-
公开(公告)号：CN1647074A
公开(公告)日：2005-07-27
申请号：CN03807672.1
申请日：2003-03-14
Applicant: 皇家飞利浦电子股份有限公司
IPC: G06F17/30
CPC classification number: G06F17/30864 , G06F17/30902
Abstract: 提供一种在内部网网络(200)上获得服务信息的方法。该方法包含：由服务用户向适于连接到内部网网络的本地服务器(300)发出一个服务请求；为该服务请求搜索一个适于连接到本地服务器(300)的第一数据库(302)，该第一数据库(302)含有在内部网网络上可得的本地服务者的列表；以及在预定的情况下，也为该服务请求搜索因特网(202)。该方法优选地也进一步包括通知服务用户搜索的结果。搜索因特网的预定情形是，对第一数据库的搜索没有提供与服务请求的匹配。
-
公开(公告)号：CN101903883B
公开(公告)日：2017-02-15
申请号：CN200880121098.9
申请日：2008-12-11
Applicant: 皇家飞利浦电子股份有限公司
IPC: G06F19/00
CPC classification number: G06F19/345 , G06F19/00 , G16H50/20
Abstract: 本发明涉及一种用于基于病例的决策支持的方法和装置。本发明提出在来自若干放射科医师的输入上训练基于病例的决策支持系统，以具有“基线”系统，然后系统为放射科医师提供选项来基于他/她的输入细化基线系统，输入直接细化用于相似性距离计算的特征权重或提供新的相似性基础事实集群。通过实现基于用户输入修改相似性距离计算，本发明针对具有不同经验和/或不同看法的不同用户调整相似性基础事实。
-
公开(公告)号：CN101501712B
公开(公告)日：2012-09-05
申请号：CN200780029838.1
申请日：2007-08-02
Applicant: 皇家飞利浦电子股份有限公司
CPC classification number: G06N3/126 , G06F19/00 , G06K9/6229 , G16H50/20
Abstract: 提供了训练系统的方法和装置，该系统用于开发数据挖掘、假阳性减少、计算机辅助检测、计算机辅助诊断和人工智能的方法。一种方法包括使用系统数据缩放从一组训练案例中选择一个训练集，并基于该训练集使用分类方法创建一个分类器。该分类器产生更少的假阳性。该方法适用于与多种数据挖掘技术，包括支持向量机、神经网络和决策树，一起使用。
-
公开(公告)号：CN101061509B
公开(公告)日：2010-10-27
申请号：CN200580039591.2
申请日：2005-11-18
Applicant: 皇家飞利浦电子股份有限公司
CPC classification number: G06T7/0012 , G06K9/6255 , G06T7/12 , G06T2207/10081 , G06T2207/10132 , G06T2207/20081 , G06T2207/30068 , G06T2207/30096
Abstract: 一种用于分割医疗图像内的区域的方法，包含评估一个根据一个初始分割生成的候选分割集合。根据用派生的分段对每个候选的距离计算，把比初始分割更好的最佳候选分割推荐给临床医师。这个推荐器实现一个有益于后继的计算机辅助诊断(即把病变分类为良性或恶性的)的最稳定的分割。
-
公开(公告)号：CN101501712A
公开(公告)日：2009-08-05
申请号：CN200780029838.1
申请日：2007-08-02
Applicant: 皇家飞利浦电子股份有限公司
CPC classification number: G06N3/126 , G06F19/00 , G06K9/6229 , G16H50/20
Abstract: 提供了训练系统的方法和装置，该系统用于开发数据挖掘、假阳性减少、计算机辅助检测、计算机辅助诊断和人工智能的方法。一种方法包括使用系统数据缩放从一组训练案例中选择一个训练集，并基于该训练集使用分类方法创建一个分类器。该分类器产生更少的假阳性。该方法适用于与多种数据挖掘技术，包括支持向量机、神经网络和决策树，一起使用。
-
Patent Agency Ranking
公开(公告)号：CN101467155B
公开(公告)日：2015-04-29
申请号：CN200780022247.1
申请日：2007-06-15
Applicant: 皇家飞利浦电子股份有限公司
IPC: G06F19/00
CPC classification number: G16H50/20 , G06F19/00 , G06F19/321
Abstract: 通过根据相似性的主观评估将数据库(120)中的感兴趣体积(VOI)(116)群集成各自的集群来实现优化基于实例的计算机辅助诊断(CADx)(S220)。然后选择感兴趣体积(VOI)特征的最佳集合，以提取实例，以便与基于主观的群集相一致(S230)。提取出的实例与待诊断的VOI一同显示以供外科医生进行比较。优选地，用户可以选择所显示的实例以进一步显示从电子医疗记录(EMR)检索到的预后、治疗信息、随访信息、当前状态和/或临床信息(S260)。
-
公开(公告)号：CN101467155A
公开(公告)日：2009-06-24
申请号：CN200780022247.1
申请日：2007-06-15
Applicant: 皇家飞利浦电子股份有限公司
IPC: G06F19/00
CPC classification number: G16H50/20 , G06F19/00 , G06F19/321
Abstract: 通过根据相似性的主观评估将数据库(120)中的感兴趣体积(VOI)(116)群集成各自的集群来实现优化基于实例的计算机辅助诊断(CADx)(S220)。然后选择感兴趣体积(VOI)特征的最佳集合，以提取实例，以便与基于主观的群集相一致(S230)。提取出的实例与待诊断的VOI一同显示以供外科医生进行比较。优选地，用户可以选择所显示的实例以进一步显示从电子医疗记录(EMR)检索到的预后、治疗信息、随访信息、当前状态和/或临床信息(S260)。
-
公开(公告)号：CN101061510A
公开(公告)日：2007-10-24
申请号：CN200580039710.4
申请日：2005-11-21
Applicant: 皇家飞利浦电子股份有限公司
CPC classification number: G06T7/0012 , G06K9/3233 , G06T2207/10081 , G06T2207/20081 , G06T2207/30061
Abstract: 一种用于对HRCT医学图像数据内检测的所关心部位进行计算机辅助检测(CAD)和分类的方法，包括适于对将部位/体积(volume)识别成结核或非结核的特异性和敏感性进行最大化的CAD后机器学习技术。该部位由CAD处理来识别，以及自动地分割。特征池根据每个分割部位来识别和提取，以及由遗传算法来处理以识别最佳特征子集，这个子集用来训练支持向量机以对非训练数据内发现的候选部位/体积进行分类。
-
公开(公告)号：CN101061509A
公开(公告)日：2007-10-24
申请号：CN200580039591.2
申请日：2005-11-18
Applicant: 皇家飞利浦电子股份有限公司
CPC classification number: G06T7/0012 , G06K9/6255 , G06T7/12 , G06T2207/10081 , G06T2207/10132 , G06T2207/20081 , G06T2207/30068 , G06T2207/30096
Abstract: 一种用于分割医疗图像内的区域的方法，包含评估一个根据一个初始分割生成的候选分割集合。根据用派生的分段对每个候选的距离计算，把比初始分割更好的最佳候选分割推荐给临床医师。这个推荐器实现一个有益于后继的计算机辅助诊断(即把病变分类为良性或恶性的)的最稳定的分割。
-
公开(公告)号：CN101061490A
公开(公告)日：2007-10-24
申请号：CN200580039686.4
申请日：2005-11-18
Applicant: 皇家飞利浦电子股份有限公司
IPC: G06K9/62
Abstract: 一种用于计算机辅助检测(CAD)和在HRCT医学图像数据内检测的所关心部位的分类的方法，包括处理后机器学习以最大化分类的特异殊性和敏感性以实现假阳性检测报告数量上的下降。该方法包括在被选择为包括若干真部位和假部位的医学图像训练数据集合上训练分类器，其中真部位和假部位由CAD处理来识别，并且自动地被分割，其中分割训练部位由至少一个专家来审阅以把每个训练部位针对其基础事实，即真或假，进行分类，实质上限定自动分割，其中从每个分割部位识别并提取特征池，以及其中特征池由遗传算法来处理以识别最佳特征子集，所述子集用来训练支持向量机，在非训练医学图像数据内检测作为分类候选者的部位，对该候选部位进行分割，从每个分割候选部位提取特征集合以及在根据最佳特征子集进行训练之后利用支持向量机来对候选部位进行分类，以及处理该候选特征集合。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.147 seconds)
