-
公开(公告)号：CN117634650A
公开(公告)日：2024-03-01
申请号：CN202210954552.0
申请日：2022-08-10
Applicant: 佳能医疗系统株式会社
IPC: G06N20/20
Abstract: 一种能够更加准确地调整联邦学习中的各站点的权重的医疗数据的联邦学习系统。医疗数据的联邦学习系统，包括服务器和多个客户端，其特征在于，客户端具有：模型取得单元，从服务器取得对象全局模型；全局模型评估单元，使用对象全局模型以及该客户端的本地训练数据进行训练，使用本地评估数据对训练后的对象全局模型进行评估而得到全局模型评估结果，将全局模型评估结果发送至服务器；以及本地模型评估单元，使用本地评估数据对存储于客户端的对象本地模型进行评估而得到本地模型评估结果，将本地模型评估结果发送至服务器；服务器具有：权重调整单元，根据从各客户端接收的全局模型评估结果和本地模型评估结果，调整各客户端的权重。
-
公开(公告)号：CN117237261A
公开(公告)日：2023-12-15
申请号：CN202210630102.6
申请日：2022-06-06
Applicant: 佳能医疗系统株式会社
Abstract: 本发明提供图像处理方法和系统，利用训练好的深度学习模型对图像数据进行推理处理，图像处理方法包括如下步骤：接收步骤，接收图像；确定步骤，确定所接收的图像中的第一部分和第二部分；推理步骤，利用所述深度学习模型，对所确定出的所述第一部分进行第一推理处理，对所确定出的所述第二部分进行第二推理处理，所述第一推理处理和所述第二推理处理是不同的推理处理；整合步骤，将所述第一推理处理和所述第二推理处理的结果整合，并输出整合后的推理结果。
-
公开(公告)号：CN115700735A
公开(公告)日：2023-02-07
申请号：CN202110793550.3
申请日：2021-07-14
Applicant: 佳能医疗系统株式会社
Abstract: 本发明提供能够获得更准确的模型训练信息从而提高训练模型的针对性和准确度、减少模型学习成本的模型训练装置。医用图像数据的模型训练装置具备：训练单元，使用医用图像数据构成的数据集作为训练数据进行学习，获得初始学习模型；评估单元，利用全局指标，对所述初始学习模型的学习进行评估，取得在所述评估中使用的数据集中的异常数据集；分组单元，利用局部指标，对所述评估单元取得的异常数据集进行分组，获得多个异常数据集组；以及模型训练信息确定单元，按照所述分组单元获得的每个异常数据集组，确定模型训练信息。
-
Patent Agency Ranking
公开(公告)号：CN116308976A
公开(公告)日：2023-06-23
申请号：CN202111560178.8
申请日：2021-12-20
Applicant: 佳能医疗系统株式会社
Abstract: 本发明提供一种能够在现场持续改进模型并限制退化风险的现场自适应训练装置。实施方式的现场自适应训练装置具备：取得部，取得医用图像处理模型和用于生成医用图像处理模型的原始模型训练协议；现场数据收集部，收集在使用医用图像处理模型的现场产生的现场医用图像数据；训练数据创建部，利用医用图像处理模型对现场医用图像数据进行处理，将获得的处理结果划分为异常数据与正常数据，并对异常数据进行修正，将修正后的异常数据与正常数据一起作为训练数据；以及自适应训练部，将医用图像处理模型作为初始模型，利用训练数据创建部创建的训练数据,按照原始模型训练协议，在现场进行训练，生成新的医用图像处理模型。
-
公开(公告)号：CN114492785A
公开(公告)日：2022-05-13
申请号：CN202011267057.X
申请日：2020-11-13
Applicant: 佳能医疗系统株式会社
Abstract: 本发明提供模型学习系统及模型学习系统中的模型学习方法，该模型学习系统，包括：服务器；及两个以上的客户端，分别与所述服务器以能够通信的方式连接，所述两个以上的客户端分别具备：数据获取部，获取数据；固有模型处理部，基于本客户端固有的固有模型，对由所述数据获取部获取的数据进行处理；以及通用模型处理部，基于由所述固有模型处理部处理过的数据，对从所述服务器获取的通用模型进行训练，所述通用模型在所述两个以上的客户端间通过所述服务器而共享，所述服务器，基于所述两个以上的客户端的各自的通用模型的差分，更新上述通用模型。
-
公开(公告)号：CN119517148A
公开(公告)日：2025-02-25
申请号：CN202311073407.2
申请日：2023-08-24
Applicant: 佳能医疗系统株式会社
Abstract: 本发明涉及一种基于计算的磷酸化蛋白的分析方法，其包含：磷酸化蛋白序列预测步骤(20)：使用计算模型预测目标蛋白的各磷酸化组合的存在概率，选择其中存在概率大于或等于规定概率的磷酸化蛋白；磷酸化蛋白三维结构预测步骤(30)：将通过磷酸化蛋白序列预测步骤得到的磷酸化蛋白序列中的磷酸化丝氨酸和磷酸化苏氨酸分别替换成天冬氨酸和谷氨酸，使用计算模型预测替换后蛋白的三维结构；和分类、聚类步骤(40)：根据磷酸化蛋白三维结构预测步骤中得到的三维结构将磷酸化蛋白分类、聚类。通过本发明，能够不通过实验而仅依靠AI模型的计算全面、快速、低成本地预测磷酸化蛋白的三维结构，进而基于得到的三维结构筛选可作为生物标记物、或药物作用靶的磷酸化蛋白。
-
公开(公告)号：CN115393246A
公开(公告)日：2022-11-25
申请号：CN202110544478.0
申请日：2021-05-19
Applicant: 佳能医疗系统株式会社
Abstract: 图像分割系统具有：注意力热力图生成部，分别根据作为患者的目标病变的不同模态的扫描图像的第一图像和扫描图像的第二图像，生成第一注意力热力图和第二注意力热力图，第一注意力热力图的各像素表示在进行图像分割时给予第一图像中的相同位置的像素的关注程度，第二注意力热力图的各像素表示在进行图像分割时给予第二图像中的相同位置的像素的关注程度；差异值计算部，计算表示第一注意力热力图和第二注意力热力图的差异的注意力差异图像；以及第一神经网络，至少基于第一图像和由差异值计算部生成的注意力差异图像，对第二图像进行图像分割，取得第二图像的分割结果。
-
公开(公告)号：CN114418925A
公开(公告)日：2022-04-29
申请号：CN202011175577.8
申请日：2020-10-28
Applicant: 佳能医疗系统株式会社
Abstract: 一种医学图像处理方法，其包含以下步骤：分割步骤，对医学图像进行分割；选择步骤，基于所述分割的结果及其答案数据的差异，从所述医学图像中选择出医学图像校正用的图像作为关键图像；以及显示步骤，显示所述关键图像。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
