“拉维·索尼”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果13个，建议您升级VIP下载更多相关专利

[发明专利]用于使用深度神经网络来推断二维医学图像中的感兴趣的对象类的厚度的系统和方法-CN202280017926.4在审
发明人：谭涛;M·费耶什;戈帕尔·阿维纳什;拉维·索尼;B·达斯;拉凯什·穆利克;帕尔·泰格泽什;L·费伦齐;维克拉姆·梅拉普迪;克里希纳·希瑟拉姆·施莱姆 -专利权人：通用电气精准医疗有限责任公司
申请日： 2022-01-18 - 公布日： 2023-10-27 - 主分类号： G06T7/62 文献下载
摘要：本发明提供了用于使用深度神经网络来推断二维(2D)医学图像中的一个或多个感兴趣的对象类的厚度和体积的方法和系统。在示例性实施方案中，可通过以下方式来推断感兴趣的对象类的厚度：获取2D医学图像；从该2D医学图像中提取特征；使用第一卷积神经网络(CNN)来将该特征映射到感兴趣的对象类的分割掩模；使用第二CNN来将该特征映射到该感兴趣的对象类的厚度掩模，其中该厚度掩模指示该感兴趣的对象类在该2D医学图像的多个像素中的每个像素处的厚度；以及基于该厚度掩模和该分割掩模来确定该感兴趣的对象类的体积。
用于使用深度神经网络推断二维医学图像中的感兴趣对象厚度系统方法

[发明专利]乐器和乐谱架-CN202110976613.9有效
发明人： 拉维·索尼;约翰·迈克尔·埃拉姆;迈克尔·舒弗特;兰斯·赫西;巴里·米切尔;卡尔·弗朗霍夫;杰克逊·海登;约翰·弗农 -专利权人： RKS投资有限责任公司
申请日： 2021-08-24 - 公布日： 2023-09-22 - 主分类号： G10G7/00 文献下载
摘要：本发明公开了一种乐器和乐谱架。该乐器和乐谱架包括具有多条腿的基座组件。杆从基座组件向上伸出。至少一个具有一对侧凹槽的附接柄脚与杆枢转地附接。包括柄脚接受器，该柄脚接受器选择性地与附接柄脚附接。柄脚接受器由按钮和齿轮棘爪部件形成。按压按钮使得该对齿轮棘爪部件同时从附接柄脚的该对侧凹槽缩回，从而允许用户选择性地将乐谱支架或其他物品与柄脚和架附接和分离。通过对柄脚接收器角度的调整，使乐谱支架可选择性地处于倾斜位置、水平位置等多个不同位置，以满足不同乐器和乐谱支撑的需要，实现其多功能目的。
乐器乐谱

[发明专利]用于训练图像数据生成的多模态图像处理技术及其用于开发单模态图像推断模型的用途-CN202180064254.8在审
发明人：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 -专利权人：通用电气精准医疗有限责任公司
申请日： 2021-09-21 - 公布日： 2023-08-11 - 主分类号： G06T15/10 文献下载
摘要：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。
用于训练图像数据生成多模态处理技术及其开发单模推断模型用途

[发明专利]用于图像配准的方法和系统-CN202211445482.2在审
发明人：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 -专利权人：通用电气精准医疗有限责任公司
申请日： 2022-11-18 - 公布日： 2023-06-02 - 主分类号： G06T7/30 文献下载
摘要：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。
用于图像方法系统

[发明专利]用于X射线成像的系统和方法-CN202211475395.1在审
发明人：吉雷沙·钦塔马尼·拉奥;拉维·索尼;戈帕尔·B·阿维纳什;P·达拉尔;B·A·赫克尔 -专利权人：通用电气精准医疗有限责任公司
申请日： 2022-11-23 - 公布日： 2023-05-30 - 主分类号： A61B6/00 文献下载
摘要：一种人工智能(AI)X射线图像信息检测和校正系统(100)被用作X射线成像系统(10)的部件或独立于X射线成像系统(10)，以自动扫描曝光后X射线图像(104)以检测该X射线图像(104)的各种类型的信息或特性，包括但不限于X射线图像(408)的解剖结构(402)、视图(404)、取向(406)和侧向性以及解剖学界标分割(410)。然后，可以由AI系统(102)将所检测到的关于X射线图像(104)的信息与X射线图像(104)相关联地存储，以用于各种下游X射线系统工作流程自动化和/或X射线图像(104)的检查。
用于射线成像系统方法

[发明专利]用于从关键解剖位置的估计获得X射线图像的准确测量和量化的系统和方法-CN202211457824.2在审
发明人：吉雷沙·钦塔马尼·拉奥;拉维·索尼;戈帕尔·B·阿维纳什;P·达拉尔;刘晨;张墨林;Z·赫兹格 -专利权人：通用电气精准医疗有限责任公司
申请日： 2022-11-21 - 公布日： 2023-05-30 - 主分类号： A61B6/00 文献下载
摘要：一种用于X射线图像(102,202)的人工智能(AI)测量系统(1000)用作X射线成像系统(10)的组成或与该X射线成像系统(10)分开采用，以自动扫描曝光后的X射线图像(102,202)以检测和定位X射线图像(102,202)内呈现的解剖结构(306)的各种标志(304)。接近彼此具有已知距离关系的该标志(304)的位置的一组关键图像特征(302)叠加在该X射线图像(102,202)上。然后将该关键图像特征(302)的位置调整成对应于该X射线图像(102,202)内的该标志(304)。这些调整是相对于该关键特征(302)之间的先前已知距离关系做出的，因此这使得该测量系统(1000)能够易于计算该标志(304)之间期望的角度和长度测量(112)。
用于关键解剖位置估计获得射线图像准确测量量化系统方法

[发明专利]用于X射线成像系统的X射线铅标记物检测系统-CN202211458807.0在审
发明人：吉雷沙·钦塔马尼·拉奥;拉维·索尼;P·达拉尔;刘晨;迪比亚乔蒂·帕蒂;凯特琳·奈 -专利权人：通用电气精准医疗有限责任公司
申请日： 2022-11-21 - 公布日： 2023-05-30 - 主分类号： A61B6/00 文献下载
摘要：一种人工智能(AI)铅标记物检测系统(100)，该人工智能(AI)铅标记物检测系统作为X射线成像系统(10)的部件或与X射线成像系统(10)分开用于扫描曝光后X射线图像(106)，以检测并插入各种铅标记物(104,108”)，以使由铅标记物(104)的类型和位置提供的信息数字化，并且以在不同的X射线系统工作流程自动化中采用标记物信息。由AI铅标记物检测系统(100)获得的标记物信息还可提供有用数据以在与X射线系统(10)分开的下游临床应用和质量应用(诸如AI或非AI分析应用)中使用。
用于射线成像系统标记检测

[发明专利]用于改善机器学习模型泛化能力的合成训练数据生成-CN202110965176.0在审
发明人： 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 -专利权人：通用电气精准医疗有限责任公司
申请日： 2021-08-20 - 公布日： 2022-03-08 - 主分类号： G06V10/774 文献下载
摘要：本发明题为“用于改善机器学习模型泛化能力的合成训练数据生成”。本发明提供了促进合成训练数据生成以实现改善的机器学习泛化能力的系统和技术。在各种实施方案中，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。在各个方面，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。在各种情况下，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。在各种情况下，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。在各个方面，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。在各种情况下，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。在各种实施方案中，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。
用于改善机器学习模型泛化能力合成训练数据生成

[发明专利]用于检测医学图像的偏侧性的系统和方法-CN202110165930.2在审
发明人：卡勒德·赛勒穆·尤尼斯;拉维·索尼;凯特琳·罗斯·奈;吉雷沙·钦塔马尼·拉奥;约翰·迈克尔·萨博尔;亚什·N·沙阿 -专利权人：通用电气精准医疗有限责任公司
申请日： 2021-02-05 - 公布日： 2021-09-14 - 主分类号： G06T7/00 文献下载
摘要：本发明题为用于检测医学图像的偏侧性的系统和方法。本发明提供了一种x射线图像偏侧性检测系统(200)。该x射线图像偏侧性检测系统包括检测计算设备(202，800)。计算设备的处理器(814)被编程为执行用于分析x射线图像的神经网络模型，其中神经网络模型(204，338，600，1600，2600，3600)用训练x射线图像作为输入以及用与训练x射线图像相关联的所观察偏侧性类别作为输出来训练。该过程还被编程为接收未分类x射线图像，使用神经网络模型分析未分类x射线图像，并且将偏侧性类别分配给未分类x射线图像。如果所分配的偏侧性类别不是目标偏侧性，则处理器被编程为调节未分类x射线图像以导出具有目标偏侧性的校正的x射线图像并输出校正的x射线图像。如果所分配的偏侧性类别是目标偏侧性，则处理器被编程为输出未分类x射线图像。
用于检测医学图像偏侧性系统方法

[发明专利]医疗机器合成数据和对应事件生成-CN202010324565.0在审
发明人： 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 -专利权人：通用电气精准医疗有限责任公司
申请日： 2020-04-22 - 公布日： 2020-10-30 - 主分类号： G16H50/20 文献下载
摘要：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。
医疗机器合成数据对应事件生成

[发明专利]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-CN202010149375.X在审
发明人： 拉维·索尼;张敏;马梓力;戈帕尔·B·阿维纳什 -专利权人：通用电气精准医疗有限责任公司
申请日： 2020-03-05 - 公布日： 2020-10-09 - 主分类号： G06K9/62 文献下载
摘要：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。
基于深度神经网络使用生成对抗网络现实合成图像识别

[发明专利]针对生成模型的并发图像和对应多信道辅助数据生成-CN202010187358.5在审
发明人： 拉维·索尼;戈帕尔·B·阿维纳什;张敏 -专利权人：通用电气公司
申请日： 2020-03-17 - 公布日： 2020-10-09 - 主分类号： G06K9/62 文献下载
摘要：本发明题为“针对生成模型的并发图像和对应多信道辅助数据生成”。本发明提出了用于提供针对生成模型的并发图像和对应多信道辅助数据生成的系统和技术。在一个示例中，系统生成与成像数据的合成版本相关联的合成多信道数据。该系统还通过第一预测类别集或第二预测类别集来预测多信道成像数据和合成多信道数据。此外，该系统采用合成多信道数据的第一预测类别集或第二预测类别集来训练生成对抗网络模型。
针对生成模型并发图像对应信道辅助数据

[发明专利]用于医疗保健的可扩展人工智能模型生成系统和方法-CN201910981660.5在审
发明人： 拉维·索尼;张敏;戈帕尔·阿维纳什 -专利权人：通用电气公司
申请日： 2019-10-16 - 公布日： 2020-05-08 - 主分类号： G06T7/00 文献下载
摘要：本发明题为“用于医疗保健的可扩展人工智能模型生成系统和方法”。本发明公开了使用合成数据来生成人工智能模型的系统和方法。示例性系统包括深度神经网络(DNN)生成器以使用第一真实数据来生成第一DNN模型。该示例性系统包括合成数据生成器以由该第一真实数据生成第一合成数据，该第一合成数据将由该DNN生成器用来生成第二DNN模型。该示例性系统包括评估器以评估该第一DNN模型和该第二DNN模型的性能，从而确定是否要生成第二合成数据。该示例性系统包括合成数据聚合器以聚合来自多个站点的第三合成数据和第四合成数据，从而形成合成数据集。该示例性系统包括人工智能模型部署处理器以部署使用该合成数据集训练和测试的人工智能模型。
用于医疗保健扩展人工智能模型生成系统方法

1
共 13 条