Una lista seleccionada de artículos de aprendizaje profundo sobre análisis de imágenes médicas clasificados por técnica y modalidad.
Índice de literatura seleccionado para investigadores que trabajan en análisis de imágenes médicas e informática.
Este repositorio proporciona una bibliografía estructurada de artículos de aprendizaje profundo revisados por pares centrados en aplicaciones médicas publicados desde 2015. Está diseñado para investigadores e ingenieros que desean navegar por la literatura a través de técnicas como redes neuronales convolucionales y recurrentes.
El repositorio clasifica sistemáticamente artículos de primer nivel de conferencias y revistas como MICCAI, IEEE-TMI y MedIA. Cada entrada está etiquetada con su técnica de aprendizaje profundo, modalidad de imagen, área de interés, base de datos clínica y fuente de publicación.
Es adecuado para investigadores de IA y estudiantes de posgrado que ingresan al campo de la imagen médica y necesitan un punto de partida filtrado para revisiones bibliográficas. No es adecuado para médicos que buscan software para el punto de atención ni para desarrolladores que buscan código de modelos listos para producción.
Los artículos se categorizan por arquitecturas de redes neuronales, incluyendo CNNs, FCNs y autoencoders.
Los estudios se indexan por tipos de imagen como MRI, CT, Ultrasonido e histología H&E.
Las entradas enlazan con conjuntos de datos estándar como LIDC-IDRI, ADNI y AMIDA cuando corresponde.
Incluye revistas y conferencias de origen con años de publicación desde 2015 en adelante.
Gratis bajo su licencia, sin opción alojada de pago ya que este es un repositorio de documentación estática.
879 puestos remotos abiertos de entrenamiento de IA, actualizados el 16 de noviembre de 2026; la mayoría paga $20–$175 por hora. 22 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
Estas herramientas de IA evaluadas hacen el mismo trabajo al instante — de nuestro directorio puntuado.
No, es una colección seleccionada de artículos de investigación y metadatos, no una base de código ejecutable.
Los artículos se recopilan de revistas revisadas por pares y conferencias de alta reputación publicadas desde 2015.
Sí, se agradecen las contribuciones a través de pull requests para añadir nueva literatura que cumpla con los criterios.
Ve Zekai primero en Google