“D·马弗罗伊迪斯”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5个，建议您升级VIP下载更多相关专利

[发明专利]对模型的输入实例的分布外检测-CN202180015890.1在审
发明人： N·佩佐蒂;D·马弗罗伊迪斯 -专利权人：皇家飞利浦有限公司
申请日： 2021-02-05 - 公布日： 2022-09-30 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种用于对主模型的输入实例进行分布外(OOD)检测的系统(200)。主模型从输入实例生成输出图像。OOD检测使用在与训练主模型相同的训练数据集上训练的多个辅助模型。为了对输入实例执行OOD检测，为输入实例的辅助模型的输出图像确定每像素OOD得分。像素的像素OOD得分被确定为该像素在相应的辅助模型输出图像中的相应值之间的可变性。ID实例的这种可变性通常低于OOD实例，因此提供了输入实例是否为OOD的度量。将所确定的像素OOD得分组合成总OOD得分，该总OOD得分指示输入实例相对于训练数据集是否为OOD。
模型输入实例分布检测

[发明专利]解释经训练模型的模型输出-CN202180013567.0在审
发明人： B·J·巴科;D·马弗罗伊迪斯;S·特拉加诺维斯基 -专利权人：皇家飞利浦有限公司
申请日： 2021-02-07 - 公布日： 2022-09-20 - 主分类号： G06V10/25 文献下载
摘要：本发明涉及生成用于解释经训练模型的模型输出的可解释性信息的计算机实现的方法(500)。该方法使用一个或多个方面识别模型，其被配置为指示输入实例中相应特性的存在。显著性方法被应用以在经训练模型的源层处(例如，输入层或内部层)获得输入实例的掩蔽源表示，包括与模型输出相关的源层处的那些元素。掩蔽源表示被映射到方面识别模型的目标层(例如，输入或内部层)，并且方面识别模型然后被应用以获得模型输出，该模型输出指示与经训练模型的模型输出相关的给定特性的存在。作为可解释性信息，由方面识别模型指示的特性被输出。
解释训练模型输出

[发明专利]基于关键发现的医学图像的基于不确定性的重新优先排序-CN202180011342.1在审
发明人： A·萨尔巴赫;D·马弗罗伊迪斯;H·尼基施 -专利权人：皇家飞利浦有限公司
申请日： 2021-01-27 - 公布日： 2022-09-02 - 主分类号： G16H30/20 文献下载
摘要：一种用于使用机器学习模型对待评估的一组医学图像进行优先排序的系统和方法，包括：使用训练数据集训练机器学习模型，其中机器学习模型接收输入医学图像并且输出在输入医学图像中显示的医学状况；在待评估的一组医学图像上运行经训练的机器学习模型以产生针对一组医学图像中的每个医学图像的医学状况输出；基于针对机器学习模型的不同的输出所确定的统计参数来计算针对每个医学状况输出的似然分数；以及基于经计算的似然分数和医学状况输出的严重性来确定待评估的一组输入图像的顺序。
基于关键发现医学图像不确定性重新优先排序

[发明专利]深度神经网络可视化-CN202080041624.1在审
发明人： B·J·巴科;D·马弗罗伊迪斯;S·特拉加诺维斯基 -专利权人：皇家飞利浦有限公司
申请日： 2020-05-25 - 公布日： 2022-01-11 - 主分类号： G06N3/04 文献下载
摘要：各方面和实施例涉及一种提供由深度神经网络标识为与结果相关的特征的表示的方法、计算机程序产品和配置为执行该方法的装置。该方法包括：为深度神经网络提供训练库，训练库包括与结果相关联的多个样本；训练深度神经网络以识别与结果相关联的多个样本中的特征；通过在输入库中的多个样本中的每个样本中标识触发深度神经网络识别特征的一个或多个元素，从输入库创建特征识别库；使用特征识别库来合成样本的具有触发深度神经网络识别特征的特性的合成的多个一个或多个元素；和使用合成的多个一个或多个元素来提供由深度神经网络在与结果相关联的多个样本中标识的特征的表示。因此，代替可视化样本中触发与结果相关联的特征的一个或多个元素的单个实例，可以可视化包括会触发与结果相关联的特征的元素的一系列样本，从而实现对于特定特征有关的深度神经网络操作的更全面理解。
深度神经网络可视化

[发明专利]标识图像数据内的病灶的边界-CN202080026839.6在审
发明人： D·马弗罗伊迪斯;S·特拉加诺维斯基;B·J·巴科 -专利权人：皇家飞利浦有限公司
申请日： 2020-04-03 - 公布日： 2021-11-16 - 主分类号： G06T7/187 文献下载
摘要：本发明提供了一种用于标识图像数据内的病灶的边界的方法、计算机程序和处理系统。使用机器学习算法来处理图像数据，以生成概率数据和不确定性数据。所述概率数据针对所述图像数据的每个图像数据点提供指示所述图像数据点是病灶的一部分的概率的概率数据点。所述不确定性数据针对每个概率数据点提供指示所述概率数据点的不确定性的不确定性数据点。所述不确定性数据被处理以标识或校正所述病灶的边界。
标识图像数据病灶边界