DE202022100604U1 - Intelligent system for automatic classification of medical images using image processing and artificial intelligence - Google Patents
Intelligent system for automatic classification of medical images using image processing and artificial intelligence Download PDFInfo
- Publication number
- DE202022100604U1 DE202022100604U1 DE202022100604.0U DE202022100604U DE202022100604U1 DE 202022100604 U1 DE202022100604 U1 DE 202022100604U1 DE 202022100604 U DE202022100604 U DE 202022100604U DE 202022100604 U1 DE202022100604 U1 DE 202022100604U1
- Authority
- DE
- Germany
- Prior art keywords
- biomedical
- image
- images
- machine learning
- classification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012545 processing Methods 0.000 title description 9
- 238000013473 artificial intelligence Methods 0.000 title description 8
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000010801 machine learning Methods 0.000 claims abstract description 47
- 238000012549 training Methods 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000013135 deep learning Methods 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 238000010606 normalization Methods 0.000 claims abstract description 4
- 238000002604 ultrasonography Methods 0.000 claims description 3
- 230000001149 cognitive effect Effects 0.000 description 16
- 238000012360 testing method Methods 0.000 description 11
- 238000002059 diagnostic imaging Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 230000002547 anomalous effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000002346 musculoskeletal system Anatomy 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
System (10) zur Klassifizierung von biomedizinischen Bildern (1), wobei das System (10) umfasst:
eine Erfassungseinheit (2), die für die Erfassung der biomedizinischen Bilder (1) eines Subjekts aus einer Vielzahl von biomedizinischen Einheiten mit den Subjektdaten verwendet wird, wobei die biomedizinischen Einheiten einen Satz von Biobild-Erzeugungseinheiten umfassen, wobei ein Smartphone mit einem computerlesbaren Programm arbeitet, um die Ergebnisse der biomedizinischen Einheiten zu verarbeiten und die gefilterten biomedizinischen Bilder zu erzeugen;
eine Filtereinheit (3), die zur Vorverarbeitung der erhaltenen gefilterten biomedizinischen Bilder des Subjekts unter Verwendung einer Bildvorverarbeitungseinheit (4) verwendet wird, wobei die Bildvorverarbeitungseinheit (4) eine Filterung, eine Normalisierung und eine Entfernung der unerwünschten Informationen aus den erhaltenen biomedizinischen Bildern durchführt; und
eine Klassifizierungseinheit (5), die zum Klassifizieren des biomedizinischen Bildes (1) durch einen maschinellen Lernalgorithmus verwendet wird, wobei der maschinelle Lernalgorithmus ein auf maschinellem Lernen basierendes Modell ist, das aus einem großen Satz von Trainingsdaten des biomedizinischen Bildes (1) von einem großen Subjekt mit dessen biomedizinischem Bild (1) und Subjektdaten gelernt wird, wobei der Algorithmus für maschinelles Lernen die Merkmale des eingegebenen biomedizinischen Bildes mit den verarbeiteten Daten des biomedizinischen Bildes (1) vergleicht und den Typ des biomedizinischen Bildes (1) auf der Grundlage von voreingestellten Übereinstimmungskriterien der Merkmale des biomedizinischen Bildes klassifiziert, wobei das tiefe Lernen das biomedizinische Bild (1) auf der Grundlage der Klassifizierung des biomedizinischen Bildes als entsprechend den zugehörigen Bildmerkmalen klassifiziert.
System (10) for classifying biomedical images (1), the system (10) comprising:
an acquisition unit (2) used for acquiring the biomedical images (1) of a subject from a plurality of biomedical units with the subject data, the biomedical units comprising a set of bioimage generation units, wherein a smartphone operates with a computer-readable program to process the results of the biomedical units and generate the filtered biomedical images;
a filter unit (3) used for pre-processing the obtained filtered biomedical images of the subject using an image pre-processing unit (4), the image pre-processing unit (4) performing filtering, normalization and removal of the unwanted information from the obtained biomedical images; and
a classification unit (5) used for classifying the biomedical image (1) by a machine learning algorithm, the machine learning algorithm being a machine learning-based model derived from a large set of training data of the biomedical image (1) from a large Subject is learned with whose biomedical image (1) and subject data, the machine learning algorithm compares the characteristics of the input biomedical image with the processed data of the biomedical image (1) and the type of the biomedical image (1) based on preset matching criteria of the features of the biomedical image, wherein the deep learning classifies the biomedical image (1) based on the classification of the biomedical image as corresponding to the associated image features.
Description
BEREICH DER ERFINDUNGFIELD OF THE INVENTION
Die vorliegende Erfindung bezieht sich auf das Gebiet der Klassifizierung biomedizinischer Bilder.The present invention relates to the field of biomedical image classification.
Die vorliegende Erfindung bezieht sich auf das Gebiet der auf maschinellem Lernen basierenden Klassifizierung von biomedizinischen Bildern aus einer Datenbank.The present invention relates to the field of machine learning based classification of biomedical images from a database.
Insbesondere bezieht sich die vorliegende Erfindung auf ein intelligentes System zur automatischen Klassifizierung medizinischer Bilder mit Hilfe von Bildverarbeitung und künstlicher Intelligenz.In particular, the present invention relates to an intelligent system for automatically classifying medical images using image processing and artificial intelligence.
HINTERGRUND DER ERFINDUNGBACKGROUND OF THE INVENTION
Bei dem im Abschnitt „Hintergrund“ behandelten Gegenstand sollte nicht davon ausgegangen werden, dass er allein aufgrund seiner Erwähnung im Abschnitt „Hintergrund“ zum Stand der Technik gehört. Ebenso sollte nicht davon ausgegangen werden, dass ein im Hintergrundabschnitt erwähntes oder mit dem Gegenstand des Hintergrundabschnitts verbundenes Problem bereits im Stand der Technik erkannt wurde. Der Gegenstand des Hintergrundabschnitts stellt lediglich verschiedene Ansätze dar, die für sich genommen ebenfalls Erfindungen sein können.The subject matter discussed in the background section should not be assumed to constitute prior art merely by virtue of its mention in the background section. Likewise, it should not be assumed that any problem mentioned in the background section or associated with the subject matter of the background section has already been recognized in the prior art. The subject matter of the background section merely presents various approaches, which in themselves may also be inventions.
Gruppierungen von alternativen Elementen oder Ausführungsformen der hierin offenbarten Erfindung sind nicht als Einschränkungen zu verstehen. Jedes Gruppenmitglied kann einzeln oder in beliebiger Kombination mit anderen Mitgliedern der Gruppe oder anderen hierin enthaltenen Elementen in Bezug genommen und beansprucht werden. Ein oder mehrere Mitglieder einer Gruppe können aus Gründen der Zweckmäßigkeit und/oder der Patentierbarkeit in eine Gruppe aufgenommen oder aus ihr entfernt werden. Wenn eine solche Aufnahme oder Streichung erfolgt, wird davon ausgegangen, dass die Spezifikation die Gruppe in der geänderten Form enthält, wodurch die schriftliche Beschreibung aller in den beigefügten Ansprüchen verwendeten Markush-Gruppen erfüllt wird.Groupings of alternative elements or embodiments of the invention disclosed herein are not intended to be limiting. Each group member may be referenced and claimed individually or in any combination with other members of the group or other elements contained herein. One or more members of a group may be included in or removed from a group for reasons of convenience and/or patentability. When such inclusion or deletion occurs, the specification is deemed to contain the group as amended, thereby satisfying the written description of all Markush groups used in the appended claims.
Wie in der vorliegenden Beschreibung und in den folgenden Ansprüchen verwendet, schließt die Bedeutung von „ein“, „eine“ und „die“ den Plural ein, sofern der Kontext nicht eindeutig etwas anderes vorschreibt. Wie in der vorliegenden Beschreibung verwendet, schließt die Bedeutung von „in“ auch „in“ und „am“ ein, sofern der Kontext nicht eindeutig etwas anderes vorschreibt.As used in the present specification and the following claims, the meaning of "a", "an" and "the" includes the plural unless the context clearly dictates otherwise. As used in the present specification, the meaning of "in" also includes "in" and "am" unless the context clearly dictates otherwise.
Die Aufzählung von Wertebereichen dient lediglich als Kurzbezeichnung für jeden einzelnen Wert, der in den Bereich fällt. Sofern hier nicht anders angegeben, wird jeder einzelne Wert in die Spezifikation aufgenommen, als ob er hier einzeln aufgeführt wäre. Alle hierin beschriebenen Verfahren können in jeder geeigneten Reihenfolge durchgeführt werden, sofern hierin nichts anderes angegeben ist oder der Kontext dem nicht eindeutig widerspricht.The enumeration of value ranges serves only as a short name for each individual value that falls within the range. Unless otherwise noted here, each individual value is included in the specification as if it were individually listed here. All of the methods described herein can be performed in any suitable order, unless otherwise indicated herein or the context clearly dictates otherwise.
Die Verwendung von Beispielen oder beispielhaften Formulierungen (z. B. „wie“) in Bezug auf bestimmte Ausführungsformen dient lediglich der besseren Veranschaulichung der Erfindung und stellt keine Einschränkung des Umfangs der ansonsten beanspruchten Erfindung dar. Keine Formulierung in der Beschreibung ist als Hinweis auf ein nicht beanspruchtes Element zu verstehen, das für die Ausübung der Erfindung wesentlich ist.The use of examples or exemplary language (e.g., "such as") with respect to particular embodiments is intended solely to better illustrate the invention and should not be construed as limiting the scope of the otherwise claimed invention. No language in the specification is intended as an indication of a unclaimed element essential to the practice of the invention.
Die in diesem Abschnitt „Hintergrund“ offengelegten Informationen dienen lediglich dem besseren Verständnis des Hintergrunds der Erfindung und können daher Informationen enthalten, die nicht zum Stand der Technik gehören und die einer Person mit normaler Fachkenntnis in diesem Land bereits bekannt sind.The information disclosed in this Background section is only for enhancement of understanding of the background of the invention and therefore it may contain information that does not form the prior art that is already known to a person of ordinary skill in this country.
ZUSAMMENFASSUNGSUMMARY
Bevor die vorliegenden Systeme und Methoden beschrieben werden, sei darauf hingewiesen, dass diese Anwendung nicht auf die beschriebenen Systeme und Methoden beschränkt ist, da es mehrere mögliche Ausführungsformen geben kann, die in der vorliegenden Offenlegung nicht ausdrücklich dargestellt sind. Es ist auch zu verstehen, dass die in der Beschreibung verwendete Terminologie nur zur Beschreibung der besonderen Versionen oder Ausführungsformen dient und nicht dazu gedacht ist, den Umfang der vorliegenden Anwendung zu begrenzen.Before describing the present systems and methods, it should be noted that this application is not limited to the systems and methods described, as there may be several possible embodiments that are not expressly illustrated in the present disclosure. It is also to be understood that the terminology used in the specification is for the purpose of describing particular versions or embodiments only and is not intended to limit the scope of the present application.
Die vorliegende Erfindung behebt und löst vor allem die technischen Probleme, die im Stand der Technik bestehen. Als Antwort auf diese Probleme, offenbart die vorliegende Erfindung ein intelligentes System für die automatische Klassifizierung von medizinischen Bildern mit Bildverarbeitung und künstliche Intelligenz.Above all, the present invention addresses and solves the technical problems that exist in the prior art. In response to these problems, the present invention discloses an intelligent automatic classification system of medical images using image processing and artificial intelligence.
Ein Aspekt der vorliegenden Erfindung ist ein System zur Klassifizierung von biomedizinischen Bildern, wobei das System umfasst: eine Erfassungseinheit, verwendet für die Erfassungseinheit der biomedizinischen Bilder eines Subjekts aus einer Vielzahl von biomedizinischen Einheiten mit den Subjektdaten, wobei die biomedizinischen Einheiten einen Satz von Biobild-Erzeugungseinheiten umfassen, wobei das Smartphone ein computerlesbares Programm verarbeitet, um die Ergebnisse der biomedizinischen Einheiten zu verarbeiten und die biomedizinischen Bilder zu erzeugen; eine Filtereinheit, die zur Vorverarbeitung des erhaltenen biomedizinischen Bildes des Subjekts unter Verwendung einer Bildvorverarbeitungseinheit verwendet wird, wobei die Bildvorverarbeitungseinheit eine Filterung, eine Normalisierung und ein Entfernen der unerwünschten Informationen aus dem biomedizinischen Bild durchführt; und eine Klassifizierungseinheit, die zum Klassifizieren der biomedizinischen Bilder durch einen maschinellen Lernalgorithmus verwendet wird, wobei der maschinelle Lernalgorithmus ein auf maschinellem Lernen basierendes Modell ist, das aus einem großen Satz von Trainingsdaten der biomedizinischen Bilder eines großen Subjekts mit dessen biomedizinischen Bildern und Subjektdaten gelernt wurde, wobei der maschinelle Lernalgorithmus die Merkmale des eingegebenen biomedizinischen Bildes mit den verarbeiteten Daten der biomedizinischen Bilder vergleicht und die Art der biomedizinischen Bilder auf der Grundlage von voreingestellten Übereinstimmungskriterien der Merkmale des biomedizinischen Bildes klassifiziert, wobei das tiefe Lernen biomedizinische Bilder auf der Grundlage der Klassifizierung des biomedizinischen Bildes als entsprechend der zugehörigen Bildmerkmale klassifiziert. “One aspect of the present invention is a system for classifying biomedical images, the system comprising: an acquisition unit used for acquiring the biomedical images of a subject from a plurality of biomedical units with the subject data, the biomedical units having a set of bioimage Generating units include, wherein the smartphone processes a computer-readable program to process the results of the biomedical units and generate the biomedical images; a filtering unit used to pre-process the obtained biomedical image of the subject using an image pre-processing unit, the image pre-processing unit performing filtering, normalization and removing the unwanted information from the biomedical image; and a classification unit used to classify the biomedical images by a machine learning algorithm, the machine learning algorithm being a machine learning-based model learned from a large set of training data of the biomedical images of a large subject with its biomedical images and subject data , wherein the machine learning algorithm compares the features of the input biomedical image with the processed data of the biomedical images and classifies the type of biomedical images based on preset matching criteria of the features of the biomedical image, wherein the deep learning classifies biomedical images based on the classification of the biomedical image classified as corresponding to the associated image features. "
Figurenlistecharacter list
Um verschiedene Aspekte einiger Ausführungsbeispiele der vorliegenden Erfindung zu verdeutlichen, wird eine genauere Beschreibung der Erfindung durch Bezugnahme auf bestimmte Ausführungsformen, die in den beigefügten Figuren dargestellt sind, gegeben. Es wird davon ausgegangen, dass diese Figuren nur illustrierte Ausführungsformen der Erfindung darstellen und daher nicht als Einschränkung des Umfangs der Erfindung anzusehen sind. Die Erfindung wird mit zusätzlicher Spezifität und Detail durch die Verwendung der beigefügten Figuren beschrieben und erläutert werden.In order to clarify various aspects of some embodiments of the present invention, a more detailed description of the invention will be given by reference to certain embodiments illustrated in the attached figures. It is understood that these figures represent only illustrated embodiments of the invention and are therefore not to be considered as limiting the scope of the invention. The invention will be described and illustrated with additional specificity and detail through the use of the accompanying figures.
Damit die Vorteile der vorliegenden Erfindung leicht verstanden werden, wird im Folgenden eine detaillierte Beschreibung der Erfindung in Verbindung mit den beigefügten Figuren erörtert, die jedoch nicht als Beschränkung des Umfangs der Erfindung auf die beigefügten Figuren angesehen werden sollten, in denen:
-
1 das Blockdiagramm eines intelligenten Systems zur automatischen Klassifizierung medizinischer Bilder mit Hilfe von Bildverarbeitung und künstlicher Intelligenz zeigt.
-
1 shows the block diagram of an intelligent system for the automatic classification of medical images using image processing and artificial intelligence.
DETAILLIERTE BESCHREIBUNGDETAILED DESCRIPTION
Die vorliegende Erfindung bezieht sich auf ein intelligentes System zur automatischen Klassifizierung medizinischer Bilder mit Hilfe von Bildverarbeitung und künstlicher Intelligenz.The present invention relates to an intelligent system for automatically classifying medical images using image processing and artificial intelligence.
Obwohl die vorliegende Offenbarung mit dem Ziel der intelligenten System für die automatische Klassifizierung von medizinischen Bildern mit Bildverarbeitung und künstliche Intelligenz beschrieben wurde, ist es offensichtlich, dass das gleiche wurde nur getan, um die Erfindung in einer beispielhaften Art und Weise zu veranschaulichen und zu markieren jeden anderen Zweck oder Funktion, für die erklärte Strukturen oder Konfigurationen verwendet werden könnten und ist innerhalb des Anwendungsbereichs der vorliegenden Offenbarung. Das intelligente System (10) zur automatischen Klassifizierung medizinischer Bilder (1) unter Verwendung von Bildverarbeitung und künstlicher Intelligenz wird in dieser Offenlegung vorgestellt.Although the present disclosure has been described with the aim of intelligent systems for the automatic classification of medical images using image processing and artificial intelligence, it is obvious that the same has been done only to illustrate and characterize the invention in an exemplary manner any other purpose or function for which the stated structures or configurations could be used and is within the scope of the present disclosure. The intelligent system (10) for automatic classification of medical images (1) using image processing and artificial intelligence is presented in this disclosure.
Das System (10) zur Klassifizierung von biomedizinischen Bildern (1) umfasst eine Erfassungseinheit (2), eine Filtereinheit (3) und eine Klassifizierungseinheit (5).The system (10) for classifying biomedical images (1) comprises a detection unit (2), a filter unit (3) and a classification unit (5).
Die Erfassungseinheit (2) dient zur Erfassung der biomedizinischen Bilder (1) eines Subjekts aus einer Vielzahl von biomedizinischen Einheiten mit den Subjektdaten.The acquisition unit (2) serves to acquire the biomedical images (1) of a subject from a large number of biomedical units with the subject data.
Die biomedizinischen Einheiten bestehen aus einer Reihe von Einheiten zur Erzeugung von Biobildern, wobei ein Smartphone zur Verarbeitung mit einem computerlesbaren Programm verwendet wird, um die Ergebnisse der biomedizinischen Einheiten zu verarbeiten und die gefilterten biomedizinischen Bilder zu erzeugen;The biomedical units consist of a series of units for generating bioimages, using a smartphone for processing with a computer-readable program to process the results of the biomedical units and generate the filtered biomedical images;
Die Filtereinheit (3) wird für die Vorverarbeitung der erhaltenen gefilterten biomedizinischen Bilder des Subjekts unter Verwendung einer Bildvorverarbeitungseinheit (4) verwendet.The filter unit (3) is used for pre-processing the obtained filtered biomedical images of the subject using an image pre-processing unit (4).
Die Bildvorbereitungseinheit (4) führt eine Filterung, Normalisierung und Entfernung der unerwünschten Informationen aus den erhaltenen biomedizinischen Bildern durch.The image preparation unit (4) performs filtering, normalization and removal of the unwanted information from the biomedical images obtained.
Die Klassifizierungseinheit (5) dient zur Klassifizierung des biomedizinischen Bildes (1) durch einen Algorithmus für maschinelles Lernen.The classification unit (5) is used to classify the biomedical image (1) using an algorithm for machine learning.
Der Algorithmus für maschinelles Lernen ist ein auf maschinellem Lernen basierendes Modell, das aus einem großen Satz von Trainingsdaten des biomedizinischen Bildes (1) eines großen Subjekts mit dessen biomedizinischem Bild (1) und Subjektdaten gelernt wird.The machine learning algorithm is a machine learning-based model that is learned from a large set of training data of a large subject's biomedical image (1) with its biomedical image (1) and subject data.
Der Algorithmus für maschinelles Lernen vergleicht die Merkmale des eingegebenen biomedizinischen Bildes mit den verarbeiteten Daten des biomedizinischen Bildes (1) und klassifiziert den Typ des biomedizinischen BildesThe machine learning algorithm compares the features of the input biomedical image with the processed biomedical image data (1) and classifies the biomedical image type
Auf der Grundlage von voreingestellten Übereinstimmungskriterien der Merkmale des biomedizinischen Bildes, wobei das tiefe Lernen das biomedizinische Bild (1) auf der Grundlage der Klassifizierung des biomedizinischen Bildes als entsprechend den zugehörigen Bildmerkmalen klassifiziert.Based on preset matching criteria of the features of the biomedical image, the deep learning classifies the biomedical image (1) based on the classification of the biomedical image as corresponding to the associated image features.
Die biomedizinischen Bilder (1) umfassen Röntgenbilder, CT-Bilder, PET-Bilder, MRI-Bilder und Ultraschallbilder.The biomedical images (1) include X-ray images, CT images, PET images, MRI images, and ultrasound images.
Die Klassifizierungseinheit (5) klassifiziert die biomedizinischen Bilder und versieht die Bilder mit einer Beschriftung.The classification unit (5) classifies the biomedical images and labels the images.
Die biomedizinischen Bilder (1) werden über eine Datenbank mit biomedizinischen Bildern erfasst.The biomedical images (1) are acquired from a database of biomedical images.
Die Figuren und die vorangehende Beschreibung zeigen Beispiele für Ausführungsformen. Der Fachmann wird verstehen, dass eines oder mehrere der beschriebenen Elemente durchaus zu einem einzigen Funktionselement kombiniert werden können. Alternativ dazu können bestimmte Elemente in mehrere Funktionselemente aufgeteilt werden. Elemente aus einer Ausführungsform können einer anderen Ausführungsform hinzugefügt werden. Die Reihenfolge der hier beschriebenen Prozesse kann beispielsweise geändert werden und ist nicht auf die hier beschriebene Weise beschränkt. Darüber hinaus müssen die Aktionen eines Blockdiagramms nicht in der gezeigten Reihenfolge ausgeführt werden, und es müssen auch nicht unbedingt alle Aktionen durchgeführt werden. Auch können diejenigen Handlungen, die nicht von anderen Handlungen abhängig sind, parallel zu den anderen Handlungen ausgeführt werden. Der Umfang der Ausführungsformen ist durch diese spezifischen Beispiele keineswegs begrenzt.The figures and the preceding description show examples of embodiments. Those skilled in the art will understand that one or more of the elements described may well be combined into a single functional element. Alternatively, certain elements can be broken down into multiple functional elements. Elements from one embodiment may be added to another embodiment. For example, the order of the processes described herein may be changed and is not limited to the manner described herein. In addition, the actions of a block diagram do not need to be performed in the order shown, and not all actions need to be performed. Also, those actions that are not dependent on other actions can be performed in parallel with the other actions. The scope of the embodiments is in no way limited by these specific examples.
Obwohl Ausführungsformen der Erfindung in einer für strukturelle Merkmale und/oder Methoden spezifischen Sprache beschrieben wurden, sind die beigefügten Ansprüche nicht notwendigerweise auf die beschriebenen spezifischen Merkmale oder Methoden beschränkt. Vielmehr werden die spezifischen Merkmale und Methoden als Beispiele für Ausführungsformen der Erfindung offenbart.Although embodiments of the invention have been described in language specific to structural features and/or methods, the appended claims are not necessarily limited to the specific features or methods described. Rather, the specific features and methods are disclosed as examples of embodiments of the invention.
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of documents cited by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturPatent Literature Cited
- US 20200167608 [0005]US20200167608 [0005]
- WO /2021/122670 A [0006]WO/2021/122670A [0006]
- US 20200320354 [0007]US20200320354 [0007]
- US 20200286405 [0008]US20200286405 [0008]
- EP 3483895 [0009]EP 3483895 [0009]
- EP 3444824 [0010]EP 3444824 [0010]
- CN 111476301 [0011]CN 111476301 [0011]
- US 20190189263 [0012]US20190189263 [0012]
- US 20190189264 [0013]US20190189264 [0013]
- US 20190189267 [0014]US20190189267 [0014]
- KR 1020200095254 [0015]KR 1020200095254 [0015]
- US 20210050093 [0016]US20210050093 [0016]
- US 20190189266 [0017]US20190189266 [0017]
- EP 3323086 [0018]EP 3323086 [0018]
- WO 2017/009812 [0019]WO 2017/009812 [0019]
Claims (4)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE202022100604.0U DE202022100604U1 (en) | 2022-02-02 | 2022-02-02 | Intelligent system for automatic classification of medical images using image processing and artificial intelligence |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE202022100604.0U DE202022100604U1 (en) | 2022-02-02 | 2022-02-02 | Intelligent system for automatic classification of medical images using image processing and artificial intelligence |
Publications (1)
Publication Number | Publication Date |
---|---|
DE202022100604U1 true DE202022100604U1 (en) | 2022-02-16 |
Family
ID=80474181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE202022100604.0U Active DE202022100604U1 (en) | 2022-02-02 | 2022-02-02 | Intelligent system for automatic classification of medical images using image processing and artificial intelligence |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE202022100604U1 (en) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017009812A1 (en) | 2015-07-15 | 2017-01-19 | Oxford University Innovation Limited | System and method for structures detection and multi-class image categorization in medical imaging |
EP3444824A1 (en) | 2017-08-18 | 2019-02-20 | Siemens Healthcare GmbH | Detecting and classifying medical images based on continuously-learning whole body landmarks detections |
EP3483895A1 (en) | 2017-11-13 | 2019-05-15 | Siemens Healthcare GmbH | Detecting and classifying medical images based on continuously-learning whole body landmarks detections |
US20190189264A1 (en) | 2017-12-15 | 2019-06-20 | International Business Machines Corporation | Triage of patient medical condition based on cognitive classification of medical images |
US20190189267A1 (en) | 2017-12-15 | 2019-06-20 | International Business Machines Corporation | Automated medical resource reservation based on cognitive classification of medical images |
US20190189263A1 (en) | 2017-12-15 | 2019-06-20 | International Business Machines Corporation | Automated report generation based on cognitive classification of medical images |
US20190189266A1 (en) | 2017-12-15 | 2019-06-20 | International Business Machines Corporation | Automated worklist prioritization of patient care based on cognitive classification of medical images |
US20200167608A1 (en) | 2017-12-21 | 2020-05-28 | International Business Machines Corporation | Generative Adversarial Network Medical Image Generation for Training of a Classifier |
CN111476301A (en) | 2019-12-26 | 2020-07-31 | 山东中科先进技术研究院有限公司 | Medical image classification method and system based on machine learning |
KR20200095254A (en) | 2019-01-31 | 2020-08-10 | (주)엔에스데블 | Medical image tagging and categorization system and method using Multi-label classification |
US20200286405A1 (en) | 2017-01-24 | 2020-09-10 | Tienovix, Llc | Method for developing a machine learning model of a neural network for classifying medical images |
US20200320354A1 (en) | 2019-04-05 | 2020-10-08 | Siemens Healthcare Gmbh | Medical image assessment with classification uncertainty |
WO2021122670A1 (en) | 2019-12-18 | 2021-06-24 | Koninklijke Philips N.V. | A co-training framework to mutually improve concept extraction from clinical notes and medical image classification |
-
2022
- 2022-02-02 DE DE202022100604.0U patent/DE202022100604U1/en active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017009812A1 (en) | 2015-07-15 | 2017-01-19 | Oxford University Innovation Limited | System and method for structures detection and multi-class image categorization in medical imaging |
EP3323086A1 (en) | 2015-07-15 | 2018-05-23 | Oxford University Innovation Limited | System and method for structures detection and multi-class image categorization in medical imaging |
US20200286405A1 (en) | 2017-01-24 | 2020-09-10 | Tienovix, Llc | Method for developing a machine learning model of a neural network for classifying medical images |
EP3444824A1 (en) | 2017-08-18 | 2019-02-20 | Siemens Healthcare GmbH | Detecting and classifying medical images based on continuously-learning whole body landmarks detections |
EP3483895A1 (en) | 2017-11-13 | 2019-05-15 | Siemens Healthcare GmbH | Detecting and classifying medical images based on continuously-learning whole body landmarks detections |
US20190189263A1 (en) | 2017-12-15 | 2019-06-20 | International Business Machines Corporation | Automated report generation based on cognitive classification of medical images |
US20190189267A1 (en) | 2017-12-15 | 2019-06-20 | International Business Machines Corporation | Automated medical resource reservation based on cognitive classification of medical images |
US20190189266A1 (en) | 2017-12-15 | 2019-06-20 | International Business Machines Corporation | Automated worklist prioritization of patient care based on cognitive classification of medical images |
US20190189264A1 (en) | 2017-12-15 | 2019-06-20 | International Business Machines Corporation | Triage of patient medical condition based on cognitive classification of medical images |
US20210050093A1 (en) | 2017-12-15 | 2021-02-18 | International Business Machines Corporation | Triage of patient medical condition based on cognitive classification of medical images |
US20200167608A1 (en) | 2017-12-21 | 2020-05-28 | International Business Machines Corporation | Generative Adversarial Network Medical Image Generation for Training of a Classifier |
KR20200095254A (en) | 2019-01-31 | 2020-08-10 | (주)엔에스데블 | Medical image tagging and categorization system and method using Multi-label classification |
US20200320354A1 (en) | 2019-04-05 | 2020-10-08 | Siemens Healthcare Gmbh | Medical image assessment with classification uncertainty |
WO2021122670A1 (en) | 2019-12-18 | 2021-06-24 | Koninklijke Philips N.V. | A co-training framework to mutually improve concept extraction from clinical notes and medical image classification |
CN111476301A (en) | 2019-12-26 | 2020-07-31 | 山东中科先进技术研究院有限公司 | Medical image classification method and system based on machine learning |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tuli et al. | Are convolutional neural networks or transformers more like human vision? | |
CN109886273B (en) | CMR image segmentation and classification system | |
CN106780475B (en) | A kind of image processing apparatus based on histopathologic slide's image organizational region | |
DE102015212953B4 (en) | Artificial neural networks for the classification of medical image data sets | |
DE60208223T2 (en) | ARRANGEMENT AND METHOD FOR FACE DETECTION USING PARTS OF THE LEARNED MODEL | |
DE102006010607A1 (en) | Object localization method, involves calculating probability values for limitation boxes in input image based on probability that object is arranged in these locations, and selecting box with highest probability as location of object | |
DE102015114015A1 (en) | MACHINE LEARNING | |
DE112020005572T5 (en) | Deep face detection based on clusters over unlabeled face data | |
US20220254022A1 (en) | Method and system for automatic multiple lesion annotation of medical images | |
DE112005000569T5 (en) | System and method for patient identification for clinical examinations using content based acquisition and learning | |
DE102005051638A1 (en) | Object recognition by means of cross-section analysis | |
DE112013002654T5 (en) | Method for classifying text | |
DE102014213408A1 (en) | Method for determining a three-dimensional model data set of a blood vessel system comprising at least one vessel segment | |
Mikołajczyk et al. | Towards explainable classifiers using the counterfactual approach-global explanations for discovering bias in data | |
DE102010063965A1 (en) | Apparatus and method for determining objects of a color photograph | |
Kavitha et al. | Hierarchical classifier for soft and hard exudates detection of retinal fundus images | |
Tushabe et al. | An image-based diagnosis of virus and bacterial skin infections | |
DE202022103523U1 (en) | A classification system for diabetic foot ulcers | |
DE112021005678T5 (en) | Normalization of OCT image data | |
CN113869382A (en) | Semi-supervised learning epilepsia electroencephalogram signal identification method based on domain embedding probability | |
DE102015114513A1 (en) | Medical image processing apparatus, method and program | |
DE202022100604U1 (en) | Intelligent system for automatic classification of medical images using image processing and artificial intelligence | |
DE112019004112T5 (en) | SYSTEM AND PROCEDURE FOR ANALYSIS OF MICROSCOPIC IMAGE DATA AND FOR GENERATING A NOTIFIED DATA SET FOR TRAINING THE CLASSIFICATORS | |
DE202022107266U1 (en) | A face recognition system to distinguish between similar faces | |
DE102020122749A1 (en) | System for the automated harmonization of structured data from different recording facilities |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R207 | Utility model specification | ||
R082 | Change of representative |
Representative=s name: LIPPERT STACHOW PATENTANWAELTE RECHTSANWAELTE , DE |