-
Patent Agency Ranking
公开(公告)号：CN110036409B
公开(公告)日：2023-06-30
申请号：CN201780074980.1
申请日：2017-12-14
Applicant: 通用电气公司
Inventor： 哈里哈兰·瑞维享卡 , 维韦卡·普拉巴卡尔·维迪雅 , 谢沙迪·史鲁文亚当 , 拉胡尔·文卡塔拉马尼 , 普拉撒度·苏达卡尔
IPC: G06T7/10 , G06N3/0464
Abstract: 本发明提供了一种用于图像分割的方法，该方法包括接收输入图像(102)。该方法还包括获得具有三元组预测器(116,118,120)的深度学习模型(104)。此外，该方法包括通过三元组预测器((116,118,120)中的形状模型来处理输入图像，以生成分割形状图像(110)。此外，该方法包括经由显示单元(128)呈现分割形状图像。
-
公开(公告)号：CN111316290B
公开(公告)日：2024-01-12
申请号：CN201880071649.9
申请日：2018-11-02
Applicant: 通用电气公司
Inventor： 维韦卡·普拉巴卡尔·维迪雅 , 拉凯什·穆利克 , 克里希纳·希瑟拉姆·施莱姆 , 索汉·拉希米·兰詹 , 帕万·库马尔·V·安南吉 , 谢沙迪·史鲁文亚当 , 钱丹·库马尔·马拉帕·阿拉达哈里 , 阿拉蒂·斯雷库马里
IPC: G06V10/82 , G06V10/44 , G06T7/33 , G06F18/2413 , G06F18/25 , G06N3/045 , G06N3/088 , G06N3/096 , G06N5/022
Abstract: 应映射函数；以及将该共同特征基元和该对应映本发明提供了一种用于向卷积神经网络 射函数存储在特征基元储存库中。(CNN)进行交互式表示学习迁移的方法。该方法包括从第一成像模态和第二成像模态获得至少第一输入图像数据集和第二输入图像数据集。此外，该方法包括执行以下中的至少一者：联合训练基于与该第一输入图像数据集相关联的标签的第一受监督学习CNN和基于与该第二输入图像数据集相关联的标签的第二受监督学习CNN，以生成一个或多个共同特征基元和对应映射函数；以及分别利用该第一输入图像数据集和该第二(56)对比文件US 2013004038 A1,2013.01.03CN 106909905 A,2017.06.30WO 2014105523 A1,2014.07.03CN 105930877 A,2016.09.07Pouya Ghaemmaghami等.A cross-modaladaptation approach for brain decoding.《2017 IEEE International Conference onAcoustic,Speech and Signal Processing》.2017,969-973.董永亮等.基于潜在语义的双层图像-文本多模态检索语义网络《.计算机工程》.2016,第42卷(第7期),299-303.Agisilaos Chartsias et al.AdversarialImage Synthesis for Unpaired Multi-modalCardiac Data《.International Workshop onSimulation and Synthesis in MedicalImaging》.2017,3-13.Castrejon,L et al.Learning AlignedCross-Modal Representations from WeaklyAligned Data《.2016 IEEE Conference onComputer Vision and Pattern Recognition(CVPR)》.2016,2940-2949.Castrejon,L et al.Learning AlignedCross-Modal Representations from WeaklyAligned Data《.2016 IEEE Conference onComputer Vision and Pattern Recognition(CVPR)》.2016,2940-2949.
-
公开(公告)号：CN111971751A
公开(公告)日：2020-11-20
申请号：CN201980022371.0
申请日：2019-02-08
Applicant: 通用电气公司
Inventor： 达蒂什·达亚南·尚巴格 , 维韦卡·普拉巴卡尔·维迪雅 , 拉凯什·穆利克 , 李霞
Abstract: 一种用于实时分析由成像模态在扫描程序期间生成的动态数据的方法包括接收对应于受检者的动态数据。此外，该方法包括接收被配置为处理动态数据的深度学习模型，其中深度学习模型是基于使用先前获取的动态数据所训练的神经网络。该方法包括使用深度学习模型实时处理动态数据以生成代表受检者的医疗状态的至少一个特征值。另外，该方法包括基于至少一个特征值自动生成对应于医疗状态的医疗推荐。该方法还包括经由显示单元呈现医疗推荐以便于向受检者提供医疗护理。
-
公开(公告)号：CN111316290A
公开(公告)日：2020-06-19
申请号：CN201880071649.9
申请日：2018-11-02
Applicant: 通用电气公司
Inventor： 维韦卡·普拉巴卡尔·维迪雅 , 拉凯什·穆利克 , 克里希纳·希瑟拉姆·施莱姆 , 索汉·拉希米·兰詹 , 帕万·库马尔·V·安南吉 , 谢沙迪·史鲁文亚当 , 钱丹·库马尔·马拉帕·阿拉达哈里 , 阿拉蒂·斯雷库马里
Abstract: 本发明提供了一种用于向卷积神经网络(CNN)进行交互式表示学习迁移的方法。该方法包括从第一成像模态和第二成像模态获得至少第一输入图像数据集和第二输入图像数据集。此外，该方法包括执行以下中的至少一者：联合训练基于与该第一输入图像数据集相关联的标签的第一受监督学习CNN和基于与该第二输入图像数据集相关联的标签的第二受监督学习CNN，以生成一个或多个共同特征基元和对应映射函数；以及分别利用该第一输入图像数据集和该第二输入图像数据集联合训练第一无监督学习CNN和第二无监督学习CNN，以学习该输入图像数据集的压缩表示，该压缩表示包括共同特征基元和对应映射函数；以及将该共同特征基元和该对应映射函数存储在特征基元储存库中。
-
公开(公告)号：CN110036409A
公开(公告)日：2019-07-19
申请号：CN201780074980.1
申请日：2017-12-14
Applicant: 通用电气公司
Inventor： 哈里哈兰·瑞维享卡 , 维韦卡·普拉巴卡尔·维迪雅 , 谢沙迪·史鲁文亚当 , 拉胡尔·文卡塔拉马尼 , 普拉撒度·苏达卡尔
Abstract: 本发明提供了一种用于图像分割的方法，该方法包括接收输入图像(102)。该方法还包括获得具有三元组预测器(116,118,120)的深度学习模型(104)。此外，该方法包括通过三元组预测器((116,118,120)中的形状模型来处理输入图像，以生成分割形状图像(110)。此外，该方法包括经由显示单元(128)呈现分割形状图像。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
