申请/专利权人：西门子医疗有限公司

申请日：2020-02-14

公开（公告）日：2024-03-26

公开（公告）号：CN111563523B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/56;G06V10/774;G06V10/82;G06N3/0464;G06N3/08

优先权：["20190214 US 16/275780"]

专利状态码：有效-授权

法律状态：2024.03.26#授权;2020.09.15#实质审查的生效;2020.08.21#公开

摘要：对于医学成像系统中的COPD分类，机器学习用于学习对患者是否患有COPD进行分类。图像到图像网络深度学习指示各种或任何类型的COPD的空间特征。肺部功能测试可以用作训练所述特征和从空间特征的分类的基础事实。由于肺部功能测试结果和对应的CT扫描的可用性高，因此有很多训练样本。然后，来自图像到图像网络的经学习的特征的值用于创建COPD级别的空间分布，从而提供对区分COPD的类型有用的信息，而无需在训练中对COPD的空间分布的基础事实注释。

主权项：1.一种用于医学成像系统中的慢性阻塞性肺部疾病COPD分类的方法，所述方法包括：由医学扫描仪扫描患者的肺，所述扫描提供表示患者的肺的多维区域的第一成像数据；由图像处理器将机器学习的生成网络应用于第一成像数据，所述机器学习的生成网络被训练为输出COPD分类；根据来自所述机器学习的生成网络的特征的值来生成激活映射，所述激活映射按照所述多维区域内的位置表示COPD的级别；以及在显示器上输出来自所述激活映射的图像。

全文数据：

权利要求：

百度查询： 西门子医疗有限公司 利用机器训练的异常检测的COPD分类

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD