公开(公告)号：CN117616452A

公开(公告)日：2024-02-27

申请号：CN202280046506.9

申请日：2022-06-21

Applicant: 西门子医疗国际股份有限公司

Inventor： D·索基

IPC: G06T7/00 ,  G06V10/75 ,  G06V10/774 ,  G06V10/778 ,  G06V10/82

Abstract: 局部评估网络结合了用作分类器的鉴别器(111a)，其可被包括在生成式对抗性网络GAN(111)内。GAN(111)可包括用于创建分割的生成式网络，诸如U‑NET。局部评估网络在包括感兴趣的器官的医学图像和分割(掩模)图像的图像对(220)上被训练。网络被训练以区分图像对(220)是否表示基准情况。GAN(111)检查鉴别器(111a)的内部层，并且评估每个局部图像区域对最终分类的贡献。鉴别器(111a)可通过分析机器学习模型的层的权重来分析对分类有贡献的图像对(220)的区域。

公开(公告)号：CN117616469A

公开(公告)日：2024-02-27

申请号：CN202280045769.8

申请日：2022-06-22

Applicant: 西门子医疗国际股份有限公司

Inventor： D·索基

IPC: G06V10/764 ,  G06T7/00 ,  G06V10/25 ,  G06V10/26 ,  G06T7/11 ,  G06V10/82

Abstract: 本文所描述的实施例提供了接收(304)包括描绘危及器官(OAR)分割的覆盖图的第二图像。该覆盖图由第一机器学习模型基于描绘当前患者的解剖区域的第一图像(302)而生成。第二机器学习模型接收(306)描绘先前患者OAR分割的第二图像和第三图像集，在该先前患者OAR分割上训练第二机器学习模型。第二机器学习模型将第二图像分类(308)为类别名称集中的一个类别名称，并且表征第二图像与第三图像集中具有相同类别名称的图像相似或不相似的程度。该表征可基于第二机器学习模型的内部层的输出。可对内部层的输出执行降维，以便以人类可理解的形式呈现输出。

公开(公告)号：CN116920286A

公开(公告)日：2023-10-24

申请号：CN202310321030.1

申请日：2023-03-29

Applicant: 西门子医疗国际股份有限公司

Inventor： P·兰索内尔 ,  M·克里格 ,  M·福尔克茨 ,  A·马利亚里 ,  D·索基

IPC: A61N5/10

Abstract: 本公开的各实施例涉及高剂量率放疗处置计划、系统和方法。一种为患者计划放射处置的方法包括标识要用放射进行处置的患者的感兴趣区域，并基于所标识的感兴趣区域的一个或多个指标与先前确定的预测动态数据库之间的统计分析来确定感兴趣区域的模拟处置计划，该先前确定的预测动态数据库包括与患者群体的对应感兴趣区域的一个或多个指标有关的信息。该方法进一步包括用FLASH指数表征模拟处置计划，该FLASH指数将理想的FLASH放射处置计划与模拟处置计划进行比较。