“罗伯特·马克·莱贝尔”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10个，建议您升级VIP下载更多相关专利

[发明专利]磁共振图像中噪声降低的系统和方法-CN202310328872.X在审
发明人：王康;罗伯特·马克·莱贝尔 -专利权人：通用电气精准医疗有限责任公司
申请日： 2023-03-30 - 公布日： 2023-10-24 - 主分类号： G06T5/00 文献下载
摘要：提供了一种降低磁共振(MR)图像中的噪声的计算机实现的方法。该方法包括执行分析MR图像的神经网络模型，其中用一对原始图像和受损图像来训练该神经网络模型。该原始图像是噪声降低的该受损图像，并且该神经网络模型的目标输出图像是该原始图像。该方法还包括：接收第一MR信号和第二MR信号，基于该第一MR信号和该第二MR信号重建第一MR图像和第二MR图像，并且使用该神经网络模型分析该第一MR图像和该第二MR图像。该方法还包括：基于分析导出降噪MR图像，其中该降噪MR图像是基于该第一MR图像和该第二MR图像的组合图像，并且输出降噪MR图像。
磁共振图像噪声降低系统方法

[发明专利]用于三维成像中的混合切片编码的系统和方法-CN201910764942.X有效
发明人：吴高鸿;理查德·斯科特·辛克斯;罗伯特·马克·莱贝尔;魏莫然 -专利权人：通用电气公司
申请日： 2019-08-19 - 公布日： 2023-08-18 - 主分类号： G06T11/00 文献下载
摘要：本发明题为“用于三维成像中的混合切片编码的系统和方法”。提供了用于混合切片编码的方法和系统。在一个实施方案中，用于磁共振成像的方法包括：在用脉冲序列扫描期间，线性地对k空间进行采样用于获得预先确定数量的回波，以及中心地对k空间进行采样用于获得该脉冲序列的剩余回波。这样，可减少3D快速自旋回波成像的沿着切片方向的模糊度。
用于三维成像中的混合切片编码系统方法

[发明专利]使用维数减小的神经网络进行磁共振图像处理的系统和方法-CN202211520403.X在审
发明人： 罗伯特·马克·莱贝尔;S·S·考希克;G·C·麦金农;祝绪成 -专利权人：通用电气精准医疗有限责任公司
申请日： 2022-11-30 - 公布日： 2023-06-20 - 主分类号： G06T11/00 文献下载
摘要：本公开提供一种磁共振(MR)图像处理系统。该系统包括MR图像处理计算设备，该MR图像处理计算设备包括至少一个处理器。该处理器被编程用于执行神经网络模型，该神经网络模型被配置成接收粗MR数据作为输入并且输出经处理的与粗MR数据相关联的MR图像，粗MR数据和经处理的MR图像的维度为第一数目。处理器还被编程用于接收一对原始数据和损坏数据，该原始数据和损坏数据的第二数目的维度均比第一数目的维度更低。损坏数据是添加有初始特征的原始数据。处理器还被编程用于使用一对原始数据和损坏数据来训练神经网络模型。经训练的神经网络模型被配置成更改与粗MR数据相关联的初始特征。
使用减小神经网络进行磁共振图像处理系统方法

[发明专利]用于使用磁共振图像中的高分辨率相位重建的系统和方法-CN202210110223.8在审
发明人：王新增;丹尼尔·V·利特威勒;A·吉登;埃尔辛·拜拉姆;罗伯特·马克·莱贝尔;T·施普伦格 -专利权人：通用电气精准医疗有限责任公司
申请日： 2022-01-28 - 公布日： 2022-08-16 - 主分类号： G06T11/00 文献下载
摘要：本发明题为“用于使用磁共振图像中的高分辨率相位重建的系统和方法”。一种利用磁共振成像(MRI)产生受检者的图像的方法包括采集来自所述受检者的第一组部分k空间数据并且基于相位校正因子和第一组部分k空间数据来生成经相位校正的图像。所述方法还包括将所述经相位校正的图像变换为第二组部分k空间数据，并且根据所述第二组部分k空间数据和加权函数重建所述受检者的图像。
用于使用磁共振图像中的高分辨率相位重建系统方法

[发明专利]去除磁共振图像中的截断伪影的深度学习系统和方法-CN202111513520.9在审
发明人：丹尼尔·文斯·利特威勒;罗伯特·马克·莱贝尔;王新增;A·吉登;埃尔辛·拜拉姆 -专利权人：通用电气精准医疗有限责任公司
申请日： 2021-12-09 - 公布日： 2022-06-24 - 主分类号： G06T11/00 文献下载
摘要：本发明题为“去除磁共振图像中的截断伪影的深度学习系统和方法”。本公开提供了一种从磁共振(MR)图像中去除截断伪影的计算机实现的方法。该方法包括接收粗图像，该粗图像基于来自在至少一个k空间维度中被不对称截断的部分k空间的部分k空间数据。该方法还包括使用用一对原始图像和损坏图像训练的神经网络模型来分析该粗图像。损坏图像基于以一个或多个部分采样图案被截断的部分k空间的部分k空间数据。原始图像基于与损坏图像的部分k空间数据对应的完整k空间数据，并且神经网络模型的目标输出图像是原始图像。该方法还包括基于该分析导出粗图像的改进图像，其中导出的改进图像包括减少的截断伪影和增加的高空间频率数据。
去除磁共振图像中的截断深度学习系统方法

[发明专利]在磁共振图像中生成稳健相位图像的系统和方法-CN202110744261.4在审
发明人： A·吉登;王新增;丹尼尔·文斯·利特威勒;T·施普伦格;罗伯特·马克·莱贝尔;埃尔辛·拜拉姆 -专利权人：通用电气精准医疗有限责任公司
申请日： 2021-06-30 - 公布日： 2022-02-15 - 主分类号： G06T11/00 文献下载
摘要：本发明题为“在磁共振图像中生成稳健相位图像的系统和方法”。本公开提供了一种校正相位并减少磁共振(MR)相位图像中的噪声的计算机实现的方法。该方法包括执行用于分析MR图像的神经网络模型，其中用一对原始图像和受损图像训练神经网络模型，其中受损图像包括受损相位信息，原始图像是其中受损相位信息减少的受损图像，并且神经网络模型的目标输出图像是原始图像。该方法还包括接收包括受损相位信息的MR图像，以及使用神经网络模型分析所接收的MR图像。该方法还包括基于分析来导出所接收的MR图像的原始相位图像，其中所导出的原始相位图像包括与所接收的MR图像相比减少的受损相位信息；以及基于所导出的原始相位图像来输出MR图像。
磁共振图像生成稳健相位系统方法

[发明专利]用于使用深度神经网络从图像中选择性地去除条纹伪影和噪声的方法和系统-CN202110244314.6在审
发明人：王新增;丹尼尔·文斯·利特威勒;S·曼达瓦;罗伯特·马克·莱贝尔;格雷姆·科林·麦金农;埃尔辛·拜拉姆 -专利权人：通用电气精准医疗有限责任公司
申请日： 2021-03-05 - 公布日： 2021-09-24 - 主分类号： G06T11/00 文献下载
摘要：本发明题为“用于使用深度神经网络从图像中选择性地去除条纹伪影和噪声的方法和系统”。提供了用于使用受过训练的深度神经网络独立地从医学图像中去除条纹伪影和噪声的方法和系统。在一个实施方案中，可通过以下方式选择性地且独立地从医学图像中去除条纹伪影和噪声：接收包括条纹伪影和噪声的医学图像，使用受过训练的深度神经网络将医学图像映射到条纹残余和噪声残余，在第一程度上从医学图像中减去条纹残余，并且在第二程度上从医学图像中减去噪声残余，以产生去噪医学图像，以及经由显示设备显示去噪医学图像。
用于使用深度神经网络图像选择性去除条纹噪声方法系统

[发明专利]用于使用深度神经网络减少医学图像中的有色噪声的系统和方法-CN202110187509.1在审
发明人：丹尼尔·利特威勒;王新增;阿里·埃尔索兹;罗伯特·马克·莱贝尔;埃尔辛·拜拉姆;格雷姆·科林·麦金农 -专利权人：通用电气精准医疗有限责任公司
申请日： 2021-02-18 - 公布日： 2021-09-03 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了用于使用深度神经网络对医学图像进行去噪的方法和系统。在一个实施方案中，一种方法包括：接收由成像系统采集的医学图像，其中医学图像包括有色噪声；使用经训练的卷积神经网络(CNN)将医学图像映射到去噪医学图像；以及经由显示设备显示去噪医学图像。深度神经网络因此可减少采集的有噪医学图像中的有色噪声，从而提高图像的清晰度和诊断质量。
用于使用深度神经网络减少医学图像中的有色噪声系统方法

[发明专利]用于使用深度神经网络对医疗图像进行去模糊的系统和方法-CN202010699751.2在审
发明人：丹尼尔·文斯·利特威勒;罗伯特·马克·莱贝尔 -专利权人：通用电气精准医疗有限责任公司
申请日： 2020-07-20 - 公布日： 2021-02-23 - 主分类号： G06T5/00 文献下载
摘要：本发明题为“用于使用深度神经网络对医疗图像进行去模糊的系统和方法”。本发明提供了用于使用深度神经网络对医疗图像进行去模糊的方法和系统。在一个实施方案中，一种用于对医疗图像进行去模糊的方法包括：接收模糊医疗图像和对应于该模糊医疗图像的采集的一个或多个采集参数；将该一个或多个采集参数结合到经训练的深度神经网络中；以及由该经训练的深度神经网络将该模糊医疗图像映射到去模糊的医疗图像。该深度神经网络可由此接收关于模糊医疗图像中的模糊的类型、程度和/或空间分布的至少部分信息，使得该经训练的深度神经网络能够对所接收的模糊医疗图像选择性地去模糊。
用于使用深度神经网络医疗图像进行模糊系统方法

[发明专利]用于通过深度学习网络对医疗图像进行去噪的系统和方法-CN201910958461.2在审
发明人： 罗伯特·马克·莱贝尔 -专利权人：通用电气公司
申请日： 2019-10-10 - 公布日： 2020-04-28 - 主分类号： G16H30/40 文献下载
摘要：本发明题为“用于通过深度学习网络对医疗图像进行去噪的系统和方法”。本发明提供了用于选择性地对医疗图像进行去噪的方法和系统。在示例性方法中，训练一个或多个深度学习网络以将损坏图像映射到对应的损坏图像中存在的第一类型和第二类型的伪影上。然后，使用一个或多个已训练的学习网络来从特定医疗图像中挑选出第一类型和第二类型的伪影。在第一程度上移除第一类型的伪影，并且在第二程度上移除第二类型的伪影。第一程度和所述第二程度可以不同。例如，一种类型的伪影可以被完全抑制，而另一种类型的伪影可以从医疗图像被部分地移除。
用于通过深度学习网络医疗图像进行系统方法

1
共 10 条