-
公开(公告)号：CN110858391A
公开(公告)日：2020-03-03
申请号：CN201910779576.5
申请日：2019-08-22
Applicant: 通用电气公司
Abstract: 本发明题为“患者专用的深度学习图像降噪方法和系统”。本发明公开了使用深度学习网络模型来改善图像降噪的系统和方法。示例性系统包括输入数据处理器，该输入数据处理器用于处理第一患者的第一患者图像，以向第一患者图像添加第一噪声以形成有噪声的图像输入。示例性系统包括图像数据降噪器，该图像数据降噪器用于使用第一深度学习网络来处理有噪声的图像输入以识别第一噪声。图像数据降噪器用于使用有噪声的图像输入来训练第一深度学习网络。当第一深度学习网络被训练以识别第一噪声时，图像数据降噪器用于将第一深度学习网络部署为第二深度学习网络模型以应用于第一患者的第二患者图像以识别第二患者图像中的第二噪声。
-
公开(公告)号：CN110121749A
公开(公告)日：2019-08-13
申请号：CN201780080797.2
申请日：2017-11-20
Applicant: 通用电气公司
Abstract: 本发明提供了用于改进的用于图像采集的深度学习的方法和装置。成像系统配置装置包括训练学习设备，该训练学习设备包括第一处理器，用于实现第一深度学习网络(DLN)，以基于来自多个先前图像采集的第一组输入来学习第一组成像系统配置参数，从而配置至少一个用于图像采集的成像系统，所述训练学习设备用于接收和处理包括来自所述至少一个成像系统进行的所述多个图像采集的操作数据的反馈。示例性装置包括部署的学习设备，该部署的学习设备包括用于实现第二DLN的第二处理器，所述第二DLN从所述训练学习设备的所述第一DLN生成，所述部署的学习设备被配置为响应于接收到用于图像采集的第二输入而向所述成像系统提供第二成像系统配置参数。
-
公开(公告)号：CN110121749B
公开(公告)日：2024-02-13
申请号：CN201780080797.2
申请日：2017-11-20
Applicant: 通用电气公司
Abstract: 本发明提供了用于改进的用于图像采集的深度学习的方法和装置。成像系统配置装置包括训练学习设备，该训练学习设备包括第一处理器，用于实现第一深度学习网络(DLN)，以基于来自多个先前图像采集的第一组输入来学习第一组成像系统配置参数，从而配置至少一个用于图像采集的成像系统，所述训练学习设备用于接收和处理包括来自所述至少一个成像系统进行的所述多个图像采集的操作数据的反馈。示例性装置包括部署的学习设备，该部署的学习设备包括用于实现第二DLN的第二处理器，所述第二DLN从所述训练学习设备的所述第一DLN生成，所述部署的学习设备被配置为响应于接收到用于图像采集的第二输入而向所述成像系统提供第二成像系统配置参数。
-
公开(公告)号：CN111492406B
公开(公告)日：2023-12-22
申请号：CN201880065450.5
申请日：2018-10-09
Inventor： 琼-巴普蒂斯特·蒂博 , 萨梅什·斯利瓦斯塔瓦 , 谢江 , 查尔斯·A·布曼 , 叶东 , 肯·萨奥尔
IPC: G06T11/00
Abstract: 本发明的方法涉及用于图像生成的机器学习算法的训练和这种经训练的算法用于图像生成的用途。训练机器学习算法可涉及使用由单组断层摄影投影或图像数据(诸如简单重建和计算密集型重建)产生的多个图像，其中一个图像是显示最终结果所需特征的目标图像。经训练的机器学习算法可用于从使用计算密集型较少的算法生成的输入图像生成对应于计算密集型算法(56)对比文件Subhamoy Manda.Visual QualityEnhancement in Optoacoustic TomographyUsing Active Contour Segmentation Priors.《IEEE Transactions on Medical Imaging》.2016,全文.
-
公开(公告)号：CN110114834A
公开(公告)日：2019-08-09
申请号：CN201780080798.7
申请日：2017-11-20
Applicant: 通用电气公司
Abstract: 本发明提供了用于监测并且改进成像系统操作的方法和装置。示例性装置包括第一部署的深度学习网络(DLN)，所述第一部署的深度学习网络与采集引擎一起操作以生成成像设备配置。所述示例性装置包括第二部署的DLN，所述第二部署的DLN与重建引擎一起基于采集的图像数据来操作。所述示例性装置包括具有第三部署的DLN的第一评估引擎。所述评估引擎从所述采集引擎或所述重建引擎中的至少一者接收输出以评估所述采集引擎或所述重建引擎中的所述相应至少一者的操作并且向所述采集引擎或所述重建引擎中的所述相应至少一者提供反馈。所述第一部署的DLN和所述第二部署的DLN分别由第一训练DLNS和第二训练DLNS生成和部署。
-
Patent Agency Ranking
公开(公告)号：CN110337673B
公开(公告)日：2023-10-20
申请号：CN201780086967.8
申请日：2017-01-05
Applicant: 通用电气公司
Inventor： 布鲁诺·克里斯蒂安·伯纳德·徳梅恩 , 本哈特·埃里希·赫尔曼恩·克劳斯 , 谢江 , 金燕南 , 邢占峰
Abstract: 本发明提供了一种方法，所述方法涉及使用可使用受过训练的神经网络(50)来实现的深度学习技术，以估计各种类型的缺失的投影数据或其他未重建的数据。类似地，与估计缺失的投影数据相反，所述方法也可用于替换或校正损坏或错误的投影数据。
-
公开(公告)号：CN110337673A
公开(公告)日：2019-10-15
申请号：CN201780086967.8
申请日：2017-01-05
Applicant: 通用电气公司
Inventor： 布鲁诺·克里斯蒂安·伯纳德·徳梅恩 , 本哈特·埃里希·赫尔曼恩·克劳斯 , 谢江 , 金燕南 , 邢占峰
Abstract: 本发明提供了一种方法，所述方法涉及使用可使用受过训练的神经网络(50)来实现的深度学习技术，以估计各种类型的缺失的投影数据或其他未重建的数据。类似地，与估计缺失的投影数据相反，所述方法也可用于替换或校正损坏或错误的投影数据。
-
公开(公告)号：CN110114834B
公开(公告)日：2024-04-26
申请号：CN201780080798.7
申请日：2017-11-20
Applicant: 通用电气公司
Abstract: 本发明提供了用于监测并且改进成像系统操作的方法和装置。示例性装置包括第一部署的深度学习网络(DLN)，所述第一部署的深度学习网络与采集引擎一起操作以生成成像设备配置。所述示例性装置包括第二部署的DLN，所述第二部署的DLN与重建引擎一起基于采集的图像数据来操作。所述示例性装置包括具有第三部署的DLN的第一评估引擎。所述评估引擎从所述采集引擎或所述重建引擎中的至少一者接收输出以评估所述采集引擎或所述重建引擎中的所述相应至少一者的操作并且向所述采集引擎或所述重建引擎中的所述相应至少一者提供反馈。所述第一部署的DLN和所述第二部署的DLN分别由第一训练DLNS和第二训练DLNS生成和部署。
-
公开(公告)号：CN110807737B
公开(公告)日：2024-02-20
申请号：CN201910715874.8
申请日：2019-08-05
Inventor： 付林 , 萨斯什·拉马尼 , 唐杰 , 布鲁诺·克里斯蒂安·伯纳德·徳梅恩 , 杰德·道格拉斯·帕克 , 谢江 , 王戈
Abstract: 本发明题为“迭代图像重建框架”。本发明涉及一种在降噪、空间分辨率、细节保留和计算复杂性方面具有有利特性的图像重建。所公开的技术可以包括以下各项中的一些或全部：第一遍重建、简化的数据拟合项、和/或深度学习去噪器。在各种具体实施中，所公开的技术可以诸如通过结合第一遍重建步骤来植入到不同的CT平台。
-
公开(公告)号：CN110858391B
公开(公告)日：2023-10-10
申请号：CN201910779576.5
申请日：2019-08-22
Applicant: 通用电气公司
IPC: G06T5/00 , G16H30/20 , G06N3/0464
Abstract: 本发明题为“患者专用的深度学习图像降噪方法和系统”。本发明公开了使用深度学习网络模型来改善图像降噪的系统和方法。示例性系统包括输入数据处理器，该输入数据处理器用于处理第一患者的第一患者图像，以向第一患者图像添加第一噪声以形成有噪声的图像输入。示例性系统包括图像数据降噪器，该图像数据降噪器用于使用第一深度学习网络来处理有噪声的图像输入以识别第一噪声。图像数据降噪器用于使用有噪声的图像输入来训练第一深度学习网络。当第一深度学习网络被训练以识别第一噪声时，图像数据降噪器用于将第一深度学习网络部署为第二深度学习网络模型以应用于第一患者的第二患者图像以识别第二患者图像中的第二噪声。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.026 seconds)
