JP2018529134A - ディープラーニングに基づく医療データ分析方法及びそのインテリジェントアナライザー - Google Patents
ディープラーニングに基づく医療データ分析方法及びそのインテリジェントアナライザー Download PDFInfo
- Publication number
- JP2018529134A JP2018529134A JP2017559611A JP2017559611A JP2018529134A JP 2018529134 A JP2018529134 A JP 2018529134A JP 2017559611 A JP2017559611 A JP 2017559611A JP 2017559611 A JP2017559611 A JP 2017559611A JP 2018529134 A JP2018529134 A JP 2018529134A
- Authority
- JP
- Japan
- Prior art keywords
- data
- medical
- model
- layer
- deep learning
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Abstract
Description
CTスキャンが1162部、X線が1461部、MRIが325で、X線の1部につき2枚の二次元画像が含まれ、CTスキャンの1部につき50枚の二次元画像が含まれ、MRIの1部につき100枚の二次元画像が含まれる。これら検査データは、全て放射線科医がレポートを作成し、また該レベル3甲種総合病院には20人余りの放射線科医しかいなく、その中に入力が遅い年配の医師及び経験不足の若い医師も含まれる。よって、毎日継続して大量の作業を処理すると、関係の医師或いは研究員の仕事におけるストレスが大きく、体力の低下が速く、仕事能率も低く、更には分析結果の誤り率が高い等の問題が起きやすかった。
本発明のディープラーニングに基づく医療データ分析方法は、
医療訓練データとして届け出た膨大な同種の医療材料データ及び該医療材料データにマッチングする診療データを収集し、入力装置を通じてコンピュータ内に保存するステップ1)と、
前記医療訓練データ内の二次元以上の画像データをテキストデータ内の時間及び空間に伴う変化値と対応のデータと関連付けるステップ2)と、
収集した膨大な医療訓練データ内において、各個体に対応する医療訓練データと前記変化値を1つのデータユニットに集約するステップ3)と、
前記医療訓練データを分割、関連付け又はテキストデータマイニング方法でコンピュータが理解できる構造化データマトリックスとして統合或いはフォーマットし、各データユニット内からデータ特徴を抽出するステップ4)と、
構造化データマトリックスを形成した医療訓練データをコンピュータ内に設けられ、ディープラーニングモデルに対応するストレージモジュール内に導入するステップ5)と、
コンピュータを通じて前記ディープラーニングモデルに対し、a.ディープラーニングの基本ワークフレームを設定し、前記医療訓練データをデータ特徴によって入力層と少なくとも1層の隠れ層と出力層とを含むデータモデルを作成し、入力層がデータ特徴を持つ若干のノードを含み、出力層が診療データ特徴を持つ若干のノードを含み、各隠れ層が上位層の出力値とマッピングする対応関係を持つ若干のノードを含むことと、b.各ノードは数学的方程式で該ノードのデータモデルを作成し、人工又はランダム方法で前記数学的方程式内の関連パラメータ値を予め設定し、入力層内の各ノードの入力値が前記データ特徴であり、各隠れ層及び出力層内の各ノードの入力値が上位層の出力値であり、各層内の各ノードの出力値が本ノードの前記数学的方程式の演算を経た後で得られる値であることと、c.前記パラメータ値Aiを初期化し、前記出力層内の各ノードの出力値を対応するノードの診療データ特徴と比較し、各ノードの前記パラメータ値Aiを繰り返し修正し、順次繰り返しし、最終的に前記出力層内の各ノードの出力値で生成し、前記診療データ特徴の類似度が局部最大時の出力値と対応する各ノード内のパラメータ値Aiを得たことという最適化法により、最適化演算を行うステップ6)と、
得られた構造化データマトリックスを形成した医学分析対象データを該ディープラーニングモデル内に導入してそのマッチングする病理学的分析を行うステップ7)と、
ディープラーニングモデルから出力装置を通じて前記医学分析対象データにマッチングする病理学的分析結果を出力するステップ8)と、
を含む。
前記医療訓練データは、医療材料データとそのマッチングする診療データとを含み;
前記医療訓練データ及び医学分析対象データは、コンピュータが理解できる構造化データマトリックスであり;
前記自主学習は、線形モデルとニューロンモデルと畳み込み演算及び/或いは最大値を求める演算を含むパラメータ数学的方程式を用い;
前記入力装置は、病院、医学機構に設置されるコンピュータと、該コンピュータとリンクする各種医療検査装置及び病理分析装置とを含み;
前記出力装置は、病院、医学機構内に設置されると共に前記入力装置とリンクする定置型コンピュータの出力ターミナル及びモバイルスマートターミナルを含む。
前記医療材料データは、医師から記入・入力された例えば現病歴、既往歴、身体検査、実験室及び機器検査、入院後の治療過程等の記録といった患者情報を含む。
前記診療データ(別名目標データ)は、医師が患者の入院初診及び出院結果、疾病治療効果等を行う記録を含む。
患者を診察し、患者の年齢、性別、体重、現病歴、既往歴、身体検査等の関連情報を入力し、分析データを統合して該患者に疾病種類の分析、受診助言及び治療予定プランを提供する。例えば、65歳の男性患者、咳、胸の圧迫感、最近体重減少、長期喫煙歴、過去検査を受けていないこと等といった1名の患者の関連情報を入力する。
前記医療材料データは、オリジナル画像データ、病理種類、疾病に関する検査データ、病変部位、転移の有無又は多発等を含む。
前記診療データは、医師から記入されたテキスト診察データ、追跡調査データを含む。
放射線科:異なる身体部位、異なる画像検査手段のオリジナル画像データに対する分析訓練を通じて、インテリジェントアナライザーに病変について認識、分析機能を持たせ、また次の診療助言を出す。例えば肺部の単発肺結節のCT知能化診断は、インテリジェントアナライザーが極め短い時間内に全てのオリジナル画像を検索して病変部位、大きさ、内部密度、辺縁状態、画像内その他の部位の正常の有無等のデータを判断できる。
すなわち、ある人又はあるシリーズの症例と関連する医療訓練データ及び前記変化値を1つのデータユニットに集約する。
1、ディープラーニングの基本ワークフレームを設定し、前記医療訓練データをデータ特徴によって入力層と少なくとも1層の隠れ層と出力層とを含むデータモデルを作成し、入力層がデータ特徴を持つ若干のノードを含み、出力層が診療データ特徴を持つ若干のノードを含み、各隠れ層が上位層の出力値とマッピングする対応関係を持つ若干のノードを含み;
2、ノードは数学的方程式で該ノードのデータモデルを作成し、人工又はランダム方法で前記数学的方程式内の関連パラメータ値を予め設定し、入力層内の各ノードの入力値が前記データ特徴であり、各隠れ層及び出力層内の各ノードの入力値が上位層の出力値であり、各層内の各ノードの出力値が本ノードの前記数学的方程式の演算を経た後で得られる値であり;
3、前記パラメータ値Aiを初期化し、前記出力層内の各ノードの出力値を対応するノードの診療データ特徴と比較し、各ノードの前記パラメータ値Aiを繰り返し修正し、順次繰り返しし、最終的に前記出力層内の各ノードの出力値で生成し、前記診療データ特徴の類似度が局部最大時の出力値と対応する各ノード内のパラメータ値Aiを得;
前記パラメータ値Aiを最適化する方法は、教師なしの学習方法及び教師あり学習方法である。
演算の中核は、教師あり学習アルゴリズムのディープラーニングであり、これが過去5〜10年人工知能及び機械学習分野の革命的な技術である。本発明のDNNアルゴリズムの基礎上において病変スキャン時の時空間的な変化を独創的に加入し、病変組織の三次元空間における結像法則を十分考慮し、認識確率を高め;同時にモデルは、医師の人為的な判断要因を導入でき、単純な知能の判断要因と医師の専門的な判断を結合して総合的なモデリングを行って病変確率を計算する。
<1.医療訓練データ>
a)客観的に存在する自然データ:すなわち、病院が実際の業務中で形成した自然診療データであり、訓練データは実際の運用シナリオで生成した診療データに近ければ近いほど、訓練効果が益々良くなる。データを教材とするのも対応の要求がある。2種のデータソース(すなわち、医療材料データ及び診療データ)は、本発明の実現にとって必要不可欠であり、まずオリジナル医療データを必要とされ、一般的に医療機器から結像した後のデータ形式は非常に多く、例えば.nii.gz,.dcm等の形式であり、全ての形式が訓練モデルに入る前に多次元マトリックスデータ情報として表されることができる。例えばMRI(英名:Magnetic Resonance Imaging、和名:核磁気共鳴画像)の図形は、三次元マトリックス(グレースケール)、すなわち、二次元グレースケールインデックスと一次元横断面とすることができ;或いは者四次元マトリックス(rgb)とし、すなわち、二次元インデックスカラーに3種インデックスカラーをプラスし、最後に一次元横断面をプラスする。いかなる医療データは、均しく抽象的にそのようなマトリックスに簡略化できる。そのようなマトリックスは、モデル読み取りのオリジナルデータソースを構成する。図2、図3に示すのは、脳のMRIで生成した画像データであり、仮にシステムは1枚のMRIスライスを画素512×512の図として生成し、一回の脳走査が200枚のスライス面である場合、一回グレースケールの脳走査データソースは512×512×200=52,428,800次元のデータ行に集約できる。モデルとって、52,428,800個の数字中に該脳走査の全ての理解及び概括された情報をカバーする。
機械学習アルゴリズムモデルが本発明の帰納及び情報に対して抽象的な要約を行う基本数学的ワークフレームであり、主な目的は、パターン識別過程をコンピュータに理解されることができる数学的構造で表現することである。訓練の過程は、モデル中のパラメータを見積もり、パラメータ見積もりが完了した後モデルは本発明に係る方法の中核部分となる。目的の異なる機械学習アルゴリズムに基づいて、教師あり学習及び教師なし学習という2種類に帰納できる。本発明は2種類のアルゴリズムをカバーする。
このアルゴリズムの基本的な原理は、人間の脳の認識過程を真似する。DNNアルゴリズムの入力は、オリジナル医療データ及び医師の歴史的な分析結果であり、最終的に分析過程を自動完成できる。DNNの抽象的な概括は、下式で表される。
雑音除去自己符号化器の原理は、あるデータ変数の有効な隠れた変数を見つけることである。図7に示すように、完全に雑音除去自己符号化器の動作原理を呈露し、オリジナル医療データに基づいてxを入力し、雑音除去自己符号化器が隠れた要素を表すy及びパラメータWを見つけて新しいデータzをマッピングする。雑音除去自己符号化器の最終目的は、パラメータWを見つけ出してzとxの間の差別を最小化させ、言い換えると、限られる情報内における最も完全にデータ変数情報を表すことができるパラメータを見つけ出すことである。これらパラメータは、モデル範囲内最大量のオリジナルデータをカバーする情報と見なすことができる。雑音除去自己符号化器は、簡単な符号化器の動作原理上において人為的に大量雑音を導入し、直観的に言うと、大量雑音を通じてモデルにより価値のある潜在的な法則を見つけるよう強制し、雑音中の無効法則の影響を受けない。最終的に訓練したパラメータは、教師あり学習の最初パラメータ初期値となり、モデルの第一歩のために良好な起点を見つけ出すことに相当し、訓練を受けるモデルパラメータ最適化の速度を大幅に加速する。
制限付きボルツマンマシンが果たす役割は、dAEと非常に類似し、均しく教師なし学習中のパラメータ最適化ステップのために準備する。dAEと非常に類似し、RBMも最も既存データ変数の要因方向性を見つけて後期教師あり学習の初期パラメータとすることである。ただし、dAEと異なり、RBMはエネルギー確率生成式モデルを使用し、dAEのように決定性数式を使用することはない。演算による求解の視点から見ると、dAEが少し複雑である。ただし、その確率生成モデルの本質は、イベント確率性に重点を置くモデリングシナリオにとって、より適用される。我々のモデリング過程について、更に過剰適合現象の発生を低下するため、RBM及びdAEの2種教師なし学習は、統合した学習過程中に使用される。
よく見られるのは、下式である。
最もよく見られる正則化表現式は、下式であるが、ユーザーは随意に選択された正則化表現式も使用できる。
前記医療訓練データは、医療材料データとそのマッチングする診療データとを含み;
前記医療訓練データ及び医学分析対象データは、コンピュータが理解できる構造化データマトリックスであり;
前記自主学習は、線形モデルとニューロンモデルと畳み込み演算及び/或いは最大値を求める演算を含むパラメータ数学的方程式を用い;
前記入力装置は、病院、医学機構に設置されるコンピュータと、該コンピュータとリンクする各種医療検査装置及び病理分析装置とを含み;例えばコンピュータ、超音波装置、X射線、同期心電計、生化学分析装置、免疫分析装置、ファイバースコープ、MRI、CTドップラ診断装置、血圧計、体重計等である。
前記出力装置は、病院、医学機構内に設置されると共に前記入力装置とリンクする定置型コンピュータの出力ターミナル及びモバイルスマートターミナルを含む。例えばコンピュータ、医療機器ターミナル、携帯電話ターミナル等である。
Claims (10)
- ディープラーニングに基づく医療データ分析方法であって、
医療訓練データとして届け出た膨大な同種の医療材料データ及び該医療材料データにマッチングする診療データを収集し、入力装置を通じてコンピュータ内に保存するステップ1)と、
前記医療訓練データ内の二次元以上の画像データをテキストデータ内の時間及び空間に伴う変化値と対応のデータと関連付けるステップ2)と、
収集した膨大な医療訓練データ内において、各個体に対応する医療訓練データと前記変化値を1つのデータユニットに集約するステップ3)と、
前記医療訓練データを分割、関連付け又はテキストデータマイニング方法でコンピュータが理解できる構造化データマトリックスとして統合或いはフォーマットし、各データユニット内からデータ特徴を抽出するステップ4)と、
構造化データマトリックスを形成した医療訓練データをコンピュータ内に設けられ、ディープラーニングモデルに対応するストレージモジュール内に導入するステップ5)と、
コンピュータを通じて前記ディープラーニングモデルに対し、a.ディープラーニングの基本ワークフレームを設定し、前記医療訓練データをデータ特徴によって入力層と少なくとも1層の隠れ層と出力層とを含むデータモデルを作成し、入力層がデータ特徴を持つ若干のノードを含み、出力層が診療データ特徴を持つ若干のノードを含み、各隠れ層が上位層の出力値とマッピングする対応関係を持つ若干のノードを含むことと、b.各ノードは数学的方程式で該ノードのデータモデルを作成し、人工又はランダム方法で前記数学的方程式内の関連パラメータ値を予め設定し、入力層内の各ノードの入力値が前記データ特徴であり、各隠れ層及び出力層内の各ノードの入力値が上位層の出力値であり、各層内の各ノードの出力値が本ノードの前記数学的方程式の演算を経た後で得られる値であることと、c.前記パラメータ値Aiを初期化し、前記出力層内の各ノードの出力値を対応するノードの診療データ特徴と比較し、各ノードの前記パラメータ値Aiを繰り返し修正し、順次繰り返しし、最終的に前記出力層内の各ノードの出力値で生成し、前記診療データ特徴の類似度が局部最大時の出力値と対応する各ノード内のパラメータ値Aiを得たことという最適化法により、最適化演算を行うステップ6)と、
得られた構造化データマトリックスを形成した医学分析対象データを該ディープラーニングモデル内に導入してそのマッチングする病理学的分析を行うステップ7)と、
ディープラーニングモデルから出力装置を通じて前記医学分析対象データにマッチングする病理学的分析結果を出力するステップ8)と、を含む
ことを特徴とする方法。 - 前記パラメータ値Aiを最適化する方法は、教師なしの学習方法である
請求項1に記載の方法。 - 前記教師なし学習方法は、雑音除去自己符号化器或いは制限付きボルツマンマシンを用いて自主学習を行う
請求項1に記載の方法。 - 前記パラメータ値Aiを最適化する方法は、教師ありの学習方法である
請求項1に記載の方法。 - 前記数学的方程式は、パラメータ数学的方程式或いは非パラメータ数学的方程式であり、パラメータ数学的方程式が線形モデル、ニューロンモデル或いは畳み込み演算とすることができ、非パラメータ数学的方程式が極値計算方程式とすることができ、数学モデルの設定方式は下式で表され、
請求項1ないし4のいずれかに記載の方法。 - 前記医療材料データは、臨床及び医療技術の段階における医師が患者の診断、検査及び治療過程に対して行った関連情報の記録を含み;前記診断データは、臨床及び医療技術の段階における医師が患者の初診判断、退院結果、疾病治療効果に対して行った関連情報の記録及び医師が作成したテキスト診察データと追跡調査データを含む
請求項1に記載の方法。 - 前記データ特徴は、医療訓練データの時空間における変化値とデータ自体の各種数理統計値とを含み、例えば時間に伴って変化し、データのアップ或いはダウン傾向である
請求項1に記載の方法。 - 前記医学分析対象データ及びそのマッチングする分析結果が関わる構造化データを前記ディープラーニングモデル内にフィードバックして新しい訓練データが形成される
請求項1に記載の方法。 - ディープラーニングに基づいて医療データに対し分析を行うインテリジェントアナライザーであって、医療訓練データ及び医学分析対象データをコンピュータ内に導入する入力装置と、前記医療訓練データ及び医学分析対象データを分けて保存又は集中保存するストレージモジュールと、ストレージモジュール内の医療訓練データを呼び出して自主学習を行うディープラーニングモデルモジュールと、前記医学分析対象データとマッチングする病理学的分析結果をエクスポートする出力装置とCPU及び/或いはGPUのプロセッサとを包括し、
前記医療訓練データは、医療材料データとそのマッチングする診療データとを含み;
前記医療訓練データ及び医学分析対象データは、コンピュータが理解できる構造化データマトリックスであり;
前記自主学習は、線形モデルとニューロンモデルと畳み込み演算及び/或いは最大値を求める演算を含むパラメータ数学的方程式を用い;
前記入力装置は、病院、医学機構に設置されるコンピュータと、該コンピュータとリンクする各種医療検査装置及び病理分析装置とを含み;
前記出力装置は、病院、医学機構内に設置されると共に前記入力装置とリンクする定置型コンピュータの出力ターミナル及びモバイルスマートターミナルを含む
ことを特徴とするディープラーニングに基づいて医療データに対し分析を行うインテリジェントアナライザー。 - インターネット、イーサネット(登録商標)と接続でき、光ファイバー接続、WIFI接続或いはGPRSモジュール接続を含むネットワーク接続モジュールを更に設ける
請求項9に記載のディープラーニングに基づいて医療データに対し分析を行うインテリジェントアナライザー。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510294286.3 | 2015-06-02 | ||
CN201510294286.3A CN104866727A (zh) | 2015-06-02 | 2015-06-02 | 基于深度学习对医疗数据进行分析的方法及其智能分析仪 |
PCT/CN2016/084000 WO2016192612A1 (zh) | 2015-06-02 | 2016-05-31 | 基于深度学习对医疗数据进行分析的方法及其智能分析仪 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018529134A true JP2018529134A (ja) | 2018-10-04 |
JP6522161B2 JP6522161B2 (ja) | 2019-05-29 |
Family
ID=53912551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017559611A Active JP6522161B2 (ja) | 2015-06-02 | 2016-05-31 | ディープラーニングに基づく医療データ分析方法及びそのインテリジェントアナライザー |
Country Status (6)
Country | Link |
---|---|
US (2) | US11200982B2 (ja) |
EP (1) | EP3306500A4 (ja) |
JP (1) | JP6522161B2 (ja) |
CN (2) | CN113421652A (ja) |
IL (1) | IL255856B (ja) |
WO (1) | WO2016192612A1 (ja) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020013529A (ja) * | 2018-07-12 | 2020-01-23 | 國立臺灣科技大學 | 機械学習を適用した医療画像分析方法及びそのシステム |
KR20200041697A (ko) * | 2018-10-12 | 2020-04-22 | 계명대학교 산학협력단 | 심혈관 질환 종류에 따른 심전도 패턴 시뮬레이션 생체신호 구현 시스템 및 방법 |
KR20200087342A (ko) * | 2018-12-31 | 2020-07-21 | 월드버텍 주식회사 | 딥러닝 기반의 식물 인식 시스템 |
JP2021038941A (ja) * | 2019-08-30 | 2021-03-11 | 株式会社豊田中央研究所 | ノイズ除去装置および距離測定装置 |
JP6885517B1 (ja) * | 2020-03-17 | 2021-06-16 | 株式会社村田製作所 | 診断支援装置及びモデル生成装置 |
KR20210105472A (ko) * | 2020-02-18 | 2021-08-27 | 서울대학교산학협력단 | Mri 스캐너 고유의 장치특성정보를 이용하는 변환 네트워크부를 포함하는 mri 데이터 변환장치 및 이를 이용한 mri 데이터 변환방법 |
WO2021206518A1 (ko) * | 2020-04-10 | 2021-10-14 | (주)휴톰 | 수술 후 수술과정 분석 방법 및 시스템 |
WO2024063319A1 (ko) * | 2022-09-23 | 2024-03-28 | 삼성전자 주식회사 | 시뮬레이션된 생체 신호를 출력하는 디바이스 및 그 동작 방법 |
Families Citing this family (98)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113421652A (zh) | 2015-06-02 | 2021-09-21 | 推想医疗科技股份有限公司 | 对医疗数据进行分析的方法、训练模型的方法及分析仪 |
US10387464B2 (en) * | 2015-08-25 | 2019-08-20 | Facebook, Inc. | Predicting labels using a deep-learning model |
CN105117611B (zh) * | 2015-09-23 | 2018-06-12 | 北京科技大学 | 基于卷积神经元网络的中医舌诊模型的确定方法及系统 |
JP2019513315A (ja) * | 2016-02-29 | 2019-05-23 | ウルグス ソシエダード アノニマ | 惑星規模解析のためのシステム |
CN105808712A (zh) * | 2016-03-07 | 2016-07-27 | 陈宽 | 将文本类医疗报告转换为结构化数据的智能系统及方法 |
US20170262583A1 (en) | 2016-03-11 | 2017-09-14 | International Business Machines Corporation | Image processing and text analysis to determine medical condition |
CN106264460B (zh) * | 2016-07-29 | 2019-11-19 | 北京医拍智能科技有限公司 | 基于自学习的脑活动多维时间序列信号的解码方法及装置 |
CN106156530A (zh) * | 2016-08-03 | 2016-11-23 | 北京好运到信息科技有限公司 | 基于栈式自编码器的体检数据分析方法及装置 |
CN107025369B (zh) * | 2016-08-03 | 2020-03-10 | 北京推想科技有限公司 | 一种对医疗图像进行转换学习的方法和装置 |
CN106326640A (zh) * | 2016-08-12 | 2017-01-11 | 上海交通大学医学院附属瑞金医院卢湾分院 | 一种医疗语音控制系统及其控制方法 |
CN106599530B (zh) * | 2016-10-31 | 2019-08-02 | 北京千安哲信息技术有限公司 | 一种检测数据的处理方法和装置 |
CN107358014B (zh) * | 2016-11-02 | 2021-01-26 | 华南师范大学 | 一种生理数据的临床前处理方法及系统 |
CN108198625B (zh) * | 2016-12-08 | 2021-07-20 | 推想医疗科技股份有限公司 | 一种分析高维医疗数据的深度学习方法和装置 |
CN106777953A (zh) * | 2016-12-09 | 2017-05-31 | 江西中科九峰智慧医疗科技有限公司 | 医学影像数据的分析方法及系统 |
CN106934216B (zh) * | 2017-02-16 | 2021-09-14 | 山东大学齐鲁医院 | 基于多目标的医疗器械临床评价方法 |
CN106934235B (zh) * | 2017-03-09 | 2019-06-11 | 中国科学院软件研究所 | 一种基于迁移学习的疾病领域间病人相似性度量迁移系统 |
CN107833605A (zh) * | 2017-03-14 | 2018-03-23 | 北京大瑞集思技术有限公司 | 一种医院病历信息的编码方法、装置、服务器及系统 |
US10261903B2 (en) | 2017-04-17 | 2019-04-16 | Intel Corporation | Extend GPU/CPU coherency to multi-GPU cores |
CN114796891A (zh) * | 2017-06-05 | 2022-07-29 | 西安大医集团股份有限公司 | 放疗系统 |
CN107239767A (zh) * | 2017-06-08 | 2017-10-10 | 北京纽伦智能科技有限公司 | 小鼠行为识别方法及其系统 |
EP3270308B9 (en) | 2017-06-14 | 2022-05-18 | Siemens Healthcare GmbH | Method for providing a secondary parameter, decision support system, computer-readable medium and computer program product |
CN109300167B (zh) * | 2017-07-25 | 2023-10-10 | 清华大学 | 重建ct图像的方法和设备以及存储介质 |
CN110691548B (zh) * | 2017-07-28 | 2023-05-12 | 谷歌有限责任公司 | 用于从电子健康记录中预测和总结医疗事件的系统和方法 |
CN107616796B (zh) * | 2017-08-31 | 2020-09-11 | 北京医拍智能科技有限公司 | 基于深度神经网络的肺结节良恶性检测方法及装置 |
WO2019051007A1 (en) * | 2017-09-07 | 2019-03-14 | Butterfly Network, Inc. | ULTRASONIC DEVICE ON A CHIP RELATED TO THE WRIST |
CN107767935A (zh) * | 2017-09-15 | 2018-03-06 | 深圳市前海安测信息技术有限公司 | 基于人工智能的医学影像分类处理系统及方法 |
CN108053841A (zh) * | 2017-10-23 | 2018-05-18 | 平安科技(深圳)有限公司 | 利用语音进行疾病预测的方法及应用服务器 |
CN109947782A (zh) * | 2017-11-03 | 2019-06-28 | 中国移动通信有限公司研究院 | 一种大数据实时应用系统的更新方法、装置及系统 |
TWI649698B (zh) * | 2017-12-21 | 2019-02-01 | 財團法人工業技術研究院 | 物件偵測裝置、物件偵測方法及電腦可讀取媒體 |
JP7006296B2 (ja) * | 2018-01-19 | 2022-01-24 | 富士通株式会社 | 学習プログラム、学習方法および学習装置 |
CN108538390A (zh) * | 2018-04-28 | 2018-09-14 | 中南大学 | 一种面向医学数据的增量式处理方法 |
EP3788627A1 (en) * | 2018-04-30 | 2021-03-10 | Koninklijke Philips N.V. | Adapting a machine learning model based on a second set of training data |
KR20210015834A (ko) * | 2018-06-05 | 2021-02-10 | 스미또모 가가꾸 가부시키가이샤 | 진단 지원 시스템, 진단 지원 방법 및 진단 지원 프로그램 |
KR102095959B1 (ko) * | 2018-07-11 | 2020-04-01 | 주식회사 아이센스 | 인공지능 딥러닝 학습을 이용한 생체측정물 농도 측정방법 |
CN108986913A (zh) * | 2018-07-13 | 2018-12-11 | 希蓝科技(北京)有限公司 | 一种优化人工智能心电诊断方法及系统 |
US11756691B2 (en) | 2018-08-01 | 2023-09-12 | Martin Reimann | Brain health comparison system |
US20210295174A1 (en) * | 2018-08-09 | 2021-09-23 | Board Of Trustees Of Michigan State University | Systems and methods for providing flexible, multi-capacity models for use of deep neural networks in mobile devices |
CN110827988B (zh) * | 2018-08-14 | 2022-10-21 | 上海明品医学数据科技有限公司 | 一种基于移动终端进行医学数据研究的控制方法 |
EP3614337A1 (en) * | 2018-08-19 | 2020-02-26 | Chang Gung Memorial Hospital, Linkou | Method and system of analyzing medical images |
CN109191446B (zh) * | 2018-08-30 | 2020-12-29 | 杭州深睿博联科技有限公司 | 用于肺结节分割的图像处理方法及装置 |
US20210272659A1 (en) * | 2018-09-07 | 2021-09-02 | Minas Chrysopoulo | System to provide shared decision making for patient treatment options |
KR102150673B1 (ko) * | 2018-10-02 | 2020-09-01 | (주)지엘테크 | 외관불량 검사방법 및 외관불량 검사 시스템 |
US11468998B2 (en) * | 2018-10-09 | 2022-10-11 | Radect Inc. | Methods and systems for software clinical guidance |
CN109671499B (zh) * | 2018-10-22 | 2023-06-13 | 南方医科大学 | 一种直肠毒性预测系统构建方法 |
CN111091914B (zh) * | 2018-10-23 | 2023-11-21 | 百度在线网络技术(北京)有限公司 | 基于病历的癌症分型分期方法及其装置 |
CN109378064B (zh) * | 2018-10-29 | 2021-02-02 | 南京医基云医疗数据研究院有限公司 | 医疗数据处理方法、装置电子设备及计算机可读介质 |
US11507822B2 (en) * | 2018-10-31 | 2022-11-22 | General Electric Company | Scalable artificial intelligence model generation systems and methods for healthcare |
CN111180076B (zh) * | 2018-11-13 | 2023-09-05 | 零氪科技(北京)有限公司 | 一种基于多层语义分析的医疗信息提取方法 |
CN109247923B (zh) * | 2018-11-15 | 2020-12-15 | 中国科学院自动化研究所 | 基于视频的非接触式脉搏实时估计方法及设备 |
CN109583358A (zh) * | 2018-11-26 | 2019-04-05 | 广东智源信息技术有限公司 | 一种医疗卫生监督快速精准执法方法 |
CN111261278A (zh) * | 2018-11-30 | 2020-06-09 | 上海图灵医疗科技有限公司 | 一种基于三维图像的深度学习模型的心脏疾病检测方法 |
CN109816140A (zh) * | 2018-12-12 | 2019-05-28 | 哈尔滨工业大学(深圳) | 基于跨市场影响的股价预测方法、装置、设备及存储介质 |
US10957442B2 (en) * | 2018-12-31 | 2021-03-23 | GE Precision Healthcare, LLC | Facilitating artificial intelligence integration into systems using a distributed learning platform |
US11687691B2 (en) * | 2019-01-03 | 2023-06-27 | International Business Machines Corporation | Forward and reverse transformations of a model of functional units of a biological system trained by a global model of the systems |
CN109800294B (zh) * | 2019-01-08 | 2020-10-13 | 中国科学院自动化研究所 | 基于物理环境博弈的自主进化智能对话方法、系统、装置 |
CN110119432B (zh) * | 2019-03-29 | 2023-05-05 | 中国人民解放军总医院 | 一种用于医疗平台的数据处理方法 |
CN110121056B (zh) * | 2019-04-03 | 2022-01-14 | 视联动力信息技术股份有限公司 | 跨区域视联网监控视频获取方法及装置 |
CN110085314A (zh) * | 2019-04-11 | 2019-08-02 | 上海翼依信息技术有限公司 | 医学检验数据的智能分析方法、系统以及设备 |
CN110033863B (zh) * | 2019-04-23 | 2021-06-04 | 科大讯飞股份有限公司 | 应用于临床决策支持系统的不合理疾病诊断检测方法、装置 |
US20200342968A1 (en) * | 2019-04-24 | 2020-10-29 | GE Precision Healthcare LLC | Visualization of medical device event processing |
CN110164524A (zh) * | 2019-04-29 | 2019-08-23 | 北京国润健康医学投资有限公司 | 一种偏瘫患者康复训练任务自适应匹配方法及其系统 |
US11416653B2 (en) * | 2019-05-15 | 2022-08-16 | The Mitre Corporation | Numerical model of the human head |
CN110322959B (zh) * | 2019-05-24 | 2021-09-28 | 山东大学 | 一种基于知识的深度医疗问题路由方法及系统 |
CN111341435B (zh) * | 2019-07-01 | 2022-11-08 | 郑州大学第一附属医院 | 一种用于疾病诊断的用户IoT设备 |
US11449793B2 (en) | 2019-07-03 | 2022-09-20 | Kpn Innovations, Llc. | Methods and systems for medical record searching with transmittable machine learning |
US11443137B2 (en) | 2019-07-31 | 2022-09-13 | Rohde & Schwarz Gmbh & Co. Kg | Method and apparatus for detecting signal features |
CN110706803B (zh) * | 2019-08-20 | 2023-06-27 | 南京医基云医疗数据研究院有限公司 | 一种确定心肌纤维化的方法、装置、可读介质及电子设备 |
US11783189B2 (en) * | 2019-08-29 | 2023-10-10 | Nec Corporation | Adversarial cooperative imitation learning for dynamic treatment |
CN110808095B (zh) * | 2019-09-18 | 2023-08-04 | 平安科技(深圳)有限公司 | 诊断结果识别、模型训练的方法、计算机设备及存储介质 |
US10936962B1 (en) | 2019-11-01 | 2021-03-02 | Kenneth Neumann | Methods and systems for confirming an advisory interaction with an artificial intelligence platform |
KR102446775B1 (ko) | 2019-11-06 | 2022-09-22 | 주식회사 하나금융티아이 | 컨벌루션 신경망의 입력 데이터 생성 장치 및 방법 그리고 이를 이용한 인공지능 기반 펀드가격 예측 장치 및 방법 |
CN110879980B (zh) * | 2019-11-13 | 2023-09-05 | 厦门大学 | 基于神经网络算法的核磁共振波谱去噪方法 |
CN110890157A (zh) * | 2019-11-18 | 2020-03-17 | 京东方科技集团股份有限公司 | 一种分析模型建立方法、辅助诊断装置及设备、介质 |
US11901056B2 (en) | 2019-11-30 | 2024-02-13 | Kpn Innovations, Llc | Methods and systems for informed selection of prescriptive therapies |
US10734105B1 (en) | 2019-11-30 | 2020-08-04 | Kpn Innovations, Llc | Methods and systems for informed selection of prescriptive therapies |
CN111192680B (zh) * | 2019-12-25 | 2021-06-01 | 山东众阳健康科技集团有限公司 | 一种基于深度学习和集成分类的智能辅助诊断方法 |
CN110767312A (zh) * | 2019-12-26 | 2020-02-07 | 杭州迪英加科技有限公司 | 人工智能辅助病理诊断系统及方法 |
WO2021146748A1 (en) * | 2020-01-17 | 2021-07-22 | Acucela Inc. | Database of retinal physiology derived from ophthalmic measurements performed by patients |
CN113223693B (zh) * | 2020-01-20 | 2023-11-10 | 深圳市理邦精密仪器股份有限公司 | 心电图机在线交互方法、心电图机、存储介质 |
CN111582493B (zh) * | 2020-04-15 | 2023-07-28 | 马鞍山师范高等专科学校 | 一种深度学习模型训练的管理系统 |
CN111696660B (zh) * | 2020-05-13 | 2023-07-25 | 平安科技(深圳)有限公司 | 基于人工智能的患者分群方法、装置、设备及存储介质 |
CN111696674B (zh) * | 2020-06-12 | 2023-09-08 | 电子科技大学 | 一种电子病历的深度学习方法及系统 |
CN111789675B (zh) * | 2020-06-29 | 2022-02-22 | 首都医科大学附属北京天坛医院 | 颅内血肿手术定位辅助方法及装置 |
CN111883247B (zh) * | 2020-07-29 | 2022-03-15 | 复旦大学 | 一种行为数据与医疗结局相关性的分析系统 |
US20220059200A1 (en) * | 2020-08-21 | 2022-02-24 | Washington University | Deep-learning systems and methods for medical report generation and anomaly detection |
CN112231306B (zh) * | 2020-08-23 | 2021-05-28 | 山东翰林科技有限公司 | 基于大数据的能源数据分析系统及方法 |
CN112070731B (zh) * | 2020-08-27 | 2021-05-11 | 佛山读图科技有限公司 | 应用人工智能引导人体模型图集与病例ct图像配准的方法 |
CN112053785A (zh) * | 2020-09-02 | 2020-12-08 | 北京小白世纪网络科技有限公司 | 基于冠心病诊断神经网络模型冠心病诊断方法及系统 |
CN112022124A (zh) * | 2020-09-14 | 2020-12-04 | 山东省创新设计研究院有限公司 | 生理监测方法、装置、计算机设备和存储介质 |
CN112164448B (zh) * | 2020-09-25 | 2021-06-22 | 上海市胸科医院 | 免疫治疗疗效预测模型训练方法、预测系统及方法和介质 |
CN112164446B (zh) * | 2020-10-13 | 2022-04-22 | 电子科技大学 | 一种基于多网络融合的医疗影像报告生成方法 |
KR102272545B1 (ko) * | 2020-11-26 | 2021-07-05 | 웰트 주식회사 | 건강 진단을 위한 사용자 장치 제어 방법 및 이러한 방법을 수행하는 장치 |
CN112786190B (zh) * | 2021-01-14 | 2024-02-13 | 金陵科技学院 | 一种多维数据融合的医疗健康诊疗方法 |
CN112869691B (zh) * | 2021-02-03 | 2021-11-02 | 清华大学 | 双波长增强型拉曼内窥式无创病理检测装置及检测方法 |
US11275903B1 (en) * | 2021-05-13 | 2022-03-15 | Retain Health, Inc | System and method for text-based conversation with a user, using machine learning |
CN114582494B (zh) * | 2022-03-03 | 2022-11-15 | 数坤(北京)网络科技股份有限公司 | 诊断结果分析方法、装置、存储介质及电子设备 |
CN114373511B (zh) * | 2022-03-15 | 2022-08-30 | 南方医科大学南方医院 | 基于5hmC分子标志物检测的肠癌模型及肠癌模型构建方法 |
CN115115620B (zh) * | 2022-08-23 | 2022-12-13 | 安徽中医药大学 | 一种基于深度学习的肺炎病变模拟方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009210465A (ja) * | 2008-03-05 | 2009-09-17 | Yamaguchi Univ | がん細胞を分類する方法、がん細胞を分類するための装置及びがん細胞を分類するためのプログラム |
CN103914841A (zh) * | 2014-04-03 | 2014-07-09 | 深圳大学 | 基于超像素和深度学习的细菌分割与分类方法及其应用 |
WO2014152395A1 (en) * | 2013-03-15 | 2014-09-25 | The Cleveland Clinic Foundation | Self-evolving predictive model |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE69610926T2 (de) * | 1995-07-25 | 2001-06-21 | Horus Therapeutics Inc | Rechnergestütztes verfahren und anordnung zur diagnose von krankheiten |
US5687716A (en) * | 1995-11-15 | 1997-11-18 | Kaufmann; Peter | Selective differentiating diagnostic process based on broad data bases |
WO1997029447A2 (en) * | 1996-02-09 | 1997-08-14 | Adeza Biomedical Corporation | Method for selecting medical and biochemical diagnostic tests using neural network-related applications |
US7313550B2 (en) * | 2002-03-27 | 2007-12-25 | Council Of Scientific & Industrial Research | Performance of artificial neural network models in the presence of instrumental noise and measurement errors |
AU2004251359B2 (en) * | 2003-06-25 | 2009-01-22 | Siemens Medical Solutions Usa, Inc. | Systems and methods for automated diagnosis and decision support for breast imaging |
US20070027368A1 (en) * | 2005-07-14 | 2007-02-01 | Collins John P | 3D anatomical visualization of physiological signals for online monitoring |
US8990132B2 (en) * | 2010-01-19 | 2015-03-24 | James Ting-Ho Lo | Artificial neural networks based on a low-order model of biological neural networks |
CN102542562A (zh) | 2011-11-23 | 2012-07-04 | 首都医科大学 | 一种基于肺结节三正交位ct图像纹理的提取方法和预测肺癌方法 |
CN203122364U (zh) * | 2012-11-14 | 2013-08-14 | 华北电力大学 | 一种基于神经网络技术的病情自诊断设备 |
US20170124269A1 (en) * | 2013-08-12 | 2017-05-04 | Cerner Innovation, Inc. | Determining new knowledge for clinical decision support |
US9700219B2 (en) | 2013-10-17 | 2017-07-11 | Siemens Healthcare Gmbh | Method and system for machine learning based assessment of fractional flow reserve |
CN103544392B (zh) * | 2013-10-23 | 2016-08-24 | 电子科技大学 | 基于深度学习的医学气体识别方法 |
US10049447B2 (en) * | 2013-11-06 | 2018-08-14 | H. Lee Moffitt Cancer Center and Research Insititute, Inc. | Pathology case review, analysis and prediction |
CN104298651B (zh) * | 2014-09-09 | 2017-02-22 | 大连理工大学 | 一种基于深度学习的生物医学命名实体识别和蛋白质交互关系抽取在线方法 |
US9687199B2 (en) * | 2014-09-15 | 2017-06-27 | Wisconsin Alumni Research Foundation | Medical imaging system providing disease prognosis |
CN104523266B (zh) | 2015-01-07 | 2017-04-05 | 河北大学 | 一种心电信号自动分类方法 |
CN113421652A (zh) * | 2015-06-02 | 2021-09-21 | 推想医疗科技股份有限公司 | 对医疗数据进行分析的方法、训练模型的方法及分析仪 |
-
2015
- 2015-06-02 CN CN202110688013.2A patent/CN113421652A/zh active Pending
- 2015-06-02 CN CN201510294286.3A patent/CN104866727A/zh active Pending
-
2016
- 2016-05-31 EP EP16802535.1A patent/EP3306500A4/en active Pending
- 2016-05-31 US US15/579,212 patent/US11200982B2/en active Active
- 2016-05-31 WO PCT/CN2016/084000 patent/WO2016192612A1/zh active Application Filing
- 2016-05-31 JP JP2017559611A patent/JP6522161B2/ja active Active
-
2017
- 2017-11-22 IL IL255856A patent/IL255856B/en unknown
-
2021
- 2021-11-05 US US17/519,873 patent/US20220059229A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009210465A (ja) * | 2008-03-05 | 2009-09-17 | Yamaguchi Univ | がん細胞を分類する方法、がん細胞を分類するための装置及びがん細胞を分類するためのプログラム |
WO2014152395A1 (en) * | 2013-03-15 | 2014-09-25 | The Cleveland Clinic Foundation | Self-evolving predictive model |
CN103914841A (zh) * | 2014-04-03 | 2014-07-09 | 深圳大学 | 基于超像素和深度学习的细菌分割与分类方法及其应用 |
Non-Patent Citations (3)
Title |
---|
岡谷貴之: ""ディープラーニングと画像認識 −基礎と最近の動向−"", オペレーションズ・リサーチ, vol. 第60巻,第4号, JPN6018047211, 1 April 2015 (2015-04-01), pages 198 - 204, ISSN: 0003970532 * |
浅川 伸一, ディープラーニング,ビッグデータ,機械学習, vol. 第1版, JPN6019003103, 28 April 2015 (2015-04-28), pages 43 - 81, ISSN: 0003970535 * |
野代 史康: "計算機による医用画像理解を目的とした深層学習によるCT画像の撮影部位認識", 電子情報通信学会技術研究報告, vol. 114, no. 482, JPN6019003100, 23 February 2015 (2015-02-23), JP, pages 143 - 146, ISSN: 0003970534 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020013529A (ja) * | 2018-07-12 | 2020-01-23 | 國立臺灣科技大學 | 機械学習を適用した医療画像分析方法及びそのシステム |
KR20200041697A (ko) * | 2018-10-12 | 2020-04-22 | 계명대학교 산학협력단 | 심혈관 질환 종류에 따른 심전도 패턴 시뮬레이션 생체신호 구현 시스템 및 방법 |
KR102180135B1 (ko) * | 2018-10-12 | 2020-11-17 | 계명대학교 산학협력단 | 심혈관 질환 종류에 따른 심전도 패턴 시뮬레이션 생체신호 구현 시스템 및 방법 |
KR20200087342A (ko) * | 2018-12-31 | 2020-07-21 | 월드버텍 주식회사 | 딥러닝 기반의 식물 인식 시스템 |
KR102190756B1 (ko) * | 2018-12-31 | 2020-12-14 | 월드버텍 주식회사 | 딥러닝 기반의 식물 인식 시스템 |
JP2021038941A (ja) * | 2019-08-30 | 2021-03-11 | 株式会社豊田中央研究所 | ノイズ除去装置および距離測定装置 |
JP7158355B2 (ja) | 2019-08-30 | 2022-10-21 | 株式会社豊田中央研究所 | ノイズ除去装置および距離測定装置 |
KR102322616B1 (ko) | 2020-02-18 | 2021-11-05 | 서울대학교 산학협력단 | Mri 스캐너 고유의 장치특성정보를 이용하는 변환 네트워크부를 포함하는 mri 데이터 변환장치 및 이를 이용한 mri 데이터 변환방법 |
KR20210105472A (ko) * | 2020-02-18 | 2021-08-27 | 서울대학교산학협력단 | Mri 스캐너 고유의 장치특성정보를 이용하는 변환 네트워크부를 포함하는 mri 데이터 변환장치 및 이를 이용한 mri 데이터 변환방법 |
JP6885517B1 (ja) * | 2020-03-17 | 2021-06-16 | 株式会社村田製作所 | 診断支援装置及びモデル生成装置 |
WO2021186592A1 (ja) * | 2020-03-17 | 2021-09-23 | 株式会社村田製作所 | 診断支援装置及びモデル生成装置 |
WO2021206518A1 (ko) * | 2020-04-10 | 2021-10-14 | (주)휴톰 | 수술 후 수술과정 분석 방법 및 시스템 |
WO2024063319A1 (ko) * | 2022-09-23 | 2024-03-28 | 삼성전자 주식회사 | 시뮬레이션된 생체 신호를 출력하는 디바이스 및 그 동작 방법 |
Also Published As
Publication number | Publication date |
---|---|
JP6522161B2 (ja) | 2019-05-29 |
EP3306500A4 (en) | 2019-01-23 |
US20180137941A1 (en) | 2018-05-17 |
CN104866727A (zh) | 2015-08-26 |
EP3306500A1 (en) | 2018-04-11 |
CN113421652A (zh) | 2021-09-21 |
IL255856A (en) | 2018-01-31 |
US11200982B2 (en) | 2021-12-14 |
WO2016192612A1 (zh) | 2016-12-08 |
IL255856B (en) | 2022-01-01 |
US20220059229A1 (en) | 2022-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6522161B2 (ja) | ディープラーニングに基づく医療データ分析方法及びそのインテリジェントアナライザー | |
Liang et al. | A transfer learning method with deep residual network for pediatric pneumonia diagnosis | |
US10706333B2 (en) | Medical image analysis method, medical image analysis system and storage medium | |
Suganyadevi et al. | A review on deep learning in medical image analysis | |
Mijwil et al. | From Pixels to Diagnoses: Deep Learning's Impact on Medical Image Processing-A Survey | |
Mall et al. | A comprehensive review of deep neural networks for medical image processing: Recent developments and future opportunities | |
Sun et al. | Intelligent analysis of medical big data based on deep learning | |
Shen et al. | Learning from adversarial medical images for X-ray breast mass segmentation | |
Kazemi et al. | Classifying tumor brain images using parallel deep learning algorithms | |
CN112508884A (zh) | 一种癌变区域综合检测装置及方法 | |
CN112819831A (zh) | 基于卷积Lstm及多模型融合的分割模型生成方法及装置 | |
Liu et al. | Recognition of digital dental X-ray images using a convolutional neural network | |
Naz et al. | Report Generation of Lungs Diseases from Chest X-Ray Using NLP | |
Kurian et al. | Multimodality medical image retrieval using convolutional neural network | |
Holderrieth et al. | Transfer Learning for Neuroimaging via Re-use of Deep Neural Network Features | |
Agarwal et al. | A Novel Hybrid System of Detecting Brain Tumors in MRI | |
Rajasenbagam et al. | Semantic content-based image retrieval system using deep learning model for lung cancer CT images | |
Zhu et al. | Medical visual question answering via corresponding feature fusion combined with semantic attention | |
Marques et al. | Artificial neural network-based approaches for computer-aided disease diagnosis and treatment | |
Wan et al. | Computer-aided classification of lung nodules on CT images with expert knowledge | |
Shaikh et al. | Automated classification of pneumonia from chest x-ray images using deep transfer learning efficientnet-b0 model | |
Rabby et al. | Performance analysis of different convolutional neural network (CNN) models with optimizers in detecting tuberculosis (TB) from various chest X-ray images | |
Panda et al. | Application of artificial intelligence in medical imaging | |
Srirangam | Artificial Intelligence Based Hyper-parameter Adjustment on Deep Neural Networks: An Application of Detection and Classification of COVID-19 Diseases | |
Wibisono et al. | Segmentation-based knowledge extraction from chest X-ray images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171222 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190128 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190212 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190412 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190423 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190423 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6522161 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |