IDENTIFYING ANATOMICAL FEATURES
In an embodiment, a computer-implemented method (100) is described. The method (100) comprises receiving (102) imaging data representative of a volume of a subject's anatomy. The received imaging data comprises at least one unidentified anatomical feature of interest. The method (100) further c...
Gespeichert in:
Hauptverfasser: | , , |
---|---|
Format: | Patent |
Sprache: | eng ; fre |
Schlagworte: | |
Online-Zugang: | Volltext bestellen |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
container_end_page | |
---|---|
container_issue | |
container_start_page | |
container_title | |
container_volume | |
creator | PRASAD, Vidya Madapusi Srinivas MALLYA, Yogisha SHASTRY, Arun Heddese |
description | In an embodiment, a computer-implemented method (100) is described. The method (100) comprises receiving (102) imaging data representative of a volume of a subject's anatomy. The received imaging data comprises at least one unidentified anatomical feature of interest. The method (100) further comprises using (104) a machine learning model, configured to implement a segmentation approach to identify the at least one anatomical feature of interest in the received imaging data, to identify the anatomical feature of interest in the received imaging data.
Dans un mode de réalisation, l'invention concerne un procédé mis en œuvre par ordinateur (100). Le procédé (100) consiste à recevoir (102) des données d'imagerie représentatives d'un volume de l'anatomie d'un sujet. Les données d'imagerie reçues comprennent au moins une caractéristique anatomique non identifiée d'intérêt. Le procédé (100) comprend en outre l'utilisation (104) d'un modèle d'apprentissage automatique, configuré pour mettre en œuvre une approche de segmentation pour identifier la ou les caractéristiques anatomiques d'intérêt dans les données d'imagerie reçues, pour identifier la caractéristique anatomique d'intérêt dans les données d'imagerie reçues. |
format | Patent |
fullrecord | <record><control><sourceid>epo_EVB</sourceid><recordid>TN_cdi_epo_espacenet_WO2023006794A1</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><sourcerecordid>WO2023006794A1</sourcerecordid><originalsourceid>FETCH-epo_espacenet_WO2023006794A13</originalsourceid><addsrcrecordid>eNrjZJD3dHH1C_F0i_T0c1dw9HMM8ff1dHb0UXBzdQwJDXIN5mFgTUvMKU7lhdLcDMpuriHOHrqpBfnxqcUFicmpeakl8eH-RgZGxgYGZuaWJo6GxsSpAgBmnSKq</addsrcrecordid><sourcetype>Open Access Repository</sourcetype><iscdi>true</iscdi><recordtype>patent</recordtype></control><display><type>patent</type><title>IDENTIFYING ANATOMICAL FEATURES</title><source>esp@cenet</source><creator>PRASAD, Vidya Madapusi Srinivas ; MALLYA, Yogisha ; SHASTRY, Arun Heddese</creator><creatorcontrib>PRASAD, Vidya Madapusi Srinivas ; MALLYA, Yogisha ; SHASTRY, Arun Heddese</creatorcontrib><description>In an embodiment, a computer-implemented method (100) is described. The method (100) comprises receiving (102) imaging data representative of a volume of a subject's anatomy. The received imaging data comprises at least one unidentified anatomical feature of interest. The method (100) further comprises using (104) a machine learning model, configured to implement a segmentation approach to identify the at least one anatomical feature of interest in the received imaging data, to identify the anatomical feature of interest in the received imaging data.
Dans un mode de réalisation, l'invention concerne un procédé mis en œuvre par ordinateur (100). Le procédé (100) consiste à recevoir (102) des données d'imagerie représentatives d'un volume de l'anatomie d'un sujet. Les données d'imagerie reçues comprennent au moins une caractéristique anatomique non identifiée d'intérêt. Le procédé (100) comprend en outre l'utilisation (104) d'un modèle d'apprentissage automatique, configuré pour mettre en œuvre une approche de segmentation pour identifier la ou les caractéristiques anatomiques d'intérêt dans les données d'imagerie reçues, pour identifier la caractéristique anatomique d'intérêt dans les données d'imagerie reçues.</description><language>eng ; fre</language><subject>CALCULATING ; COMPUTING ; COUNTING ; PHYSICS</subject><creationdate>2023</creationdate><oa>free_for_read</oa><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><linktohtml>$$Uhttps://worldwide.espacenet.com/publicationDetails/biblio?FT=D&date=20230202&DB=EPODOC&CC=WO&NR=2023006794A1$$EHTML$$P50$$Gepo$$Hfree_for_read</linktohtml><link.rule.ids>230,308,780,885,25564,76547</link.rule.ids><linktorsrc>$$Uhttps://worldwide.espacenet.com/publicationDetails/biblio?FT=D&date=20230202&DB=EPODOC&CC=WO&NR=2023006794A1$$EView_record_in_European_Patent_Office$$FView_record_in_$$GEuropean_Patent_Office$$Hfree_for_read</linktorsrc></links><search><creatorcontrib>PRASAD, Vidya Madapusi Srinivas</creatorcontrib><creatorcontrib>MALLYA, Yogisha</creatorcontrib><creatorcontrib>SHASTRY, Arun Heddese</creatorcontrib><title>IDENTIFYING ANATOMICAL FEATURES</title><description>In an embodiment, a computer-implemented method (100) is described. The method (100) comprises receiving (102) imaging data representative of a volume of a subject's anatomy. The received imaging data comprises at least one unidentified anatomical feature of interest. The method (100) further comprises using (104) a machine learning model, configured to implement a segmentation approach to identify the at least one anatomical feature of interest in the received imaging data, to identify the anatomical feature of interest in the received imaging data.
Dans un mode de réalisation, l'invention concerne un procédé mis en œuvre par ordinateur (100). Le procédé (100) consiste à recevoir (102) des données d'imagerie représentatives d'un volume de l'anatomie d'un sujet. Les données d'imagerie reçues comprennent au moins une caractéristique anatomique non identifiée d'intérêt. Le procédé (100) comprend en outre l'utilisation (104) d'un modèle d'apprentissage automatique, configuré pour mettre en œuvre une approche de segmentation pour identifier la ou les caractéristiques anatomiques d'intérêt dans les données d'imagerie reçues, pour identifier la caractéristique anatomique d'intérêt dans les données d'imagerie reçues.</description><subject>CALCULATING</subject><subject>COMPUTING</subject><subject>COUNTING</subject><subject>PHYSICS</subject><fulltext>true</fulltext><rsrctype>patent</rsrctype><creationdate>2023</creationdate><recordtype>patent</recordtype><sourceid>EVB</sourceid><recordid>eNrjZJD3dHH1C_F0i_T0c1dw9HMM8ff1dHb0UXBzdQwJDXIN5mFgTUvMKU7lhdLcDMpuriHOHrqpBfnxqcUFicmpeakl8eH-RgZGxgYGZuaWJo6GxsSpAgBmnSKq</recordid><startdate>20230202</startdate><enddate>20230202</enddate><creator>PRASAD, Vidya Madapusi Srinivas</creator><creator>MALLYA, Yogisha</creator><creator>SHASTRY, Arun Heddese</creator><scope>EVB</scope></search><sort><creationdate>20230202</creationdate><title>IDENTIFYING ANATOMICAL FEATURES</title><author>PRASAD, Vidya Madapusi Srinivas ; MALLYA, Yogisha ; SHASTRY, Arun Heddese</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-epo_espacenet_WO2023006794A13</frbrgroupid><rsrctype>patents</rsrctype><prefilter>patents</prefilter><language>eng ; fre</language><creationdate>2023</creationdate><topic>CALCULATING</topic><topic>COMPUTING</topic><topic>COUNTING</topic><topic>PHYSICS</topic><toplevel>online_resources</toplevel><creatorcontrib>PRASAD, Vidya Madapusi Srinivas</creatorcontrib><creatorcontrib>MALLYA, Yogisha</creatorcontrib><creatorcontrib>SHASTRY, Arun Heddese</creatorcontrib><collection>esp@cenet</collection></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext_linktorsrc</fulltext></delivery><addata><au>PRASAD, Vidya Madapusi Srinivas</au><au>MALLYA, Yogisha</au><au>SHASTRY, Arun Heddese</au><format>patent</format><genre>patent</genre><ristype>GEN</ristype><title>IDENTIFYING ANATOMICAL FEATURES</title><date>2023-02-02</date><risdate>2023</risdate><abstract>In an embodiment, a computer-implemented method (100) is described. The method (100) comprises receiving (102) imaging data representative of a volume of a subject's anatomy. The received imaging data comprises at least one unidentified anatomical feature of interest. The method (100) further comprises using (104) a machine learning model, configured to implement a segmentation approach to identify the at least one anatomical feature of interest in the received imaging data, to identify the anatomical feature of interest in the received imaging data.
Dans un mode de réalisation, l'invention concerne un procédé mis en œuvre par ordinateur (100). Le procédé (100) consiste à recevoir (102) des données d'imagerie représentatives d'un volume de l'anatomie d'un sujet. Les données d'imagerie reçues comprennent au moins une caractéristique anatomique non identifiée d'intérêt. Le procédé (100) comprend en outre l'utilisation (104) d'un modèle d'apprentissage automatique, configuré pour mettre en œuvre une approche de segmentation pour identifier la ou les caractéristiques anatomiques d'intérêt dans les données d'imagerie reçues, pour identifier la caractéristique anatomique d'intérêt dans les données d'imagerie reçues.</abstract><oa>free_for_read</oa></addata></record> |
fulltext | fulltext_linktorsrc |
identifier | |
ispartof | |
issn | |
language | eng ; fre |
recordid | cdi_epo_espacenet_WO2023006794A1 |
source | esp@cenet |
subjects | CALCULATING COMPUTING COUNTING PHYSICS |
title | IDENTIFYING ANATOMICAL FEATURES |
url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-02T08%3A43%3A45IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-epo_EVB&rft_val_fmt=info:ofi/fmt:kev:mtx:patent&rft.genre=patent&rft.au=PRASAD,%20Vidya%20Madapusi%20Srinivas&rft.date=2023-02-02&rft_id=info:doi/&rft_dat=%3Cepo_EVB%3EWO2023006794A1%3C/epo_EVB%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rfr_iscdi=true |