公開（公告）號：CN110337673A

技術(shù)分支：影像處理技術(shù)領(lǐng)域，重建技術(shù)方向

技術(shù)問題：由于各種原因，用于給定檢查的投影數(shù)據(jù)的一部分可能損壞或丟失（相對于理想的或數(shù)學上完整的投影數(shù)據(jù)集），這從而可導致圖像偽影。傳統(tǒng)的內(nèi)插技術(shù)、外插技術(shù)或迭代估計技術(shù)并不總是能夠充分地解決數(shù)據(jù)缺失或不完整的此類實例，并且在一些情況下，計算速度可能較慢。

技術(shù)方案：一種在斷層攝影重建中使用的估計缺失數(shù)據(jù)的方法，所述方法包括：采集或訪問一組掃描數(shù)據(jù)，其中所述一組掃描數(shù)據(jù)具有一個或多個不完整或不合適的數(shù)據(jù)的區(qū)域；使用一個或多個受過訓練的神經(jīng)網(wǎng)絡來處理所述一組掃描數(shù)據(jù)；使用所述一個或多個受過訓練的神經(jīng)網(wǎng)絡針對不完整或不合適的數(shù)據(jù)的每個區(qū)域生成估計的數(shù)據(jù)集，其中所述一組掃描數(shù)據(jù)與所述估計數(shù)據(jù)集一起對應于校正的一組掃描數(shù)據(jù)；執(zhí)行所述校正的一組掃描數(shù)據(jù)的斷層攝影重建以生成一個或多個重建圖像。

技術(shù)效果：所述方法涉及使用可使用受過訓練的神經(jīng)網(wǎng)絡（50）來實現(xiàn)的深度學習技術(shù)，以估計各種類型的缺失的投影數(shù)據(jù)或其他未重建的數(shù)據(jù)。類似地，與估計缺失的投影數(shù)據(jù)相反，所述方法也可用于替換或校正損壞或錯誤的投影數(shù)據(jù)。

簡要分析：該件專利處于審中狀態(tài)，技術(shù)穩(wěn)定性好；該專利有30項權(quán)利要求，有6件 inpadoc同族，在歐專局、日本、韓國、美國、世界知識產(chǎn)權(quán)組織等進行申請專利，專利保護范圍好，反映了該公司對該專利的重視程度。

公開（公告）號：CN110807737A

技術(shù)分支：影像處理技術(shù)領(lǐng)域，重建技術(shù)方向

技術(shù)問題：計算機斷層攝影（CT）圖像可能因X射線的量子特性和檢測器讀出噪聲而受到圖像噪聲的影響。此類圖像在空間分辨率方面受到幾個因素的限制，這些因素包括有限焦點尺寸、檢測器單元尺寸和重建過程。當輻射劑量增大時或者當空間分辨率增大時，圖像噪聲增大。因此，期望針對給定輻射劑量使圖像噪聲最小化并使空間分辨率最大化。同樣重要的是，重建過程保留低對比度細節(jié)，并且重建過程在計算上有效。

技術(shù)方案：一種用于重建圖像的方法，包括：接收正弦圖輸入；根據(jù)所述正弦圖輸入或者根據(jù)由所述正弦圖輸入生成的一個或多個中間圖像生成一個或多個中間正弦圖；迭代地處理所述中間正弦圖，其中所述迭代處理包括至少執(zhí)行迭代數(shù)據(jù)擬合操作，以將迭代循環(huán)的輸出與對所述迭代循環(huán)的輸入進行比較；除了所述數(shù)據(jù)擬合操作之外，還執(zhí)行去噪操作，其中使用經(jīng)訓練的人工神經(jīng)網(wǎng)絡來執(zhí)行所述去噪操作；以及在完成所述迭代處理之后，重建最終圖像并輸出所述最終圖像以供查看、存儲或進一步處理。

技術(shù)效果：根據(jù)該方法，可以實現(xiàn)直接重建方法的簡單性以及深度學習的降噪能力，其中還存在數(shù)據(jù)擬合項的統(tǒng)計益處。另外，在各種具體實施中，本公開可以容易地例如通過結(jié)合第一遍重建步驟來植入到不同的CT平臺。

簡要分析：該件專利處于審中狀態(tài)，技術(shù)穩(wěn)定性良好；該專利有10項權(quán)利要求，在美國、中國、歐專局、日本等4個國家和地區(qū)進行申請專利，專利保護范圍好，反映了該公司對該專利的重視程度。

公開（公告）號：US20130060121A1

技術(shù)分支：影像處理技術(shù)領(lǐng)域，識別技術(shù)方向

技術(shù)問題：目前，諸如計算機斷層攝影（CT），磁共振（MR）成像，X射線等成像技術(shù)被用于關(guān)節(jié)炎的診斷。然而，像X射線這樣的形態(tài)需要使用解剖結(jié)構(gòu)的2D投影，并且不能繪制解剖結(jié)構(gòu)的下面的3D結(jié)構(gòu)的精確圖像。而且，其它成像方法如CT和MR是相對昂貴的，并且對于某些患者組是禁用的。因此，希望設計和開發(fā)提供更快和更準確的病理診斷和評估對諸如肌肉骨骼病理的治療反應的專用方法和系統(tǒng)。特別地，希望開發(fā)允許更容易使用，更短的學習周期，更快的檢查時間和減少操作者依賴性的病理的檢測，量化和／或跟蹤的系統(tǒng)和方法。

技術(shù)方案：一種用于檢測疾病狀態(tài)的自動化方法，所述方法包括：識別一個或多個圖像數(shù)據(jù)集中的骨表面，其中所述一個或多個數(shù)據(jù)集對應于感興趣對象中的感興趣區(qū)域；基于對應的所識別的骨表面分割對應于所述一個或多個圖像數(shù)據(jù)集的關(guān)節(jié)囊區(qū)域；以及分析分割的關(guān)節(jié)囊區(qū)域以識別疾病狀態(tài)。

技術(shù)效果：所述的方法和系統(tǒng)有助于早期診斷，量化（評分），并增強了病理的縱向跟蹤，同時降低了評估病理時操作者的依賴性。此外，提出了一種客觀評估病理的方法，從而提高了病理診斷的效率。

簡要分析：該件專利處于有效狀態(tài)，技術(shù)穩(wěn)定性好；該專利及其同族專利在全球被引用18次，專利先進性較好；該專利有21項權(quán)利要求，在美國、中國、日本、德國4個國家和地區(qū)進行申請專利，專利保護范圍好，反映了該公司對該專利的重視程度。

公開（公告）號：WO03069553A2

技術(shù)分支：影像處理技術(shù)領(lǐng)域，識別技術(shù)方向

技術(shù)問題：MR成像設備用于產(chǎn)生已知腫瘤的“訓練集”圖像。同樣的設備也用于提供身體的被掃描區(qū)域的一組測試樣品以檢測繼發(fā)性腫瘤。然后提供相似性數(shù)據(jù)，以通過優(yōu)選地確定訓練集和測試集的每個成員之間的歐幾里得距離來指示測試樣本和訓練樣本之間的相似性程度。該方法的缺點是基于從圖像中的已知腫瘤定義訓練集，在大多數(shù)情況下，該訓練集本質(zhì)上是非均勻的，使得腫瘤圖像中的相鄰像素實際上可以表現(xiàn)出非常不同的行為。另一個缺點是對所構(gòu)造的類缺乏適當?shù)尿炞C，并且在所處理的數(shù)據(jù)集中缺乏生理信息。

技術(shù)方案：分析圖像數(shù)據(jù)的方法，包括a）通過在人或非人動物體的MR斷層造影中采集多通道數(shù)據(jù)來產(chǎn)生圖像空間中的數(shù)據(jù)，其中通道的至少一個子集描述先前已經(jīng)過的MR造影劑的動態(tài)行為給予所述身體，b）在圖像空間（ROI）中定義至少一個感興趣區(qū)域，c）通過使用多元圖像分析將a）中生成的圖像數(shù)據(jù)或與（ROI）對應的數(shù)據(jù)轉(zhuǎn)換為分數(shù)圖數(shù)據(jù)，在分數(shù)圖空間中生成數(shù)據(jù)，d）確定與（ROI）l對應的得分繪圖空間（ROI）中的感興趣區(qū)域，e）選擇與（ROI）相關(guān)的相關(guān)數(shù)據(jù)點，以及f）將e）中選擇的數(shù)據(jù)點映射到圖像空間中，從而識別具有與（ROI）相似屬性的圖像數(shù)據(jù)。

技術(shù)效果：本發(fā)明涉及分析在磁共振斷層攝影術(shù)中獲得的圖像數(shù)據(jù)的方法，以及所述方法在病理組織，優(yōu)選腫瘤組織的識別中的用途。

簡要分析：該專利及其同族專利在全球被引用27次，專利先進性好；該專利有12項權(quán)利要求，在美國、澳大利亞、歐專局、世界知識產(chǎn)權(quán)組織、挪威等5個國家和地區(qū)進行申請專利，專利保護范圍好，反映了該公司對該專利的重視程度。

公開（公告）號：US20200012884A1

技術(shù)分支：智能決策技術(shù)領(lǐng)域，疾病預測技術(shù)方向

技術(shù)問題：人工智能（AI）可用于數(shù)字圖像的分類和／或分析。例如，可以將AI用于圖像識別。在某些技術(shù)應用中，可以使用AI來增強成像分析。在一個例子中，可以使用基于感興趣區(qū)域的深度神經(jīng)網(wǎng)絡來定位數(shù)字圖像中的特征。然而，通常難以實現(xiàn)使用常規(guī)人工技術(shù)對數(shù)字圖像進行分類和／或分析的準確性和／或效率。此外，用于數(shù)字圖像的分類和／或分析的傳統(tǒng)人工技術(shù)通常需要諸如像素注釋，體素級注釋等勞動強度大的處理，因此，可以改進用于數(shù)字圖像的分類和／或分析的傳統(tǒng)人工技術(shù)。

技術(shù)方案：一種機器學習系統(tǒng)，包括：存儲計算機可執(zhí)行部件的存儲器；一種執(zhí)行存儲在存儲器中的計算機可執(zhí)行組件的處理器，其中計算機可執(zhí)行組件包括：訓練部件，其基于訓練數(shù)據(jù)和多個圖像訓練卷積神經(jīng)網(wǎng)絡；其中所述訓練數(shù)據(jù)與來自至少一個成像設備的多個患者相關(guān)聯(lián)，并且其中所述多個圖像與來自多個對象的多個掩模相關(guān)聯(lián)；基于所述多個掩模產(chǎn)生第一損耗函數(shù)的第一損耗函數(shù)組件；第二損失函數(shù)組件，其基于與所述多個圖像相關(guān)聯(lián)的多個圖像級標簽來生成第二損失函數(shù)；第三損耗函數(shù)部件，其基于第一損耗函數(shù)和第二損耗函數(shù)產(chǎn)生第三損耗函數(shù)，其中第三損耗函數(shù)被迭代反向傳播以調(diào)諧卷積神經(jīng)網(wǎng)絡的參數(shù)；以及基于卷積神經(jīng)網(wǎng)絡預測輸入圖像的分類標簽的分類組件。

技術(shù)效果：通過提供更豐富的注釋信息（例如掩碼），可以提高分類精度，并且卷積神經(jīng)網(wǎng)絡還可以輸出改進的定位圖。這可以通過用于兩個任務的相同基礎(chǔ)預測模型來實現(xiàn)。此外，該系統(tǒng)可以將分類和／或定位應用于醫(yī)學成像數(shù)據(jù)（例如X射線圖像）和／或其它數(shù)字圖像中的疾病檢測（例如醫(yī)學狀況檢測等）。

簡要分析：該專利有20項權(quán)利要求，在美國、世界知識產(chǎn)權(quán)組織2個國家和地區(qū)進行申請專利，專利保護范圍好。