“H·拉克索南”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9个，建议您升级VIP下载更多相关专利

[发明专利]与放射处理计划有关的方法和装置-CN202180047240.5在审
发明人： J·I·诺德;H·拉克索南;J·施雷伊尔;J·Y·佩尔托拉;C·博伊兰 -专利权人：西门子医疗国际股份有限公司
申请日： 2021-06-29 - 公布日： 2023-04-07 - 主分类号： G16H20/40 文献下载
摘要：控制电路访问(201)关于针对不同患者的先前优化的放射处理计划的历史信息，并且处理(202)该信息以确定不同临床目标的相对重要性。然后，根据临床目标的相对重要性，该电路便于(203)针对特定患者的特定计划的开发。通过一种方法，控制电路可以被配置为放射处理计划推荐资源，该放射处理计划推荐资源访问放射处理计划制定内容项的数据库，该放射处理计划制定内容项包括放射处理计划模板、自动计划算法和自动分割算法中的至少一者。通过一种方法，控制电路可以被配置为：当向用户呈现自动生成的放射处理计划时，还共同呈现用于用户向远程实体发信号通知计划中没有一个是可接受的并且用户将代替地采用针对特定患者的用户生成的计划的机会。
放射处理计划有关方法装置

[发明专利]用于使用深度学习引擎进行自适应放射治疗计划的方法和系统-CN202210168442.1在审
发明人： H·拉克索南;J·诺德;S·P·珀图 -专利权人：瓦里安医疗系统国际股份公司
申请日： 2019-09-26 - 公布日： 2022-04-15 - 主分类号： A61N5/10 文献下载
摘要：提供了使用深度学习引擎进行自适应放射治疗计划的示例方法。一种示例方法可以包括获得与第一成像模态相关联的治疗图像数据。所述治疗图像数据可以在患者的治疗阶段期间获取。另外，可以在所述治疗阶段之前获取与第二成像模态相关联的计划图像数据以为所述患者产生治疗计划。所述方法还可以包括：响应于确定需要对所述治疗计划进行更新，对与所述第一成像模态相关联的所述治疗图像数据进行变换以产生与所述第二成像模态相关联的变换后的图像数据。所述方法还可以包括：使用所述深度学习引擎来处理所述变换后的图像数据以产生输出数据来更新所述治疗计划。
用于使用深度学习引擎进行自适应放射治疗计划方法系统

[发明专利]用于医学成像中的图像裁剪和解剖结构分割的系统和方法-CN202080060494.6在审
发明人： H·拉克索南;J·诺德;J·施雷伊尔 -专利权人：瓦里安医疗系统国际股份公司
申请日： 2020-08-25 - 公布日： 2022-04-12 - 主分类号： G06T7/11 文献下载
摘要：患者的一个或多个医学图像由第一神经网络模型处理(516)以确定感兴趣区域(ROI)或截断平面。来自第一神经网络模型的信息被用来裁剪(517)医学图像，该医学图像用作到第二神经网络模型的输入。第二神经网络模型处理(518)经裁剪的医学图像以确定患者的医学图像中的解剖结构的轮廓。第一神经网络模型和第二神经网络模型中的每一个都是深度神经网络模型。通过在第二神经网络模型的训练阶段和推理阶段使用裁剪图像，产生具有锐利边缘或平坦表面的轮廓。
用于医学成像中的图像裁剪解剖结构分割系统方法

[发明专利]一种用于执行自适应放射治疗计划的计算机系统-CN201910918486.X有效
发明人： H·拉克索南;J·诺德;S·P·珀图 -专利权人：瓦里安医疗系统国际股份公司
申请日： 2019-09-26 - 公布日： 2022-02-25 - 主分类号： A61N5/10 文献下载
摘要：提供了使用深度学习引擎进行自适应放射治疗计划的示例方法。一种示例方法可以包括获得与第一成像模态相关联的治疗图像数据。所述治疗图像数据可以在患者的治疗阶段期间获取。另外，可以在所述治疗阶段之前获取与第二成像模态相关联的计划图像数据以为所述患者产生治疗计划。所述方法还可以包括：响应于确定需要对所述治疗计划进行更新，对与所述第一成像模态相关联的所述治疗图像数据进行变换以产生与所述第二成像模态相关联的变换后的图像数据。所述方法还可以包括：使用所述深度学习引擎来处理所述变换后的图像数据以产生输出数据来更新所述治疗计划。
一种用于执行自适应放射治疗计划计算机系统

[发明专利]用于基于连续深度学习的放射疗法治疗规划的方法和系统-CN202080040121.2在审
发明人： J·施雷伊尔;H·拉克索南;H·海沃南 -专利权人：瓦里安医疗系统国际股份公司
申请日： 2020-06-04 - 公布日： 2022-01-04 - 主分类号： A61N5/10 文献下载
摘要：提供了用于基于连续深度学习的放射疗法治疗规划的示例方法和系统。一种示例方法可以包括：获取(210)深度学习引擎，该深度学习引擎被训练以基于与第一规划规则相关联的第一训练数据来执行放射疗法治疗规划任务。该方法还可以包括：基于与特定患者相关联的输入数据，使用深度学习引擎来执行(220)放射疗法治疗规划任务，以生成与特定患者相关联的输出数据；以及获取(230)经修改的输出数据，该经修改的输出数据包括对由深度学习引擎生成的输出数据的一个或多个修改。该方法还可以包括：基于经修改的输出数据，生成(240)与第二规划规则相关联的第二训练数据；并且通过使用第一训练数据和第二训练数据的组合重新训练深度学习引擎来生成(250)经修改的深度学习引擎。
用于基于连续深度学习放射疗法治疗规划方法系统

[发明专利]在放射治疗计划制定中使用等剂量表面以优化剂量分布-CN202080025712.2在审
发明人： E·屈塞拉;H·拉克索南;L·哈尔克 -专利权人：瓦里安医疗系统国际股份公司
申请日： 2020-03-20 - 公布日： 2021-11-12 - 主分类号： A61N5/10 文献下载
摘要：用于放射治疗计划制定的成本函数和成本函数梯度可以基于“等剂量”表面的近似来计算。在通过参考阈值等剂量表面来表达临床目标的情况下，可以通过参考该等剂量表面1004直接定义对应成本函数分量，并且可以通过标识与阈值等剂量表面相交的体素并且近似每个这样的体素内的剂量分布的梯度来近似对成本函数梯度的对应贡献。
放射治疗计划制定使用剂量表面优化分布

[发明专利]针对基于深度迁移学习的放射疗法处理计划的方法和系统-CN201980084493.2在审
发明人： H·拉克索南;S·P·珀图;J·诺德;J·施雷伊尔;T·洛克拉 -专利权人：瓦里安医疗系统国际股份公司
申请日： 2019-05-30 - 公布日： 2021-08-17 - 主分类号： G16H20/40 文献下载
摘要：提供了用于放射疗法处理计划的深度迁移学习的示例方法和系统。一种示例方法可以包括：获得(310)基础深度学习引擎，其被预训练以执行基础放射疗法处理计划任务；以及基于基础深度学习引擎，生成目标深度学习引擎以执行目标放射疗法处理计划任务。目标深度学习引擎可以通过以下方式处理生成：在基础深度学习引擎的多个基础层中配置(330)可变基础层，并且通过修改可变基础层来生成(340)目标深度学习引擎的多个目标层中的一个目标层。备选地或附加地，目标深度学习引擎可通过以下方式处理生成：在多个基础层中配置(350)不变基础层，并且基于使用不变基础层所生成的特征数据生成(360)目标深度学习引擎的多个目标层中的一个目标层。
针对基于深度迁移学习放射疗法处理计划方法系统

[发明专利]使用深度学习引擎进行放射疗法治疗计划的方法和系统-CN201980063861.5在审
发明人： H·拉克索南;M·科德罗·马科斯;E·切兹勒;J·诺德;S·P·珀图 -专利权人：瓦里安医疗系统国际股份公司
申请日： 2019-09-24 - 公布日： 2021-05-07 - 主分类号： A61N5/10 文献下载
摘要：提供了使用深度学习引擎进行放射疗法治疗计划的示例方法。一个示例方法可以包括：获取与患者相关联的第一图像数据(211)；通过使用第一处理路径(221)处理与第一分辨率水平相关联的第一图像数据来生成第一特征数据(241)；通过使用第二处理路径(222)处理与第二分辨率水平相关联的第二图像数据(212)来生成第二特征数据(242)；通过使用第三处理路径(223)处理与第三分辨率水平相关联的第三图像数据(213)来生成第三特征数据(243)。该示例方法还可以包括：生成与第二分辨率水平相关联的特征数据的第一组合集(252)，并且基于第一特征数据和第一组合集来生成与第一分辨率水平相关联的特征数据的第二组合集。此外，该示例方法可以包括生成与患者的放射疗法治疗相关联的输出数据(260)。
使用深度学习引擎进行放射疗法治疗计划方法系统

[发明专利]用于可移除存储器模块的装置及方法-CN201210065583.7有效
发明人： H·拉克索南;T·阿尼南;J·萨缪尔斯 -专利权人：诺基亚公司
申请日： 2012-03-09 - 公布日： 2012-10-17 - 主分类号： H04M1/02 文献下载
摘要：按照本发明的示范性实施例，提供了一种装置，其包含：配置成接纳第一和第二可移除存储器模块的第一部件；利用铰链与第一部件耦合的第二部件；以及导电端子，配置成在第一闭合位置中与第一可移除存储器模块接触，以及在第二闭合位置中与第二可移除存储器模块接触。
用于存储器模块装置方法

1
共 9 条