-
公开(公告)号：CN114155402B
公开(公告)日：2025-05-09
申请号：CN202110965176.0
申请日：2021-08-20
Applicant: 通用电气精准医疗有限责任公司
Inventor： 拉维·索尼 , 谭涛 , 戈帕尔·B·阿维纳什 , 迪比亚乔蒂·帕蒂 , H·克鲁帕卡 , 文卡塔·拉特南·萨里帕利
IPC: G06V10/774 , G06N20/00
Abstract: 本发明题为″促进合成训练数据生成的系统、方法和计算机程序产品″。元素增强部件可基于带注释的源图像生成一组带注释的初步训练图像。可通过将至少一个感兴趣元素或至少一个背景元素插入到带注释的源图像中来形成带注释的初步训练图像。模态增强部件可基于该组带注释的初步训练图像生成一组带注释的中间训练图像。可通过改变带注释的初步训练图像的至少一个基于模态的特性来形成带注释的中间训练图像。几何增强部件可基于该组带注释的中间训练图像生成一组带注释的可部署训练图像。可通过改变带注释的中间训练图像的至少一个几何特性来形成带注释的可部署训练图像。训练部件可在该组带注释的可部署训练图像上训练机器学习模型。
-
公开(公告)号：CN116739896A
公开(公告)日：2023-09-12
申请号：CN202310098633.X
申请日：2023-02-10
Applicant: 通用电气精准医疗有限责任公司
Inventor： 王德军 , 其布尔 , 谭涛 , 吉雷沙·钦塔马尼·拉奥 , 戈帕尔·B·阿维纳什 , 彭清明 , 葛雅安 , 西尔万·伯纳德 , 文森特·比斯马思
Abstract: 断层融合机器(10)通过采集投影衰减数据(61)并且使用机器学习(86)来识别投影衰减数据(70)的子集，以用于使用机器学习产生更薄的切片和/或更高分辨率的切片(76)来允许更快的图像采集和改进的信噪比。
-
公开(公告)号：CN117172284A
公开(公告)日：2023-12-05
申请号：CN202310578466.9
申请日：2023-05-22
Applicant: 通用电气精准医疗有限责任公司
Inventor： 谭涛 , 戈帕尔·B·阿维纳什 , L·博伊莱文凯尔 , 文森特·比斯马思 , 米歇尔·S·托姆 , 格尔曼·吉列尔莫·威拉冈萨雷斯
IPC: G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N3/09 , G06T1/20 , G06T5/00 , G16H30/40 , G06V10/764 , G06V10/82
Abstract: 提供了通过较小参数促进改进神经网络推断效率的系统/技术。在各种实施方案中，系统可访问医学图像，在该医学图像上将执行人工智能任务。在各个方面中，该系统可通过在医学图像上执行神经网络流水线来促进人工智能任务，由此产生对应于医学图像的人工智能任务输出。在各种情况下，在任何卷积之前，神经网络流水线可包括从医学图像到神经网络流水线中的每个卷积层的相应跳跃连接。
-
公开(公告)号：CN116205954A
公开(公告)日：2023-06-02
申请号：CN202211445482.2
申请日：2022-11-18
Applicant: 通用电气精准医疗有限责任公司
Inventor： 迪比亚乔蒂·帕蒂 , 洪俊杓 , 文卡塔·拉特南·萨里帕利 , 格尔曼·吉列尔莫·威拉冈萨雷斯 , 王德军 , 周爱珍 , 戈帕尔·B·阿维纳什 , 拉维·索尼 , 谭涛 , 陈富强 , 葛雅安
Abstract: 本发明提供了用于自动配准并拼接图像的各种方法和系统。在一个示例中，一种方法包括：将对象的第一图像(224)和该对象的第二图像(225)输入被训练成基于该第一图像(224)和该第二图像(225)输出变换矩阵(270)的模型(260)，其中该模型(260)用多个训练数据集(242)进行训练，每个训练数据集(242)包括图像对(244,245)、指示感兴趣区域(ROI)的遮罩(246,247)以及相关联的地面真值(248)；基于该变换矩阵(270)将该第一图像(224)和该第二图像(225)自动拼接在一起以形成拼接图像；以及输出该拼接图像以显示在显示设备(134)上和/或将该拼接图像存储在存储器(106)中。
-
公开(公告)号：CN111863236A
公开(公告)日：2020-10-30
申请号：CN202010324565.0
申请日：2020-04-22
Applicant: 通用电气精准医疗有限责任公司
Inventor： 拉维·索尼 , 张敏 , 戈帕尔·B·阿维纳什 , 文卡塔·拉特南·萨里帕利 , 管嘉汇 , 迪比亚乔蒂·帕蒂 , 马梓力
Abstract: 本发明题为“医疗机器合成数据和对应事件生成”。本发明公开了用于医疗机器时间序列事件数据生成的系统、装置、指令和方法。示例性合成时间序列数据生成装置将使用第一人工智能网络模型来生成包括多通道时间序列数据和相关联的注释的合成数据集。示例性装置将使用第二人工智能网络模型相对于真实数据集分析合成数据集。当第二人工智能网络模型将合成数据集分类为第一分类时，示例性装置将使用来自第二人工智能网络模型的反馈来调整第一人工智能网络模型。当第二人工智能网络模型将合成数据集分类为第二分类时，示例性装置将输出合成数据集。
-
Patent Agency Ranking
公开(公告)号：CN111753865A
公开(公告)日：2020-10-09
申请号：CN202010149375.X
申请日：2020-03-05
Applicant: 通用电气精准医疗有限责任公司
Inventor： 拉维·索尼 , 张敏 , 马梓力 , 戈帕尔·B·阿维纳什
Abstract: 本发明题为“基于深度神经网络的对使用生成式对抗网络来生成的现实合成图像的识别”。本发明提供了用于对使用生成式对抗网络(GAN)来生成的现实合成图像的深度神经网络(DNN)识别的技术。根据一个实施方案，描述了一种系统，该系统可以包括存储计算机可执行部件的存储器以及执行存储在存储器中的计算机可执行部件的处理器。计算机可执行部件可以包括第一提取部件，该第一提取部件提取被分类为非真实而不是真实的合成图像的子集，其中合成图像的子集使用GAN模型来生成。计算机可执行部件还可以包括训练部件，该训练部件采用合成图像的子集和真实图像来训练DNN模型以将使用GAN模型来生成的合成图像分类为真实或非真实。
-
公开(公告)号：CN111863236B
公开(公告)日：2024-07-23
申请号：CN202010324565.0
申请日：2020-04-22
Applicant: 通用电气精准医疗有限责任公司
Inventor： 拉维·索尼 , 张敏 , 戈帕尔·B·阿维纳什 , 文卡塔·拉特南·萨里帕利 , 管嘉汇 , 迪比亚乔蒂·帕蒂 , 马梓力
IPC: G16H50/20 , G06N3/0464 , G06N3/084 , G06N3/0442 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明题为“医疗机器合成数据和对应事件生成”。本发明公开了用于医疗机器时间序列事件数据生成的系统、装置、指令和方法。示例性合成时间序列数据生成装置将使用第一人工智能网络模型来生成包括多通道时间序列数据和相关联的注释的合成数据集。示例性装置将使用第二人工智能网络模型相对于真实数据集分析合成数据集。当第二人工智能网络模型将合成数据集分类为第一分类时，示例性装置将使用来自第二人工智能网络模型的反馈来调整第一人工智能网络模型。当第二人工智能网络模型将合成数据集分类为第二分类时，示例性装置将输出合成数据集。
-
公开(公告)号：CN118177852A
公开(公告)日：2024-06-14
申请号：CN202311536650.3
申请日：2023-11-17
Applicant: 通用电气精准医疗有限责任公司
Abstract: 本公开提供了各种方法和系统，用于增强从断层融合投影图像(326)生成2D合成图像(326)，诸如2D合成图像(326)。为了增强该图像(326)，图像处理系统(100,1100,1200)利用所选择的高度间隔来扫描从该断层融合投影图像(302)重建的体积(307)内的感兴趣的对象(502,502')。该高度间隔大于由所重建的体积(307)形成的正常切片(322)，使得可从该体积(307)内的相邻切片(322)获取较大块的像素信息。此外，可通过贡献来自所有断层融合投影(302)的像素信息来修改该2D合成图像(326)中的该感兴趣的对象(502,502')的图示，以呈现该感兴趣的对象(502,502')。来自所有断层融合投影(302)的像素信息的使用增强了该增强图像(326)内该感兴趣的对象(502,502')的高频分量和低频分量的图示。
-
公开(公告)号：CN117883100A
公开(公告)日：2024-04-16
申请号：CN202311237237.7
申请日：2023-09-25
Applicant: 通用电气精准医疗有限责任公司
Inventor： B·P·奇里亚 , 格尔曼·吉列尔莫·威拉冈萨雷斯 , 谭涛 , 帕尔·泰格泽什 , 贾斯汀·M·瓦内克 , 戈帕尔·B·阿维纳什 , Z·赫兹格 , 拉维·索尼 , 吉雷沙·钦塔马尼·拉奥
Abstract: 一种双能量x射线成像系统(100)和操作方法包括基于人工智能的运动校正系统(180)以最小化由成像系统(100)产生的图像中的运动伪影的影响。该运动校正系统(180)被训练以将模拟运动应用于训练数据集中的LE投影和HE投影(1002,1004)内的各种感兴趣对象，以改进LE投影和HE投影(1002,1004)的配准。运动校正系统(180)还被训练为使用噪声衰减来增强小运动伪影的校正，并且对训练数据集图像的基于减影图像的边缘检测减少来自LE投影(1004)的噪声，因此改进小运动伪影校正。运动校正系统(180)另外在形成减影软组织图像(1016)和骨组织图像(1018)时对软组织和骨组织采用单独的运动校正，并且包括运动警报以指示LE投影和HE投影(1002,1004)之间的运动何时需要重新拍摄投影。
-
公开(公告)号：CN116583880A
公开(公告)日：2023-08-11
申请号：CN202180064254.8
申请日：2021-09-21
Applicant: 通用电气精准医疗有限责任公司
Inventor： 谭涛 , 戈帕尔·B·阿维纳什 , M·费耶什 , 拉维·索尼 , D·A·萨博 , 拉凯什·穆利克 , 维克拉姆·梅拉普迪 , 克里希纳·希瑟拉姆·施莱姆 , 索汉·拉希米·兰詹 , B·达斯 , U·阿格拉沃尔 , L·鲁斯科 , Z·赫兹格 , B·达拉兹
IPC: G06T15/10
Abstract: 本公开描述了用于从多模态图像数据生成单模态训练图像数据并且使用单模态训练图像数据来训练和开发单模态图像推断模型的技术。一种方法实施方案包括：由包括处理器的系统从第一捕获模态的3D图像生成合成2D图像，其中合成2D图像对应于第二捕获模态中的3D图像的2D版本，并且其中3D图像和合成2D图像描绘同一患者的同一解剖区域。该方法还包括：由系统将针对3D图像的真值数据转移到合成2D图像。在一些实施方案中，该方法还包括：采用合成2D图像以促进将真值数据转移到使用第二捕获模态捕获的同一患者的同一解剖区域的原生2D图像。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.046 seconds)
