!

Las Inteligencias Artificiales Generativas han experimentado una importante evolución durante los últimos años y, en especial, en el …

Análisis de Derechos de Autor en Piezas Multimedia emitidas en Medios Audiovisuales usando Machine Learning

Cloud-based Platform for On-demand Music Generation by Artificial Intelligence