-
公开(公告)号：CN117157716A
公开(公告)日：2023-12-01
申请号：CN202280026404.0
申请日：2022-03-25
Applicant: 皇家飞利浦有限公司
IPC: G16H40/63
Abstract: 一种医学设备(10)包括：医学部件(12)；至少一个环境传感器(14、14E)；电子处理器(20)；以及非瞬态计算机可读介质(26)。所述非瞬态计算机可读介质(26)存储：设备操作指令，其能够由所述电子处理器(20)运行以控制所述医学部件执行关于医学对象的医学功能；针对所述医学设备的操作规范(30)；以及设备监测指令，其能够由所述电子处理器(20)运行以：从所述至少一个环境传感器接收至少一个环境参数的测量结果；并且如果所述至少一个环境参数的测量结果在针对所述医学设备的所述操作规范之外，则输出有关对所述医学功能关于所述医学对象的执行的警报(32)。
-
公开(公告)号：CN116635945A
公开(公告)日：2023-08-22
申请号：CN202180084102.4
申请日：2021-12-09
Applicant: 皇家飞利浦有限公司
Abstract: 一种非瞬态计算机可读介质(107、127)存储有：预测性模型(130)，其被配置为通过将模式应用于一组特征的值来生成预测医学成像设备(120)的部件的故障的警报(132)；表(136)，其具有与所述预测性模型的所述模式相对应的记录；以及能由至少一个电子处理器(101、113)读取并运行以执行以下操作的指令：(i)训练序列模型(134)以接收针对当前案例的所述一组特征的值并输出针对所述当前案例的最可能的根本原因和至少一个服务措施，所述训练是关于针对历史案例的数据的，其中，针对每个历史案例的所述数据包括针对所述表的所述字段的值；以及(ii)通过将所训练的序列模型应用于针对所述医学成像设备的所述一组特征的所述值来确定针对由所述预测性模型生成的所述警报的根本原因和至少一个推荐服务措施。
-
公开(公告)号：CN116235191A
公开(公告)日：2023-06-06
申请号：CN202180060785.X
申请日：2021-07-14
Applicant: 皇家飞利浦有限公司
Abstract: 根据一个方面，提供了一种在中央服务器中的选择训练数据集的计算机实现的方法，利用该训练数据集使用分布式机器学习过程来训练模型，其中训练数据集将包括满足一个或多个临床要求的医学数据，并且其中训练数据集中的训练数据位于多个临床站点。方法包括从每个临床站点请求(302)描述在相应临床站点处的满足一个或多个临床要求的匹配数据的特征的元数据。方法然后包括根据元数据确定(304)匹配数据的特征的变化的度量。基于变化的度量，方法然后包括使用元数据从匹配数据中选择(306)用于训练数据集的训练数据。
-
公开(公告)号：CN114450716A
公开(公告)日：2022-05-06
申请号：CN202080068051.1
申请日：2020-08-24
Applicant: 皇家飞利浦有限公司
Abstract: 本发明公开了一种用于卒中表征的装置。所述装置包括处理器。所述处理器被配置为：接收表示对象的头部的三维图像的图像数据；识别所述图像数据内的对应于所述对象的所述头部中的骨骼的区域；对所述图像数据应用调整以补偿在所述图像数据的采集期间由从所述骨骼散射的辐射引起的影响；基于经调整的图像数据生成二维图像；并且将所生成的二维图像作为输入提供给预测模型，以识别所述二维图像中的用于卒中表征的感兴趣区域。
-
Patent Agency Ranking
公开(公告)号：CN118265985A
公开(公告)日：2024-06-28
申请号：CN202280073390.8
申请日：2022-10-27
Applicant: 皇家飞利浦有限公司
IPC: G06N3/0464 , G06N3/08 , G06N3/084 , G06N20/00
Abstract: 一种管理第一模型的计算机实现的方法，所述第一模型使用第一机器学习过程来训练并被部署和用于标记医学数据。所述方法包括确定(202)针对所述第一模型的性能量度，以及如果所述性能量度在阈值性能水平以下，则触发(204)升级过程，其中，所述升级过程包括在所述第一模型上执行进一步训练以产生经更新的第一模型，其中，所述进一步训练使用主动学习过程来执行，其中，用于所述进一步训练的训练数据根据所述主动学习过程从未标记数据样本的池中被选择，并被发送给标记者以获得真值标记以供在所述进一步训练中使用。
-
公开(公告)号：CN118414631A
公开(公告)日：2024-07-30
申请号：CN202280081614.X
申请日：2022-11-17
Applicant: 皇家飞利浦有限公司
Abstract: 一种计算机实现的方法，其用于选择训练数据以供注释方注释，作为主动学习的机器学习过程的部分。所选择的训练数据用于训练模型，以将医学图像作为输入，并输出对所述医学图像的分割。所述方法包括：提供(202)未标记医学图像作为对所述模型的输入，并获得对所述未标记医学图像的分割作为来自所述模型的输出；a)确定(204)所述分割的部分的几何性质是否满足由所述部分表示的放射学特征的几何标准；和/或b)确定所述部分的边缘区域是否满足边缘标准。如果所述部分不满足所述几何标准和/或所述边缘标准，所述方法则包括选择(206)所述未标记医学图像作为要由所述注释方注释的训练数据，作为所述主动学习机器学习过程的部分。
-
公开(公告)号：CN118302111A
公开(公告)日：2024-07-05
申请号：CN202280077798.2
申请日：2022-11-22
Applicant: 皇家飞利浦有限公司
Abstract: 提供了由一个或多个计算机执行以输出输入图像中的身体部位的尺寸的测量结果的方法，该方法包括：接收使用图像捕获单元所捕获的输入图像，该输入图像包括身体部位和预定义尺寸的参考目标；预测输入图像的分割掩模，该分割掩模将输入图像中的身体部位的图像像素与背景区域的图像像素区分开；处理输入图像中的参考目标以预测参考目标的像素尺寸；使用分割掩模来获得身体部位的多个关键点的像素坐标；基于参考目标的预测像素尺寸来修改所获得的像素坐标；并基于经修改的像素坐标来输出身体部位的尺寸的测量结果。提供了一种用于训练多个神经网络的方法及其系统，该多个神经网络被用来控制电子设备以输出输入图像中的身体部位的尺寸的测量结果，该输入图像由电子设备的图像捕获单元捕获。
-
公开(公告)号：CN119724200A
公开(公告)日：2025-03-28
申请号：CN202411228524.6
申请日：2024-09-03
Applicant: 皇家飞利浦有限公司
IPC: G10L17/26 , G10L17/18 , G10L17/04 , G10L17/02 , G10L19/02 , G10L19/04 , G10L25/18 , G10L25/24 , G10L25/30 , G06N20/00
Abstract: 本公开的实施例涉及机器学习模型训练。所提出的概念旨在提供与训练机器学习模型以检测目标分类的音频有关的方案、解决方案、概念、设计、方法和系统。具体地，实施例旨在提供一种方法，该方法用于通过使用包括至少一个音频信号的训练数据对预训练的音频分类机器学习模型执行量化感知训练来训练机器学习模型以检测目标分类的音频，该至少一个音频信号包括满足目标分类的音频。
-
公开(公告)号：CN116235254A
公开(公告)日：2023-06-06
申请号：CN202180061198.2
申请日：2021-07-08
Applicant: 皇家飞利浦有限公司
Abstract: 一种用于为医学成像设备的队列安排现场维修的装置(100)包括至少一个电子处理器(101、113)，所述至少一个电子处理器被编程为：维护维修记录数据库(140)，所述维修记录数据库存储关于对所述队列执行的维修任务的实例的信息，所述信息包括针对维修任务的所述实例的维修完成时间的标识符；基于要维修的所述医学成像设备的一个或多个机器和/或维修日志的内容来识别要对所述队列的医学成像设备执行的一个或多个维修任务；至少基于要在即将到来的现场维修期间执行的所述一个或多个维修任务以及针对所述维修记录数据库中的要执行的所述一个或多个维修任务的实例的维修完成时间来优化用于所述即将到来的现场维修的维修计划(130)；并且在显示设备(105)上显示所述维修计划。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
