-
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：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.
-
Patent Agency Ranking
公开(公告)号：CN110556177A
公开(公告)日：2019-12-10
申请号：CN201910458333.1
申请日：2019-05-29
Applicant: 通用电气公司
Inventor： 伊莱安娜·汉库 , 托马斯·郭-法·福 , 德斯蒙德·特克-本·杨 , 阿拉蒂·斯雷库马里 , 达蒂什·达亚南·尚巴格 , 迪尔克·维姆·乔斯·贝克
Abstract: 本发明题为“自动扫描工作流程”。本公开提供了一种在某些具体实施中能够关于采集近实时地评估图像的诊断效用的基于规则或基于深度学习的方法。对应地，在扫描仪上自动实现这种算法实际上将模拟医生自己对图像进行实时评级，并减少不需要的重新扫描和召回的数量。在本发明的一个方面，发现图像的诊断效用不是绝对量度，而是取决于读取放射科医师和扫描指示(即，扫描的目的)。因此，根据读取放射科医师和扫描指示来调节阈值(即，成像体积被认为是良好的概率)可以使得减少重新扫描和召回的数量。
-
公开(公告)号：CN111801705B
公开(公告)日：2024-11-22
申请号：CN201980015990.7
申请日：2019-03-01
Applicant: 通用电气公司
Inventor： 达蒂什·达亚南·尚巴格 , 拉凯什·穆利克 , 克里希纳·希瑟拉姆·施莱姆 , 桑迪普·苏亚纳拉亚纳·考希克 , 阿拉蒂·斯雷库马里
Abstract: 本发明公开了一种用于成像的方法，该方法被配置为提供加速临床工作流程，该方法包括采集对应于受试者中的感兴趣的解剖区域的解剖图像数据。该方法还包括使用基于学习的技术，基于解剖图像数据确定对应于感兴趣的解剖区域的定位信息。该方法也包括基于定位信息从对应于感兴趣的解剖区域的多个图谱图像中选择图谱图像。该方法还包括基于该图谱图像生成分割分段图像。该方法还包括基于分割分段图像推荐医疗活动。医疗活动包括引导图像采集、监督治疗计划、帮助向受试者进行治疗递送和生成医疗报告中的至少一者。
-
公开(公告)号：CN110807755B
公开(公告)日：2023-11-07
申请号：CN201910630759.0
申请日：2019-07-12
Applicant: 通用电气公司
Inventor： 达蒂什·达亚南·尚巴格 , 奇特雷什·布尚 , 阿拉蒂·斯雷库马里 , 安德烈·德·阿尔梅达·马克西莫 , 拉凯什·穆利克 , 托马斯·郭-法·福
Abstract: 本发明题为“使用定位器图像进行平面选择”。本公开涉及一种用于自动规划不同解剖结构和模态间的不同放射成像扫描平面的工作流的用途。自动规划此类成像扫描平面有助于确保不同标志结构的连续可视化。与先前的方法不同，本发明所公开的技术使用定位器图像自身来确定必要的平面，并且不明确地分割或描绘标志结构来执行平面规划。
-
公开(公告)号：CN111801705A
公开(公告)日：2020-10-20
申请号：CN201980015990.7
申请日：2019-03-01
Applicant: 通用电气公司
Inventor： 达蒂什·达亚南·尚巴格 , 拉凯什·穆利克 , 克里希纳·希瑟拉姆·施莱姆 , 桑迪普·苏亚纳拉亚纳·考希克 , 阿拉蒂·斯雷库马里
Abstract: 本发明公开了一种用于成像的方法，该方法被配置为提供加速临床工作流程，该方法包括采集对应于受试者中的感兴趣的解剖区域的解剖图像数据。该方法还包括使用基于学习的技术，基于解剖图像数据确定对应于感兴趣的解剖区域的定位信息。该方法也包括基于定位信息从对应于感兴趣的解剖区域的多个图谱图像中选择图谱图像。该方法还包括基于该图谱图像生成分割分段图像。该方法还包括基于分割分段图像推荐医疗活动。医疗活动包括引导图像采集、监督治疗计划、帮助向受试者进行治疗递送和生成医疗报告中的至少一者。
-
公开(公告)号：CN110807755A
公开(公告)日：2020-02-18
申请号：CN201910630759.0
申请日：2019-07-12
Applicant: 通用电气公司
Inventor： 达蒂什·达亚南·尚巴格 , 奇特雷什·布尚 , 阿拉蒂·斯雷库马里 , 安德烈·德·阿尔梅达·马克西莫 , 拉凯什·穆利克 , 托马斯·郭-法·福
Abstract: 本发明题为“使用定位器图像进行平面选择”。本公开涉及一种用于自动规划不同解剖结构和模态间的不同放射成像扫描平面的工作流的用途。自动规划此类成像扫描平面有助于确保不同标志结构的连续可视化。与先前的方法不同，本发明所公开的技术使用定位器图像自身来确定必要的平面，并且不明确地分割或描绘标志结构来执行平面规划。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
