-
公开(公告)号：CN111127389B
公开(公告)日：2024-04-23
申请号：CN201910981660.5
申请日：2019-10-16
Applicant: 通用电气公司
IPC: G06T7/00
Abstract: 本发明题为“用于医疗保健的可扩展人工智能模型生成系统和方法”。本发明公开了使用合成数据来生成人工智能模型的系统和方法。示例性系统包括深度神经网络(DNN)生成器以使用第一真实数据来生成第一DNN模型。该示例性系统包括合成数据生成器以由该第一真实数据生成第一合成数据，该第一合成数据将由该DNN生成器用来生成第二DNN模型。该示例性系统包括评估器以评估该第一DNN模型和该第二DNN模型的性能，从而确定是否要生成第二合成数据。该示例性系统包括合成数据聚合器以聚合来自多个站点的第三合成数据和第四合成数据，从而形成合成数据集。该示例性系统包括人工智能模型部署处理器以部署使用该合成数据集训练和测试的人工智能模型。
-
公开(公告)号：CN113711236A
公开(公告)日：2021-11-26
申请号：CN202080030272.X
申请日：2020-03-10
Applicant: 通用电气公司
Abstract: 本发明提供了用于评估和限定数据驱动的深度学习模型的范围的技术。在一个实施方案中，提供了一种机器可读存储介质，该机器可读存储介质包括可执行指令，该可执行指令在由处理器执行时促进操作的执行，该操作包括采用机器学习模型来提取包括在训练数据集中的第一训练数据特征和包括在目标数据集中的第一目标数据特征。该操作还包括基于对第一训练数据特征和第一目标数据特征之间的对应的分析，确定目标数据集是否在训练数据集的限定数据范围内，以及基于目标数据集是否在限定数据范围内，确定将目标数据集应用于使用训练数据集开发的目标神经网络模型是否将会生成具有可接受的准确度水平的结果。
-
公开(公告)号：CN111127389A
公开(公告)日：2020-05-08
申请号：CN201910981660.5
申请日：2019-10-16
Applicant: 通用电气公司
IPC: G06T7/00
Abstract: 本发明题为“用于医疗保健的可扩展人工智能模型生成系统和方法”。本发明公开了使用合成数据来生成人工智能模型的系统和方法。示例性系统包括深度神经网络(DNN)生成器以使用第一真实数据来生成第一DNN模型。该示例性系统包括合成数据生成器以由该第一真实数据生成第一合成数据，该第一合成数据将由该DNN生成器用来生成第二DNN模型。该示例性系统包括评估器以评估该第一DNN模型和该第二DNN模型的性能，从而确定是否要生成第二合成数据。该示例性系统包括合成数据聚合器以聚合来自多个站点的第三合成数据和第四合成数据，从而形成合成数据集。该示例性系统包括人工智能模型部署处理器以部署使用该合成数据集训练和测试的人工智能模型。
-
公开(公告)号：CN111753866B
公开(公告)日：2025-04-04
申请号：CN202010187358.5
申请日：2020-03-17
Applicant: 通用电气公司
Inventor： 拉维·索尼 , 戈帕尔·B·阿维纳什 , 张敏
IPC: G06V10/82 , G06V10/44 , G06V10/764 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本发明题为“针对生成模型的并发图像和对应多信道辅助数据生成”。本发明提出了用于提供针对生成模型的并发图像和对应多信道辅助数据生成的系统和技术。在一个示例中，系统生成与成像数据的合成版本相关联的合成多信道数据。该系统还通过第一预测类别集或第二预测类别集来预测多信道成像数据和合成多信道数据。此外，该系统采用合成多信道数据的第一预测类别集或第二预测类别集来训练生成对抗网络模型。
-
公开(公告)号：CN111433785B
公开(公告)日：2023-11-28
申请号：CN201880068263.2
申请日：2018-05-09
Applicant: 通用电气公司
Inventor： 张敏 , 戈帕尔·比利杰里·阿维纳什
IPC: G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/764 , G06V10/82
Abstract: 本发明提供了用于促进用于自动化图像特征提取的深度学习架构的系统和技术。在一个示例中，系统包括机器学习组件。机器学习组件基于接收成像数据的卷积神经网络生成关于成像数据的学习的成像输出。机器学习组件还对与卷积神经网络的卷积层相关联的成像数据执行多个顺序和/或并行下采样和上采样。
-
Patent Agency Ranking
公开(公告)号：CN112368712A
公开(公告)日：2021-02-12
申请号：CN201980044205.0
申请日：2019-06-28
Applicant: 通用电气公司
Abstract: 本发明提供了用于基于注释信息来分类和定位的系统和技术。在一个示例中，系统基于训练数据和多个图像来训练卷积神经网络。训练数据与来自至少一个成像设备的多个患者相关联。该多个图像与来自多个对象的多个掩模相关联。卷积神经网络包括解码器，该解码器由至少一个上采样层和至少一个卷积层组成。该系统还基于该多个掩模来生成损失函数，其中该损失函数被迭代地反向传播以调谐该卷积神经网络的参数。该系统还基于卷积神经网络预测输入图像的分类标签。
-
公开(公告)号：CN111753866A
公开(公告)日：2020-10-09
申请号：CN202010187358.5
申请日：2020-03-17
Applicant: 通用电气公司
Inventor： 拉维·索尼 , 戈帕尔·B·阿维纳什 , 张敏
Abstract: 本发明题为“针对生成模型的并发图像和对应多信道辅助数据生成”。本发明提出了用于提供针对生成模型的并发图像和对应多信道辅助数据生成的系统和技术。在一个示例中，系统生成与成像数据的合成版本相关联的合成多信道数据。该系统还通过第一预测类别集或第二预测类别集来预测多信道成像数据和合成多信道数据。此外，该系统采用合成多信道数据的第一预测类别集或第二预测类别集来训练生成对抗网络模型。
-
公开(公告)号：CN113711236B
公开(公告)日：2025-04-11
申请号：CN202080030272.X
申请日：2020-03-10
Applicant: 通用电气公司
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06V10/82 , G06N3/0455 , G06N3/0895
Abstract: 本发明提供了用于评估和限定数据驱动的深度学习模型的范围的技术。在一个实施方案中，提供了一种机器可读存储介质，该机器可读存储介质包括可执行指令，该可执行指令在由处理器执行时促进操作的执行，该操作包括采用机器学习模型来提取包括在训练数据集中的第一训练数据特征和包括在目标数据集中的第一目标数据特征。该操作还包括基于对第一训练数据特征和第一目标数据特征之间的对应的分析，确定目标数据集是否在训练数据集的限定数据范围内，以及基于目标数据集是否在限定数据范围内，确定将目标数据集应用于使用训练数据集开发的目标神经网络模型是否将会生成具有可接受的准确度水平的结果。
-
公开(公告)号：CN111492372B
公开(公告)日：2024-04-26
申请号：CN201880067773.8
申请日：2018-02-08
Applicant: 通用电气公司
Inventor： 张敏 , 戈帕尔·比利杰里·阿维纳什
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了用于使用与正常数据的偏差来便于图像分析的系统和技术。在一个示例中，系统生成指示图谱的图谱数据，该图谱包括来自多个参考患者的患者图像数据的第一部分和来自多个目标患者的患者图像数据的第二部分。将患者图像数据的第一部分与患者身份集合的对应年龄组进行匹配，患者身份与患者图像数据的第一部分相关联。系统还生成偏差图数据，偏差图数据表示患者图像数据的第二部分与患者图像数据的第一部分相比的偏差量。此外，系统基于偏差图数据对神经网络进行训练以确定一个或多个临床症状。
-
公开(公告)号：CN112262395A
公开(公告)日：2021-01-22
申请号：CN201980038768.9
申请日：2019-06-28
Applicant: 通用电气公司
Abstract: 本发明提供了用于基于注释信息进行分类的系统和技术。在一个示例中，系统基于训练数据和多个图像来训练卷积神经网络。多个图像与多个掩模、多个图像级标签和/或边界框相关联。该系统还基于多个掩模生成第一损失函数，基于多个图像级标签生成第二损失函数，并且基于边界框生成第三损失函数。此外，系统基于第一损失函数、第二损失函数和第三损失函数生成第四损失函数，其中第四损失函数被迭代地反向传播以调谐卷积神经网络的参数。该系统还基于卷积神经网络预测输入图像的分类标签。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.034 seconds)
