[发明专利]医疗系统、医疗设备和医疗方法在审
| 申请号： | 201980054393.5 | 申请日： | 2019-08-28 |
| 公开（公告）号： | CN112585692A | 公开（公告）日： | 2021-03-30 |
| 发明（设计）人： | 笹田志织;渡边真司;山根健治;长谷川宽;高桥一真 | 申请（专利权）人： | 索尼公司 |
| 主分类号： | G16H30/40 | 分类号： | G16H30/40 |
| 代理公司： | 北京康信知识产权代理有限责任公司 11240 | 代理人： | 余刚 |
| 地址： | 日本*** | 国省代码： | 暂无信息 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 一种医疗系统，包括：控制部，被配置为接收通过对一个观察目标对象进行成像而产生的病理图像数据，该病理图像数据包括第一图像数据和第二图像数据，第二图像数据与观察目标对象有关，但是与第一图像数据不同；显示控制部，其使显示部在其上显示第一图像数据和第二图像数据；以及注释处理部，其基于用户的输入将注释应用于第一图像数据和第二图像数据中的每一者。 | ||
| 搜索关键词： | 医疗 系统 设备 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于索尼公司，未经索尼公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201980054393.5/，转载请声明来源钻瓜专利网。
- 同类专利
- 用于确认感兴趣区域的医学图像提供方法及装置-202280015970.1
- 主元亨;朴秀喜;崔圭钰 - 奥齿泰有限责任公司
- 2022-04-18 - 2023-10-27 - G16H30/40
- 根据本发明，公开了一种医学图像提供方法及装置，其中：显示医学图像提供条件的列表；从与用户相关的所述列表接收至少一个医学图像提供条件的选择输入；以及基于所述选择输入生成医学图像，其中预存储的医学图像根据医学图像提供条件调整。
- 超声心动图上下文测量工具-201880021034.5
- M·塞芬斯特;T·A·福斯贝里;A·帕特尔 - 皇家飞利浦有限公司
- 2018-02-28 - 2023-10-27 - G16H30/40
- 一种系统(100)包括：超声心动图测量工具(150)，其被配置为根据超声成像序列(110)的视图以及所述视图与测量结果子集(152)之间的映射(154)来从超声心动图测量结果的列表中确定所述测量结果子集。
- 针对前列腺癌的多模态计算机辅助诊断系统和方法-201880073438.9
- 巴蒂斯特·莫里斯·佩兰;梅洛迪·斯佩兰迪奥;露西尔·诺什让;洛林·詹姆斯 - 通用电气公司
- 2018-11-20 - 2023-10-27 - G16H30/40
- 本发明公开了用于计算机辅助的前列腺病症诊断的方法和装置。一种示例性计算机辅助的前列腺病症诊断装置包括用于存储指令的存储器和处理器。示例性处理器将执行指令以实现至少前列腺评估器、病灶评估器和结果生成器。示例性前列腺评估器将评估患者图像中前列腺的体积和密度以确定前列腺的前列腺特异性抗原水平。示例性病灶评估器将分析图像中前列腺上的病灶。示例性结果生成器将基于前列腺特异性抗原水平和对病灶的分析来生成对前列腺健康的评估。
- 利用神经网络的膀胱病变诊断方法及其系统-202280017419.0
- 白寅暎;郭兌荣;金善禹 - 第一百欧有限公司
- 2022-03-14 - 2023-10-20 - G16H30/40
- 本发明公开一种利用神经网络的膀胱病变诊断方法及其系统。上述利用神经网络的膀胱病变诊断方法包括如下的步骤：膀胱病变诊断系统接收单位病理图像；上述膀胱病变诊断系统将上述单位病理图像输入到第一神经网络并从上述单位病理图像获取多个膀胱病变中第一膀胱病变的诊断结果；以及上述膀胱病变诊断系统将上述单位病理图像输入到第二神经网络并从上述单位病理图像获取上述多个膀胱病变中除上述第一膀胱病变之外的第二膀胱病变的诊断结果，上述第一神经网络是通过多个第一学习数据学习的神经网络，上述多个第一学习数据标注有表达上述第一膀胱病变的病变区域，上述第二神经网络是通过多个第二学习数据学习的神经网路，上述多个第二学习数据标注有是否表达上述第二膀胱病变中至少一个的表达病变种类，上述第二学习数据是未标注病变区域的数据。
- 用于皮肤异常干预的支持机器学习的系统-202280012671.2
- 洪柯林;拉凯什·乔希 - 肤源有限公司
- 2022-02-01 - 2023-10-20 - G16H30/40
- 一种用于分类和测量皮肤异常图像的系统和方法。该系统和方法可用于支持增强现实(AR)系统，该系统可用于辅助皮肤手术和皮肤异常分类和诊断。该系统使用卷积神经网络对初始数字图像中的皮肤异常进行分类。CNN也可以用于确定皮肤异常的边界。基准标记可以存在于初始数字图像中，并且该标记可以用于自动测量皮肤异常的大小。基于所测量的异常生成调整图像，并且该调整图像可以用作支持AR系统中的覆盖图，用于辅助外科手术。
- 一种医学成像系统、计算机可读介质和操作所述医学成像系统的方法-201880071513.8
- T·E·阿姆托尔;J·伯格特;J·施密特;I·格雷斯林;E·S·汉西斯;T·内奇 - 皇家飞利浦有限公司
- 2018-08-28 - 2023-10-20 - G16H30/40
- 本发明提供了一种用于从成像区域(108)采集医学图像数据(144)的医学成像系统(100)。所述医学成像系统包括用于存储机器可执行指令(140)和医学成像系统命令(142)的存储器(134)。所述医学成像系统命令被配置为控制所述医学成像系统以根据医学成像成像协议来采集所述医学图像数据。所述医学成像系统还包括用户接口(132)。所述医学成像系统还包括用于控制医学成像系统的处理器(130)。所述机器可执行指令的运行使所述处理器：接收(500)用于修改医学成像系统命令的行为的扫描参数数据(146)；从所述用户接口接收(502)描述成像条件的元数据(148)；将描述医学成像系统的当前配置的配置数据(150、250、252、254)存储(504)在存储器中；通过使用预定义的模型(154)比较所述元数据、所述配置数据和所述扫描参数数据来计算(506)错误概率(152)，其中，错误概率描述了元数据之间以及配置数据和/或扫描参数数据之间的偏差；如果错误概率高于预定阈值(156)，则执行(508)预定义的动作(158)，其中，预定动作包括提供信号(302)以通知所述用户；控制(510)所述医学成像系统以从对象(118)采集所述医学图像数据；响应于所述信号而从所述用户接口接收(512)对所述信号的响应(160)；并且根据所述响应从所述医学图像数据重建(514)一幅或多幅医学图像(162)。
- 用于基于阈值来从体素模式生成感兴趣区域的系统、方法和装置-201980032305.1
- J·范布罗伊吉尔;A·阿巴日安;J·特雷亚尔;S·斯莫尔卡;J·沙皮罗;J·邓肯;M·林 - 皇家飞利浦有限公司;耶鲁大学
- 2019-05-08 - 2023-10-10 - G16H30/40
- 所描述的实现方式涉及用于从成像数据(212)生成感兴趣区域(214)的系统、方法和装置。具体而言，生成感兴趣区域以更一致和可重复的方式跟踪处置效果。感兴趣区域可以从患者的造影剂和非造影剂增强扫描(102)中产生。可以根据各自的强度值来收集和分配从扫描获得的体素数据，以便针对强度的特定范围(128)识别模式体素(116、118、120)。然后可以针对每个识别的模式体素生成感兴趣区域(110、112、114)，并且可以确定感兴趣区域的标准差。可以从所确定的标准差中得出一个或多个阈值，以便进一步过滤强度值并识别已过滤的体素的组作为感兴趣结果区域。
- 医学图像中的健康状况特征的自动标注-202180093797.2
- C·塞罗伊西;N·卡钦斯基 - 脉冲医疗公司
- 2021-12-21 - 2023-10-03 - G16H30/40
- 可以使用已经被训练为将图像分类为具有或不具有某种医学健康状况的分类模型，在医学图像中自动标注该医学健康状况的特征。可以进一步处理已自动标注的特征，以生成用于治疗该医学健康状况的治疗计划，例如利用激光、超声波或其他治疗方法。
- 神经黑色素敏感性MRI及其使用方法-202180077062.0
- S·克拉克;C·卡西迪;P·罗莎-内都;K·温格勒;G·霍尔加赫尔南德茨 - 人类生物科学股份有限公司;渥太华大学心理健康研究所;皇家学术促进机构麦吉尔大学;纽约市哥伦比亚大学理事会;心理卫生研究基金会股份有限公司
- 2021-11-16 - 2023-09-12 - G16H30/40
- 一种用于测量一种或多种神经系统疾患的程度、提供一种或多种神经系统疾患的诊断、监测一种或多种神经系统疾患的治疗、评估用于一种或多种神经系统疾患的新颖治疗或确定与一种或多种神经系统疾患相关的预后的神经黑色素敏感性磁共振成像(“MRI”)技术、方法和计算机可存取介质。
- 神经网络的输出解释方法及用于其的系统-202180089888.9
- 赵民芽;曺浚宁;郭兌荣;金善禹 - 第一百欧有限公司
- 2021-03-29 - 2023-09-12 - G16H30/40
- 本发明公开神经网络的输出解释方法及其系统。根据本发明一实施方式，解释以输出生物图像的每个像素的疾病显现概率的方式进行学习的神经网络的输出结果的神经网络的输出解释方法包括如下步骤：输出解释系统根据每个像素的上述神经网络的输出结果值是否为最优基准值以上来确定作为检测对应像素的疾病显现与否的基准的上述最优基准值；当利用上述输出解释系统所确定的上述最优基准值来针对生物图像检测到每个像素的疾病显现与否时，针对特定生物图像上的检测病变区域确定最优临界值，上述最优临界值用于确定上述检测病变区域是否有效；以及当从上述神经网络接收与待诊断的诊断生物图像相应的输出结果时，利用所确定的上述最优基准值和上述最优临界值来执行对上述输出结果的输出解释。
- 用于调节皮肤损伤检测模型的装置和方法-202180088277.2
- 王璐;B·W·M·莫伊斯科普斯;E·G·P·舒伊杰斯;J·A·帕勒洛 - 皇家飞利浦有限公司
- 2021-12-07 - 2023-08-29 - G16H30/40
- 根据一个方面，提供了一种用于调节皮肤损伤检测模型(30)的装置(10)。该装置(10)包括处理器(12)和存储器(11)。所述处理器(12)被配置成：接收与用户相关联的用户数据(13)；接收所述皮肤损伤检测模型(14)的输出；根据所述用户数据(13)修改所述皮肤损伤检测模型(14)的输出，以为所述用户提供指示皮肤损伤检测的经修改的输出(15)；以及输出所述经修改的输出(15)。
- 检测医学图像中的异常发现并生成报告的方法-202180062672.3
- 郑珉基;朴范熙;孔瑞泽;郑然晙 - 福诺有限公司
- 2021-09-03 - 2023-08-18 - G16H30/40
- 根据本公开的一个实施例，公开了一种图像分析方法。该方法可以包括以下步骤：接收身体医学图像；使用病变检测模型从接收到的身体医学图像中检测一个或多个病变；使用解剖分析模型从接收到的身体医学图像中提取具有解剖学意义的身体区域；通过将提取出的身体区域与所述一个或多个病变的检测结果进行匹配来生成一个或多个病变的解剖位置信息；以及基于所述一个或多个病变的解剖位置信息生成针对接收到的身体医学图像的诊断结果。
- 根据最优/最差用户的使用来自动生成教育内容-202180078640.2
- P·A·施拉布索尔;A·S·富尔尼克 - 皇家飞利浦有限公司
- 2021-11-18 - 2023-08-15 - G16H30/40
- 一种非瞬态计算机可读介质存储数据库(30)和指令，所述数据库存储由一个或多个医学设备(12)自动生成的日志数据，所述指令能由至少一个电子处理器(16)读取并运行以执行用于生成教育内容单元(38)的方法(100)。所述方法包括：分析在所述数据库中包含的所述日志数据(32)以识别针对使用所述一个或多个医学设备执行的流程的教育实例的日志数据；使用所识别的针对所述流程的所述教育实例的日志数据来创建对所识别的所述流程的教育实例的模拟；并且根据所述模拟来生成教育内容单元(38)。
- 球囊膨胀事件的压力和X射线图像预测-202180081457.8
- M·L·弗莱克斯曼;G·A·托波雷克;J·克吕克尔;A·S·潘斯 - 皇家飞利浦有限公司
- 2021-12-01 - 2023-08-11 - G16H30/40
- 用于支持球囊导管(BC)流程的系统和相关方法。所述系统包括用于接收输入数据的输入接口(IN)。所述输入数据包括i)所采集的在患者(PAT)的血管中的球囊导管的图像数据、以及ii)由所述球囊导管(BC)的压力传感器(S)收集的一个或多个压力读数。经训练的机器学习模块(MLM)被配置为基于所述输入数据来预测预测结果，所述预测结果包括与i)所述球囊导管和/或ii)所述球囊导管能够驻留在其中的血管的区段有关的事件。
- 自动检测牙科用三维扫描数据的界标的方法和记录有用于在计算机中执行该方法的程序的计算机可读记录介质-202080107849.2
- 金荣俊;辛封周;金汗罗;崔真赫 - 易美构有限公司
- 2020-12-16 - 2023-08-08 - G16H30/40
- 一种自动检测牙科用三维扫描数据的界标的方法，包括以下步骤：通过投影三维扫描数据生成二维深度图像；利用卷积神经网络模型来分类出所述二维深度图像是扫描患者的全部牙齿得到的全牙弓数据还是只扫描患者牙齿中的部分牙齿得到的部分牙弓数据；利用全连接卷积神经网络模型来检测所述二维深度图像中的二维界标；以及通过将所述二维界标反投影到所述三维扫描数据上来检测所述三维扫描数据的三维界标。
- 通过在实时图像采集工作流程概览上叠加历史数据的可操作可视化-202180083037.3
- E·科克;R·N·特利斯;S·C·沙迪武拉;X·陈;O·斯塔罗比涅茨;S·M·达拉尔;钱悦晨 - 皇家飞利浦有限公司
- 2021-12-09 - 2023-08-08 - G16H30/40
- 一种在医学成像检查期间提供对医学成像设备(2)的本地操作者(LO)的远程监测的方法(100)，所述方法包括：至少基于图像特征的时间戳记将图像特征映射到医学成像检查，所述图像特征被映射到的所述医学成像检查包括已完成的医学成像检查和当前医学成像检查；将被映射到每个已完成的医学成像检查的所述图像特征转换为所述已完成的医学成像检查的表示(43)和所述当前医学成像检查的当前状态的表示(47)；生成表示所述已完成的医学成像检查的完成时间的至少一个完成时间统计(45)；并且在所述当前医学成像检查期间，在所述工作站上显示所述当前医学成像检查的所述当前状态的所述表示和所述至少一个完成时间统计。
- 用于将头晕患者分诊至医学专科领域的方法-202180071504.0
- C·施托克尔 - 维蒂法伊有限公司
- 2021-10-19 - 2023-07-14 - G16H30/40
- 本发明涉及一种用于将头晕患者(SP)分诊给医学专科领域(MF)的方法，具有以下步骤：以视频数据(VD)形式采集头晕患者(SP)的眼睛运动(AB)，在神经元网络(NN)中处理所采集的视频数据(VD)，基于神经元网络(NN)中的处理结果确定至少一个医学专科领域(MF)，就将头晕患者(SP)分诊给所确定的至少一个医学专科领域(MF)而进行输出。
- 胃肠外营养诊断系统、设备和方法-201880039331.2
- 斯蒂芬·A·利普舒尔茨;奈杰尔·M·帕尔萨德;乔纳森·西尔弗斯坦 - 巴克斯特国际公司;巴克斯特医疗保健股份有限公司
- 2018-05-04 - 2023-06-27 - G16H30/40
- 公开了肠胃外营养诊断系统、设备和方法。在示例实施例中，肠胃外营养诊断设备确定患者腰肌的肌肉数量和肌肉品质，以确定患者的营养状况。图像接口被配置为接收医学图像，医学图像包括与患者的成像的组织相关的放射密度数据。该设备还包括处理器，处理器被配置为使用医学图像来针对放射密度的每个不同值确定组织表面面积，并且针对每个放射密度值来确定组织表面面积的分布。处理器被配置为通过定位分布内的与和肌肉组织、器官组织和肌肉脂肪组织中的至少一个相关的区域处的局部峰相对应的软组织峰来确定肌肉品质。处理器基于软组织峰确定患者的营养状况。
- 医疗系统和方法-202080105497.7
- 尚雷敏 - 上海联影医疗科技股份有限公司
- 2020-09-25 - 2023-06-23 - G16H30/40
- 方法(500)可以包括使扫描设备对对象执行一次或多次扫描(510)。该方法还可以包括基于一次或多次扫描获得对象的扫描数据(520)。该方法还可以包括基于扫描数据生成对象的一个或多个图像(530)。该方法还可以包括基于一个或多个图像生成诊断结果(540)。诊断结果至少可以指示对象中是否存在一个或多个疑似病变。
- 使用脉冲神经网络的图像轮廓描绘-202180064651.5
- 杨文龙 - 瓦里安医疗系统公司
- 2021-09-20 - 2023-06-23 - G16H30/40
- 本文公开了用于训练被配置成执行图像分割技术的人工智能模型(1002)的方法和系统(101)。该方法和系统(101)描述了服务器(110a)，其接收(210)包括描述多个对象的像素集的第一图像。服务器(110a)还接收(230)具有描述了相同对象集的第二像素集的第二图像。服务器(110a)然后分析来自第一图像和第二图像的像素。当第二图像内的像素的至少一个视觉属性与第一图像内的对应像素之间的差异满足预定阈值时，其将被编码为脉冲以发送到模型，模型(1002)将使用监督STDP规则通过修改与AI模型(1002)内的节点相关联的权重来被训练(250)，其中节点对应于第一图像和/或第二图像内的像素。
- 用于帮助为接受医疗外科管理的患者建立个性化治疗方法的方法和集成系统-202180053050.4
- A·德斯坦维尔;O·里查德;S·奥杜罗 - 安贝斯医疗
- 2021-08-24 - 2023-06-13 - G16H30/40
- 本发明公开了一种用于外科支持的云类型计算架构(200)，该架构具有用于根据在该架构中记录的患者的原始体积医学成像数据来重建二维和/或三维数字模型的模块、与用户之间的图形显示交互界面(300)，该界面包括用于规划外科介入的被配置为执行以下步骤的模块：在显示器上显示来自所述数字模型的场景，借助应用于所述重建的数字模型和/或从所述原始数据提取的感兴趣数据的识别和测量模块(202104)来确定(P2)所述患者的一种或多种病理；通过对所述数字模型和/或所述感兴趣数据应用外科行为序列(P3)对多个另外的三维场景建模；对所述外科行为序列在该患者身上的虚拟执行(P5)进行模拟和计算机建模。
- 三维扫描数据处理系统及三维扫描数据处理方法-202180064052.3
- 姜东和;宋命愚 - 株式会社美迪特
- 2021-09-17 - 2023-06-06 - G16H30/40
- 本发明涉及一种三维扫描数据处理系统及三维扫描数据处理方法，更具体地说，涉及一种三维扫描数据处理系统和三维扫描数据处理方法，用于集成和利用在不同时间扫描的物体结构的三维形状数据。本发明的三维扫描数据处理系统和三维扫描数据处理方法具有容易地集成在不同时间获得的与物体的三维结构相关的形状数据的效果。本发明的三维扫描数据处理系统和三维扫描数据处理方法，使得关于同一物体的新的形状数据能够容易地集成到先前获得的关于该物体三维结构的形状数据中。因此，本发明具有简化三维扫描过程，节省时间，并能够改进各种过程的效果。
- 在成像点处的用于将AI算法的训练集成到临床工作流程中的设备-202180065603.8
- A·布劳恩阿格尔;K·林特 - 皇家飞利浦有限公司
- 2021-09-16 - 2023-05-30 - G16H30/40
- 本发明涉及图像处理。为了促进用于训练AI算法的可持续基础设施，提出了一种成像系统，所述成像系统利用移动注释设备来实时地(也就是说，在成像环节期间)接收由医学成像装置(例如，X射线、CT或MRI扫描器)采集的图像。然后显示由医学成像装置采集的图像，从而允许用户注释所采集的图像。用户注释可以包括以下各项中的一项或多项：推荐的与患者有关的工作流程、对与第一图像有关的图像质量的指示、关于医学发现的指示、表示医学发现的紧急程度的优先级信息。然后，将所采集的图像和用户注释存储在数据库中，从而创建用于训练AI算法的训练数据库。替代地或额外地，用户接口可以接收与由医学成像装置用来采集患者的图像的成像前设置的集合有关的用户注释。在X射线胸部成像的示例中，用户注释可以是准直设置、暴露时间设置、管电压设置、焦斑尺寸设置、针对X射线成像系统选择X射线敏感区以对患者施加正确剂量的选择等。然后，将成像前设置的集合和用户注释存储在训练数据库中，从而创建用于训练AI算法的训练数据库。以这种方式，能够直接从临床工作流程中选择图像和成像前设置的集合，并不需要选择图像和/或成像前设置的集合且并不需要将它们(例如从其他设施)转移到其他地方以用于开发。因此，对已经使用来自训练数据库的训练数据训练的AI算法的参数进行调整以适配特定设施的需求和标准，这使得能够获得可持续架构，可持续架构能够用于基于客户的需求为不同的应用训练AI算法。
- 医学图像中的医学设备的自动错误定位检测-202180054128.4
- A·扎尔巴赫;I·斯拉齐蒂诺夫;L·施泰因迈斯特;H·伊特里奇;M·兰加;I·M·巴尔特鲁沙特;M·格拉斯 - 皇家飞利浦有限公司
- 2021-08-26 - 2023-05-23 - G16H30/40
- 本发明涉及一种用于在医学图像中自动验证医学设备相对于患者的解剖结构的定位的系统和方法。检测医学图像中的多个参考点的位置。此外，检测医学图像中的医学设备的存在和位置。基于多个参考点的位置来确定医学设备的预期位置，并且基于所述医学设备的位置与所述医学设备的预期位置的接近度来提供所述医学设备的定位的正确性的量度。提供所述医学设备的定位的正确性的量度。
- 即时定位扫描检查器-202180059196.X
- T·比洛;H·N·德什潘德;T·诺德霍夫;T·P·哈德;T·克勒 - 皇家飞利浦有限公司
- 2021-07-23 - 2023-05-16 - G16H30/40
- 一种用于与医学成像设备(2)结合使用的装置(1)，所述医学成像设备具有成像设备控制器(4)，所述成像设备控制器显示包括预览图像视口(9)的图形用户界面(GUI)(8)。所述装置包括至少一个电子处理器(20)，所述至少一个电子处理器被编程为：接收在所述成像设备控制器上显示的GUI的视频馈送(17)；从所述GUI的实况视频馈送提取在所述预览图像视口中显示的预览图像(12)；对所提取的预览图像执行图像分析(38)以检测指示与利用所述医学成像设备执行的医学成像检查相关联的一个或多个潜在问题的一个或多个图像特征(42)；并且当根据所述一个或多个图像特征检测到与所述医学成像检查相关联的一个或多个潜在问题时，输出警报(30)。
- 使用深度神经网络从眼底自发荧光图像预测地图状萎缩生长率-202180060867.4
- S·S·高;N·S·阿内贡迪 - 基因泰克公司
- 2021-07-14 - 2023-05-16 - G16H30/40
- 本发明提供了一种用于评估视网膜中的地图状萎缩的方法和系统。接收所述视网膜的一组眼底自发荧光(FAF)图像。使用所述一组眼底自发荧光图像来针对机器学习系统生成输入。经由所述机器学习系统，使用所述一组眼底自发荧光图像来针对所述视网膜中的所述地图状萎缩病变预测病变面积。经由所述机器学习系统，使用所述输入来针对所述视网膜中的所述地图状萎缩病变预测病变生长率。
- 利用便携式终端的皮肤疾病检测系统及皮肤疾病管理方法-202080104317.3
- 许银娥;许银心;申恩东 - 爱福宠物株式会社
- 2020-10-30 - 2023-05-16 - G16H30/40
- 本发明提供一种利用便携式终端的皮肤疾病检测系统及皮肤疾病管理方法。上述方法包括如下的步骤：健康管理服务器通过匹配基础皮肤状态信息及基础皮肤结果数据来生成皮肤健康标准数据；上述健康管理服务器从用户终端接收关于检查对象的皮肤疾病的皮肤状态检测信息；以及上述健康管理服务器根据上述皮肤健康标准数据比较及分析上述皮肤状态检测信息，并生成皮肤健康结果数据，上述健康管理服务器生成上述皮肤健康标准数据的步骤可包括如下的步骤：上述健康管理服务器对包含在基础皮肤拍摄信息中的图像进行预处理，上述基础皮肤拍摄信息包含在上述基础皮肤状态信息中；上述健康管理服务器从预处理的上述图像提取各个部位的分析图像；上述健康管理服务器利用上述各个部位的分析图像分析特性分布程度；以及上述健康管理服务器利用所分析的上述特性分布程度，将关于上述检查对象的皮肤疾病的严重程度数值化并评估。
- 用于识别医疗程序期间未检查区域的设备、系统和方法-202180054647.0
- 马里奥斯·凯皮隆塔斯 - 卡尔史托斯两合公司
- 2021-08-31 - 2023-05-05 - G16H30/40
- 至少一种示例性实施方式涉及一种设备，所述设备包括存储器和处理器，所述存储器包括指令，所述处理器执行指令以在临床医生对患者的内部区域施行医疗程序期间生成内部区域的图像数据和深度数据。指令引起处理器在医疗程序期间基于深度数据生成患者的内部区域的深度模型，基于深度模型确定医疗程序的图像数据不包括内部区域的部分的图像数据，并且引起一个或多个警报以警告临床医生内部区域的部分未检查。
- 针对放射学质量仪表板的自组织模型构建和机器学习服务-202180056905.9
- P·P·克拉森;T·比罗;T·P·哈德尔 - 皇家飞利浦有限公司
- 2021-06-04 - 2023-05-02 - G16H30/40
- 一种生成和使用一个或多个放射学分析工具的方法(100)，包括：在工作站上提供标记用户界面(28、40)，经由标记界面(28、40)，用户通过定义标签类型来创建经标记的数据集；接收对作为所定义的标签类型中的至少一个标签类型的期望输出的用户选择；基于所定义的标签类型和期望输出来标识所建议的机器学习(ML)模型；提供呈现所建议的ML模型并且允许用户从所建议的ML模型生成用户设计的建议的ML模型(38)的一个或多个GUI对话框(40)；使用包括经标记的数据集的至少一部分的训练数据来训练用户设计的ML模型，从而生成经训练的ML模型(44)；以及针对被应用于放射学图像和/或放射学报告的至少一部分的分析过程，部署经训练的ML模型。
- 使用神经网络的上下文图像转换-202180048667.7
- 辛后昌;A·伊赫萨尼;M·S·曼达瓦;S·图鲁维克雷·斯里尼瓦斯;C·J·福斯特 - 辉达公司
- 2021-05-21 - 2023-03-07 - G16H30/40
- 用于使用一个或更多个神经网络来促进从一个医学图像生成另一个医学图像的装置、系统和技术，所述一个或更多个神经网络是使用利用基于转换器的双向编码器表示(BERT)作为鉴别器的生成对抗网络(GAN)来训练的。在至少一个实施例中，使用包括BERT鉴别器的GAN训练的一个或更多个神经网络从磁共振成像(MRI)图像生成正电子发射断层扫描(PET)图像。
- 专利分类
