-
公开(公告)号：CN116612140A
公开(公告)日：2023-08-18
申请号：CN202310159314.5
申请日：2023-02-14
Applicant: 西门子医疗有限公司
Abstract: 用于体积量化和个体检测的脑图像上的急性颅内出血分割。提供了用于确定出血的分割的系统和方法。接收患者的出血的输入医学图像。使用基于机器学习的轮廓敏感分割网络执行来自输入医学图像的出血的轮廓敏感分割。使用基于机器学习的检测敏感分割网络执行来自输入医学图像的出血的检测敏感分割。基于轮廓敏感分割的结果和检测敏感分割的结果确定来自输入医学图像的出血的最终分割。输出出血的最终分割。
-
公开(公告)号：CN112508842A
公开(公告)日：2021-03-16
申请号：CN202010952660.5
申请日：2020-09-11
Applicant: 西门子医疗有限公司
Abstract: 本发明涉及具有结构化的图像分解的3D医学图像中的可操纵对象合成。提供了用于生成合成图像的系统和方法。接收输入医学图像补块、分割掩码、外观相关参数的向量以及可操纵的属性。使用经训练的对象合成网络，基于输入医学图像补块、分割掩码、外观相关参数的向量以及可操纵的属性，生成包括合成结节的合成的医学图像补块。合成的结节根据可操纵的属性被合成。输出合成的医学图像补块。
-
公开(公告)号：CN113538305B
公开(公告)日：2024-07-02
申请号：CN202110399157.6
申请日：2021-04-14
Applicant: 西门子医疗有限公司
IPC: G06T5/50 , G06T7/11 , G06T7/136 , G06T5/60 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 提供了用于生成合成医学图像的系统和方法。接收输入医学图像。生成合成分割掩模。基于合成分割掩模对输入医学图像进行掩蔽。经掩蔽的输入医学图像具有未掩蔽部分和经掩蔽部分。使用经训练的基于机器学习的生成器网络来生成初始合成医学图像。初始合成医学图像包括经掩蔽的输入医学图像的未掩蔽部分的合成版本、以及经掩蔽的输入医学图像的经掩蔽部分中的合成图案。将合成图案与输入医学图像融合以生成最终的合成医学图像。
-
公开(公告)号：CN113384287A
公开(公告)日：2021-09-14
申请号：CN202110271440.0
申请日：2021-03-12
Applicant: 西门子医疗有限公司
Abstract: 用于减少交互的CT扫描工作流程的系统和方法。传感器被用来捕获工作台上的患者的图像。自动设置扫描参数。在没有侦察扫描的情况下执行全CT扫描。在全CT扫描期间，基于来自全CT扫描的原始CT测量结果来调整扫描参数。根据全CT扫描的结果来自动生成放射学报告。
-
公开(公告)号：CN115908244A
公开(公告)日：2023-04-04
申请号：CN202211197573.9
申请日：2022-09-29
Applicant: 西门子医疗有限公司
IPC: G06T7/00 , G06V10/764 , G06N20/00 , G06V10/82 , G06N3/0464
Abstract: 用于改进的AI性能的域外检测。提供了用于确定输入数据在基于AI（人工智能）的系统的域外的系统和方法。接收用于输入到基于AI的系统中的输入数据。对基于AI的系统的域内特征空间和基于AI的系统的域外特征空间进行建模。域内特征空间对应于基于AI的系统被训练来分类的数据的特征。域外特征空间对应于基于AI的系统未被训练来分类的数据的特征。在域内特征空间和域外特征空间中针对输入数据和针对基于AI的系统被训练来分类的数据生成概率分布函数。基于针对输入数据和针对基于AI的系统被训练来分类的数据的概率分布函数来确定输入数据是否在基于AI的系统的域外。
-
Patent Agency Ranking
公开(公告)号：CN113971657A
公开(公告)日：2022-01-25
申请号：CN202110830474.9
申请日：2021-07-22
Applicant: 西门子医疗有限公司
IPC: G06T7/00 , G06T5/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明涉及用于医学成像中的异常评估的基于噪声标签的机器学习。对于医学成像中的异常评估的机器学习和机器学习模型的应用，机器学习使用损失的正则化，诸如被用于训练胸片中的异常分类的正则化。正则化可以是噪声和/或相关性正则化，其针对训练数据的嘈杂的地面真值标签。由于在训练中使用了噪声和/或相关性正则化，结果得到的机器学习模型可以更好地对医学图像中的异常进行分类。
-
公开(公告)号：CN113538305A
公开(公告)日：2021-10-22
申请号：CN202110399157.6
申请日：2021-04-14
Applicant: 西门子医疗有限公司
Abstract: 提供了用于生成合成医学图像的系统和方法。接收输入医学图像。生成合成分割掩模。基于合成分割掩模对输入医学图像进行掩蔽。经掩蔽的输入医学图像具有未掩蔽部分和经掩蔽部分。使用经训练的基于机器学习的生成器网络来生成初始合成医学图像。初始合成医学图像包括经掩蔽的输入医学图像的未掩蔽部分的合成版本、以及经掩蔽的输入医学图像的经掩蔽部分中的合成图案。将合成图案与输入医学图像融合以生成最终的合成医学图像。
-
公开(公告)号：CN113469934A
公开(公告)日：2021-10-01
申请号：CN202110346295.8
申请日：2021-03-31
Applicant: 西门子医疗有限公司
Inventor： S·查甘蒂 , S·格尔比奇 , B·乔治斯库 , 徐宙冰 , 刘思奇 , 刘永珍 , T·雷 , G·沙班 , T·弗洛尔 , V·齐班特 , D·科马尼丘 , B·泰克塞拉 , S·皮埃特
Abstract: 提供了用于评估疾病的系统和方法。接收患者肺的医学成像数据。从医学成像数据分割肺，并且从医学成像数据分割与疾病相关联的异常区域。基于分割的肺和分割的异常区域来确定对疾病的评估。该疾病可以是COVID‑19（冠状病毒疾病2019）或者诸如例如SARS（严重急性呼吸综合征）、MERS（中东呼吸综合征）或其它类型的病毒性和非病毒性肺炎之类的疾病。
-
-
公开(公告)号：CN115719328A
公开(公告)日：2023-02-28
申请号：CN202211012096.4
申请日：2022-08-23
Applicant: 西门子医疗有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/30 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 用于量化医学图像评估的不确定性的方法、系统和不确定性量化器。一方面，本发明涉及一种用于为由机器学习系统（M）提供的对于成像数据（I）的医学评估提供不确定性预测的计算机实现的方法。该方法包括接收（1）输入数据集，该输入数据集包括已经被提供给机器学习系统（M）的成像数据（I）和非成像数据，每个非成像数据被表示为具有某种程度的噪声的信号（S），所述噪声被量化为不确定性，特别是偶然不确定性；提供（2）信息融合算法；以及将接收的输入数据集应用（3）于提供的信息融合算法，同时基于提供的输入数据集，通过信息融合算法对不确定性的传播进行建模，以预测由机器学习系统（M）提供的作为结果（r）的医学评估的不确定性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.023 seconds)
