Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2018200493) DOSE REDUCTION FOR MEDICAL IMAGING USING DEEP CONVOLUTIONAL NEURAL NETWORKS
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2018/200493 International Application No.: PCT/US2018/029103
Publication Date: 01.11.2018 International Filing Date: 24.04.2018
IPC:
G06F 17/30 (2006.01) ,G06K 9/00 (2006.01)
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
F
ELECTRIC DIGITAL DATA PROCESSING
17
Digital computing or data processing equipment or methods, specially adapted for specific functions
30
Information retrieval; Database structures therefor
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
K
RECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9
Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
Applicants:
THE BOARD OF TRUSTEES OF THE LELAND STANFORD JUNIOR UNIVERSITY [US/US]; 3000 El Camino Real, Building Five, Third Floor Palo Alto, CA 94306, US
Inventors:
ZAHARCHUK, Greg; US
PAULY, John M.; US
GONG, Enhao; US
Agent:
PARRIS, James E.; US
JACOBS, Ron; US
MCFARLANE, Thomas J.; US
LODENKAMPER, Robert; US
Priority Data:
62/489,51825.04.2017US
Title (EN) DOSE REDUCTION FOR MEDICAL IMAGING USING DEEP CONVOLUTIONAL NEURAL NETWORKS
(FR) RÉDUCTION DE DOSE POUR IMAGERIE MÉDICALE À L'AIDE DE RÉSEAUX NEURONAUX À CONVOLUTION PROFONDE
Abstract:
(EN) A method of reducing radiation dose for radiology imaging modalities and nuclear medicine by using a convolutional network to generate a standard-dose nuclear medicine image from low-dose nuclear medicine image, where the network includes N convolution neural network (CNN) stages, where each stage includes M convolution layers having K x K kernels, where the network further includes an encoder-decoder structure having symmetry concatenate connections between corresponding stages, downsampling using pooling and upsampling using bilinear interpolation between the stages, where the network extracts multi-scale and high-level features from the low-dose image to simulate a high-dose image, and adding concatenate connections to the low-dose image to preserve local information and resolution of the high-dose image, the high-dose image includes a dose reduction factor (DRF) equal to 1 of a radio tracer in a patient, the low- dose PET image includes a DRF of at least 4 of the radio tracer in the patient.
(FR) La présente invention concerne un procédé de réduction de la dose de rayonnement pour des modalités d'imagerie de radiologie et de médecine nucléaire à l'aide d'un réseau de convolution pour générer une image de médecine nucléaire à dose standard à partir d'une image de médecine nucléaire à faible dose, le réseau comprenant N étages de réseau neuronal à convolution (CNN), chaque étage comprenant M couches de convolution ayant K x K noyaux, le réseau comprenant en outre une structure de codeur-décodeur ayant des connexions concaténées de symétrie entre des étages correspondants, sous-échantillonnant en utilisant une mise en commun et sur-échantillonnant en utilisant une interpolation bilinéaire entre les étages, le réseau extrayant des caractéristiques multi-échelle et de haut niveau à partir de l'image à faible dose pour simuler une image à dose élevée, et ajoutant des connexions concaténées à l'image à faible dose pour préserver des informations locales et la résolution de l'image à dose élevée, l'image à dose élevée comprenant un facteur de réduction de dose (DRF) égal à 1 d'un traceur radio dans un patient, l'image TEP à faible dose comprenant une DRF d'au moins 4 du traceur radio dans le patient.
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: English (EN)
Filing Language: English (EN)