-
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：CN112714914B
公开(公告)日：2024-11-22
申请号：CN201980060218.7
申请日：2019-10-09
Applicant: 通用电气公司
Inventor： 拉胡尔·文卡塔拉马尼 , 拉凯什·穆利克 , 桑迪普·考希克 , 哈里哈兰·瑞维享卡 , S·H·安那曼德拉
IPC: G06V10/764 , G06V10/82 , G06V10/776 , G06V10/94
Abstract: 本发明提出了一种系统。该系统包括被配置为获得对应于目标域的图像的采集子系统。此外，该系统包括处理子系统，该处理子系统与采集子系统可操作地相关联并且包括存储器扩增域自适应平台，该存储器扩增域自适应平台被配置为计算对应于目标域的输入图像的一个或多个特征；基于输入图像的特征来识别一组支持图像，其中该组支持图像对应于目标域；用对应于该组支持图像的一组特征、一组掩膜、或两者来扩增对机器学习模型的输入以使机器学习模型适应于目标域；并且至少基于该组特征、该组掩膜、或两者来生成输出。另外，该系统包括被配置为呈现输出以供分析的界面单元。
-
Patent Agency Ranking
公开(公告)号：CN111798965B
公开(公告)日：2024-09-06
申请号：CN202010255399.3
申请日：2020-04-02
Applicant: 通用电气公司
Inventor： 苏瓦迪普·慕克吉 , 拉胡尔·文卡塔拉马尼 , 阿努普里娅·戈格纳 , 斯蒂芬·安岑格鲁贝
Abstract: 本发明提供了一种用于确定神经系统状况的方法，所述方法包括在指导的扫描程序期间使用第一深度学习网络来获得产妇受试者的多个平面中的第一扫描平面的估计。所述方法还包括接收与所述初始估计相对应的三维(3D)超声体积，以及根据所述第一深度学习网络确定最佳第一扫描平面。所述方法还包括基于所述最佳第一扫描平面和与所述多个平面相对应的临床约束中的至少一者，使用第二深度学习网络来确定所述多个平面中的第二扫描平面、第三扫描平面和第四扫描平面中的至少一者。所述方法包括基于所述多个平面中的至少一者使用第三深度学习网络来确定与神经系统相对应的生物计量参数。
-
公开(公告)号：CN112753039A
公开(公告)日：2021-05-04
申请号：CN201980063041.6
申请日：2019-09-27
Applicant: 通用电气公司
Inventor： 拉胡尔·文卡塔拉马尼 , S·安那曼德拉 , 哈里哈兰·瑞维享卡 , 普拉撒度·苏达卡尔
Abstract: 本发明的方法涉及一种能够在深度学习背景下进行终生学习的系统。该系统包括深度学习网络，该深度学习网络被配置为处理输入数据集以及执行来自第一组任务中的一个或多个任务。作为示例，深度学习网络可为成像系统(诸如医学成像系统)的一部分，或者可用于工业应用中。该系统还包括学习单元，该学习单元通信地耦接到深度学习网络102并且被配置为修改深度学习网络以便使其能够执行第二任务列表中的一个或多个任务，而不会失去执行来自第一列表的任务的能力。
-
公开(公告)号：CN112714914A
公开(公告)日：2021-04-27
申请号：CN201980060218.7
申请日：2019-10-09
Applicant: 通用电气公司
Inventor： 拉胡尔·文卡塔拉马尼 , 拉凯什·穆利克 , 桑迪普·考希克 , 哈里哈兰·瑞维享卡 , S·H·安那曼德拉
Abstract: 本发明提出了一种系统。该系统包括被配置为获得对应于目标域的图像的采集子系统。此外，该系统包括处理子系统，该处理子系统与采集子系统可操作地相关联并且包括存储器扩增域自适应平台，该存储器扩增域自适应平台被配置为计算对应于目标域的输入图像的一个或多个特征；基于输入图像的特征来识别一组支持图像，其中该组支持图像对应于目标域；用对应于该组支持图像的一组特征、一组掩膜、或两者来扩增对机器学习模型的输入以使机器学习模型适应于目标域；并且至少基于该组特征、该组掩膜、或两者来生成输出。另外，该系统包括被配置为呈现输出以供分析的界面单元。
-
公开(公告)号：CN111798965A
公开(公告)日：2020-10-20
申请号：CN202010255399.3
申请日：2020-04-02
Applicant: 通用电气公司
Inventor： 苏瓦迪普·慕克吉 , 拉胡尔·文卡塔拉马尼 , 阿努普里娅·戈格纳 , 斯蒂芬·安岑格鲁贝
Abstract: 本发明提供了一种用于确定神经系统状况的方法，所述方法包括在指导的扫描程序期间使用第一深度学习网络来获得产妇受试者的多个平面中的第一扫描平面的估计。所述方法还包括接收与所述初始估计相对应的三维(3D)超声体积，以及根据所述第一深度学习网络确定最佳第一扫描平面。所述方法还包括基于所述最佳第一扫描平面和与所述多个平面相对应的临床约束中的至少一者，使用第二深度学习网络来确定所述多个平面中的第二扫描平面、第三扫描平面和第四扫描平面中的至少一者。所述方法包括基于所述多个平面中的至少一者使用第三深度学习网络来确定与神经系统相对应的生物计量参数。
-
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
7
records
(took 0.026 seconds)
