“白传勇”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37个，建议您升级VIP下载更多相关专利

[发明专利]具有经改进的定量分析的低辐射剂量计算机断层摄影灌注(CTP)-CN201980011018.2有效
发明人：许世昱;党颢;白传勇 -专利权人：皇家飞利浦有限公司
申请日： 2019-01-30 - 公布日： 2023-10-17 - 主分类号： G06T11/00 文献下载
摘要：一种计算机断层摄影扫描器(102)，包括：辐射源(112)，其被配置为发射X射线辐射；探测器阵列(116)，其被配置为探测X射线辐射并且生成指示所述辐射的信号；以及重建器(118)，其被配置为重建所述信号并且生成顺序稀疏时间线灌注体积图像数据。所述计算机断层摄影扫描器还包括：处理器(132)，其被配置为使用灌注数据增强模块的经训练的神经网络来处理所述顺序稀疏时间线灌注体积图像数据以产生顺序密集时间线灌注体积图像数据。
具有改进定量分析辐射剂量计算机断层摄影灌注 ctp

[发明专利]用于心脏运动校正的心脏分割方法-CN201780073758.X有效
发明人： S·德维韦迪;白传勇;胡志强 -专利权人：皇家飞利浦有限公司
申请日： 2017-11-20 - 公布日： 2023-10-03 - 主分类号： G06T7/11 文献下载
摘要：一种机器学习引导的图像分割处理由电子处理器(10)执行。执行图像分割(22)以生成所述医学图像中的解剖结构的初始分割表示(50)。将几何形状的参数拟合(52)到医学图像中的解剖结构，以产生初始拟合形状参数(54)。使用对所述初始拟合形状参数和所述解剖结构的所述初始分割表示进行操作的至少一个分类器(60)，为所述医学图像中的所述解剖结构分配分类。通过包括使用分类作为先验知识重复(70)所述图像分割的操作，生成所述医学图像中的所述解剖结构的最终分割表示(72)。在说明性实施例中，所述解剖结构是心脏并且所述几何形状是椭球体。
用于心脏运动校正分割方法

[发明专利]用于迭代图像重建的信息自适应正则化-CN201780077677.7有效
发明人： A·F·萨洛蒙;A·格迪克;白传勇;A·安德烈耶夫 -专利权人：皇家飞利浦有限公司
申请日： 2017-12-12 - 公布日： 2023-09-08 - 主分类号： G06T11/00 文献下载
摘要：成像数据(20)由PET扫描器(6)或其他成像设备采集。执行对所述成像数据的迭代图像重建以生成重建的图像(22)。所述迭代图像重建包括执行更新步骤(24)，所述更新步骤包括边缘保留先验(28)，所述边缘保留先验具有空间变化的边缘保留阈值(30)，所述空间变化的边缘保留阈值在每个图像体素处的值依赖于所述图像体素的局部邻域中的噪声度量(32)。所述噪声度量可以被计算为所述图像体素的所述局部邻域中的所述重建的图像的邻域图像体素的强度的汇总。为了进一步的噪声抑制，在所述迭代图像重建期间，可以减小所述重建的图像的具有小于阈值(38)的空间范围的图像特征的图像值。
用于图像重建信息自适应正则

[发明专利]用于正电子发射断层摄影成像中改善的结果稳健性的标准化的摄取值指导的重建控制-CN201880006100.1有效
发明人：张滨;白传勇;S·林;A·安德烈耶夫;胡志强 -专利权人：皇家飞利浦有限公司
申请日： 2018-01-03 - 公布日： 2023-08-15 - 主分类号： G06T11/00 文献下载
摘要：一种核医学图像重建方法通过对核医学成像数据(22)执行迭代图像重建(30、130)来生成重建图像(44)。所述迭代图像重建产生更新图像(34、36、134、136)的序列。在所述迭代图像重建期间，应用标准化摄取值(SUV)变换(40)以将更新图像(34、36)转换为更新SUV图像(42、46)。所述SUV变换使用至少包括身体大小度量和剂量度量的缩放因子来将更新图像的体素的值缩放为SUV值。在所述迭代图像重建期间，使用所述更新SUV图像来调节在迭代图像重建的图像更新中所使用的至少一个参数。例如，可以调节被并入到图像重建更新步骤(32)中或者被用于对更新图像(36)的滤波的先验或滤波器(38)的参数。
用于正电子发射断层摄影成像改善结果稳健标准化摄取指导重建控制

[发明专利]用于数字PET重建的死像素校正-CN201780077694.0有效
发明人：宋犀云;白传勇;A·安德烈耶夫;张滨;S·林;叶京汉;M·A·米勒;胡志强 -专利权人：皇家飞利浦有限公司
申请日： 2017-12-06 - 公布日： 2023-06-16 - 主分类号： G01T1/29 文献下载
摘要：一种包括探测器像素的PET探测器阵列(8)采集沿着响应线(LOR)的PET探测计数。重建所述计数以生成重建的PET图像(36、46)。针对因所述PET探测器阵列的死探测器像素而丢失的丢失LOR来校正所述重建。所述校正借助于以下操作：通过内插沿着与所述丢失LOR(60)相邻的LOR(66)的计数来估计沿着所述丢失LOR的计数。所述内插可以是迭代的，以处理连续的丢失的探测器像素组。所述校正可以借助于计算具有与所述重建的PET图像的图像元素(80、82)相对应的矩阵元素的灵敏度矩阵。在这种情况下，每个矩阵元素被计算为除了所述丢失LOR之外的、与对应图像元素相交的所有LOR的总和。所计算的灵敏度矩阵被使用在所述重建中。
用于数字 pet 重建像素校正

[发明专利]用于正电子发射断层摄影(PET)的基于人工智能(AI)的标准化摄取值(SUV)校正和变化评估-CN201980081881.5在审
发明人： A·G·格迪克;张滨;A·安德烈耶夫;A·F·萨洛蒙;Y·毛;白传勇;胡志强 -专利权人：皇家飞利浦有限公司
申请日： 2019-11-08 - 公布日： 2021-07-30 - 主分类号： G06T11/00 文献下载
摘要：一种非瞬态计算机可读介质存储指令，所述指令能够由至少一个电子处理器(181、182、20)读取和运行以执行成像方法(100)。所述方法包括：重建发射成像数据以生成病变的发射图像；将所述发射图像的强度值转换为针对所述病变的至少一个标准化摄取值(SUV值)；使用回归神经网络(NN)(28)来处理输入数据以输出针对所述病变的SUV校正因子，其中，所述输入数据包括以下中的至少两项：(i)包括所述发射图像或表示所述发射图像的特征向量的图像数据、(ii)所述至少一个SUV值、(iii)所述病变的尺寸以及(iv)在所述重建中使用的重建参数；并且控制显示设备(24)以显示以下中的至少一项：(I)所述SUV校正因子和(II)通过将所述SUV校正因子应用于所述至少一个SUV值所生成的经校正的SUV值。
用于正电子发射断层摄影 pet 基于人工智能 ai 标准化摄取 suv 校正变化评估

[发明专利]淀粉样蛋白筛查的方法和装置-CN201980054616.8在审
发明人： A·安德烈耶夫;D·B·麦克奈特;N·塞拉菲诺;D·匹托克;白传勇;C-H·董 -专利权人：皇家飞利浦有限公司
申请日： 2019-08-13 - 公布日： 2021-03-30 - 主分类号： A61B6/03 文献下载
摘要：一种用于执行淀粉样蛋白评估的设备(10)包括辐射探测器组件(12)，所述辐射探测器组件包括至少一个辐射探测器(14)。至少一个电子处理器(20)被编程为：在数据采集时间间隔内使用所述辐射探测器组件来探测辐射计数；根据探测到的辐射计数来计算至少一个当前计数度量；将与当前测试日期相关联的所述至少一个当前计数度量存储在非瞬态存储介质(26)中；并且基于所述至少一个当前计数度量与在所述非瞬态存储介质中存储的与较早测试日期相关联的计数度量的比较来确定淀粉样蛋白度量。
淀粉蛋白方法装置

[发明专利]使用深度学习根据低剂量PET成像进行全剂量PET图像估计-CN201880090666.7在审
发明人： S·卡普兰;Y-M·朱;A·安德烈耶夫;白传勇;S·M·科绍夫 -专利权人：皇家飞利浦有限公司
申请日： 2018-12-26 - 公布日： 2020-10-30 - 主分类号： A61B6/03 文献下载
摘要：重建发射成像数据以生成低剂量重建图像。应用标准化摄取值(SUV)转换(30)以将所述低剂量重建图像转换为低剂量SUV图像。将神经网络(46、48)应用于所述低剂量SUV图像以生成估计的全剂量SUV图像。在应用所述神经网络之前，使用低通滤波器(32)对所述低剂量重建图像或所述低剂量SUV图像进行滤波。使用具有均方误差损失分量(34)和惩罚图像纹理的损失的损失分量(36)和/或促进边缘保留的损失分量(38)的损失函数在训练低剂量SUV图像集和对应的训练全剂量SUV图像上训练所述神经网络，以变换所述训练低剂量SUV图像来匹配所述对应的训练全剂量SUV图像。
使用深度学习根据剂量 pet 成像进行图像估计

[发明专利]被配置为生成谱体积图像数据的非谱计算机断层摄影(CT)扫描器-CN201980016377.7在审
发明人： 白传勇;Y-M·朱;S·路;许世昱;党颢;H·赖;D·麦克奈特;汪蕙 -专利权人：皇家飞利浦有限公司
申请日： 2019-01-30 - 公布日： 2020-10-23 - 主分类号： A61B6/03 文献下载
摘要：一种非谱计算机断层摄影扫描器(102)包括：辐射源(112)，其被配置为发射X射线辐射；探测器阵列(114)，其被配置为探测X射线辐射并且生成非谱数据；以及存储器(134)，其被配置为存储谱图像模块(130)，所述谱图像模块包括计算机可执行指令，所述计算机可执行指令包括被训练以产生谱体积图像数据的神经网络。所述神经网络是利用训练谱体积图像数据和训练非谱数据来训练的。所述非谱计算机断层摄影扫描器还包括：处理器(126)，其被配置为利用经训练的神经网络来处理所述非谱数据以产生谱体积图像数据。
配置生成体积图像数据计算机断层摄影 ct 扫描器

[发明专利]在对各种对象和放射性分布的定量正电子发射断层摄影（PET）重建中的死时间校正方法-CN201980015666.5在审
发明人：宋犀云;叶京汉;Y·毛;白传勇;A·安德烈耶夫;G·道蒂;L·罗曼诺夫;胡志强 -专利权人：皇家飞利浦有限公司
申请日： 2019-01-24 - 公布日： 2020-10-16 - 主分类号： G01T1/17 文献下载
摘要：一种非瞬态计算机可读介质存储指令，所述指令能由包括至少一个电子处理器(20)的工作站(18)读取并运行以执行图像重建方法(100)。所述方法包括：在由多个辐射探测器(17)探测到的成像数据的帧中确定所述辐射探测器的单个率；基于在采集成像数据的所述帧期间入射在每个辐射探测器上的伽马射线的能谱分布来确定针对所述辐射探测器的能量校正因子(Nwgt)；根据针对每个辐射探测器确定的所述单个率和所述能量校正因子来确定针对所述辐射探测器的单个生存时间校正因子；针对连接辐射探测器的对的多条响应线(LOR)中的每条LOR，根据所确定的由所述LOR连接的辐射探测器的所述对的单个生存时间校正因子来确定针对所述LOR的生存时间校正因子；并且使用所确定的LOR生存时间校正因子来重建成像数据的所述帧。
各种对象放射性分布定量正电子发射断层摄影 pet 重建中的时间校正方法

[发明专利]用于在列表模式重建中量化准确度提高的校正方法-CN201980011073.1在审
发明人：宋犀云;白传勇;叶京汉;A·安德烈耶夫;胡志强 -专利权人：皇家飞利浦有限公司
申请日： 2019-01-30 - 公布日： 2020-09-18 - 主分类号： G06T11/00 文献下载
摘要：一种非瞬态计算机可读介质存储指令，所述指令能由包括至少一个电子处理器(20)的工作站(18)读取并运行以执行图像重建方法(100)，从而重建在帧采集时间内使用多个辐射探测器(17)采集的列表模式数据，其中，所述列表模式数据的事件被加上时间戳。所述方法包括：针对多个子帧分箱中的所述帧采集时间被划分到其中的子帧分箱，根据其时间戳存在于所述子帧分箱中的所述列表模式数据来确定针对所述多个辐射探测器的子帧单个率图；使用所述子帧单个率图来确定针对所述列表模式数据的单个事件的单个率，其中，针对所述单个事件的单个率是以比所述帧采集时间更精细的时间分辨率确定的；使用所确定的针对所述列表模式数据的所述单个事件的单个率来确定针对所述列表模式数据的校正因子；并且使用所确定的校正因子来重建所述帧采集时间的所述列表模式数据，以生成针对所述帧采集时间的重建的图像。
用于列表模式建中量化准确度提高校正方法

[发明专利]由谱计算机断层摄影（CT）扫描器生成的图像质量改善的虚拟非对比图像-CN201980011363.6在审
发明人：党颢;许世昱;白传勇;汪蕙;D·B·麦克奈特 -专利权人：皇家飞利浦有限公司
申请日： 2019-01-30 - 公布日： 2020-09-18 - 主分类号： G06T5/00 文献下载
摘要：一种谱计算机断层摄影成像系统(102)包括辐射源(112)和探测器阵列(114)，所述辐射源被配置为发射x射线辐射，所述探测器阵列被配置为探测x射线辐射并且生成谱数据。所述谱成像系统还包括存储器(134)，所述存储器被配置为存储虚拟非对比图像增强模块(136)，所述虚拟非对比图像增强模块包括计算机可执行指令，所述计算机可执行指令包括被训练为产生图像质量增强的虚拟非对比图像的神经网络。所述神经网络利用训练谱数据和从非对比增强扫描生成的训练非对比增强图像来训练。所述谱成像系统还包括处理器(132)，所述处理器被配置为利用所述经训练的神经网络来处理所述谱数据以产生所述图像质量增强的虚拟非对比图像。
计算机断层摄影 ct 扫描器生成图像质量改善虚拟对比

[发明专利]正电子发射断层摄影(PET)的散射校正-CN201980011385.2在审
发明人：叶京汉;宋犀云;白传勇;A·安德烈耶夫;C-H·董;胡志强 -专利权人：皇家飞利浦有限公司
申请日： 2019-01-24 - 公布日： 2020-09-15 - 主分类号： G06T11/00 文献下载
摘要：一种存储有指令的非瞬态计算机可读介质，所述指令能够由包括至少一个电子处理器(20)的工作站(18)读取和运行的指令以执行图像重建方法(100)。所述方法包括：根据接收到的成像数据来生成多幅中间图像，所述多幅中间图像根据被划分到不同能量窗口中的数据在没有散射校正的情况下被重建；生成所生成的中间图像中的真实计数的分数和散射事件的分数；根据所述中间图像、所述中间图像中的真实计数的分数和所述中间图像中的散射计数的分数来生成最终重建图像；并且至少以下之一：控制非瞬态计算机可读介质以存储最终图像以及控制显示设备(24)显示最终图像。
正电子发射断层摄影 pet 散射校正

[发明专利]使用旋转谱滤波器的谱成像-CN201880086127.6在审
发明人： 白传勇;S·路;H·党;D·B·麦克奈特 -专利权人：皇家飞利浦有限公司
申请日： 2018-11-19 - 公布日： 2020-09-11 - 主分类号： G01T1/29 文献下载
摘要：一种成像系统，包括：X射线管(202)，其具有焦斑(204)和端口窗口(206)；以及滤波器(208)，其至少具有第一区域(310)和第二区域(312)，所述第一区域具有第一材料，所述第一材料具有针对预定感兴趣X射线光子能量范围的第一X射线衰减特性，所述第二区域具有不同的X射线衰减特性。所述滤波器被设置在所述端口窗口与检查区域(108)之间，并且被配置为旋转，使得至少第一区域和第二区域扫过并且滤波从所述焦斑发射的X射线辐射。所述系统还包括：X射线辐射通量探测器(2802、2902)，其被配置为探测经滤波的X射线辐射的X射线辐射通量；探测器阵列(112)，其被配置为探测穿过所述检查区域的经滤波的X射线辐射并且产生指示其的信号；以及重建器(114)，其被配置为基于探测到的通量来处理所述信号以重建体积图像数据。
使用旋转滤波器成像

[发明专利]基于深度学习的图像品质因数预测-CN201980009536.0在审
发明人：张滨;B·潘达;白传勇;胡志强 -专利权人：皇家飞利浦有限公司
申请日： 2019-01-15 - 公布日： 2020-09-04 - 主分类号： G06T11/00 文献下载
摘要：一种非瞬态计算机可读介质存储指令，所述指令能由包括至少一个电子处理器(20)的工作站(18)读取并运行以执行成像方法(100)。所述方法包括：通过将经训练的深度学习变换(30)应用于输入数据来估计针对经重建的图像的一个或多个品质因数，所述输入数据至少包括成像参数但不包括经重建的图像；基于所估计的一个或多个品质因数来选择针对所述成像参数的值；使用所选择的针对所述成像参数的值来生成经重建的图像；并且显示所述经重建的图像。
基于深度学习图像品质因数预测

1
2
3
下一页»
尾页
共 37 条