Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2019046003) SPECKLE CONTRAST ANALYSIS USING MACHINE LEARNING FOR VISUALIZING FLOW
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2019/046003 International Application No.: PCT/US2018/046530
Publication Date: 07.03.2019 International Filing Date: 13.08.2018
IPC:
G06T 7/00 (2017.01) ,G06T 7/20 (2017.01)
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
T
IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
7
Image analysis, e.g. from bit-mapped to non bit-mapped
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
T
IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
7
Image analysis, e.g. from bit-mapped to non bit-mapped
20
Analysis of motion
Applicants:
VERILY LIFE SCIENCES LLC [US/US]; 269 East Grand Ave. South San Francisco, California 94080, US
Inventors:
REPHAELI, Eden; US
PIPONI, Daniele; US
BELTHANGADY, Chinmay; US
LEE, Seung Ah; US
Agent:
MCKEON, Tina W.; US
ALLEN, Eben D.; US
THOMAS, Christopher; US
MCALLISTER, Tyler; US
AKINKUOTU, Atolani; US
SANDERS, Carl E.; US
MCKEON, Tina Williams; US
ROTHSCHILD, Cynthia; US
PRESLEY, Andrew D.; US
GAUDRY, Kate; US
Priority Data:
62/551,99730.08.2017US
Title (EN) SPECKLE CONTRAST ANALYSIS USING MACHINE LEARNING FOR VISUALIZING FLOW
(FR) ANALYSE DE CONTRASTE DE GRANULARITÉ EN UTILISANT UN APPRENTISSAGE AUTOMATIQUE POUR VISUALISER UN FLUX
Abstract:
(EN) Embodiments may include a method to estimate motion data based on test image data sets. The method may include receiving a training data set comprising a plurality of training data elements. Each element may include an image data set and a motion data set. The method may include training a machine learning model using the training data set, resulting in identifying one or more parameters of a function in the machine learning model based on correspondences between the image data sets and the motion data sets. The method may further include receiving a test image data set. The test image data set may include intensities of pixels in a deep-tissue image. The method may include using the trained machine learning model and the test image data set to generate output data for the test image data set. The output data may characterize motion represented in the test image data set.
(FR) Des modes de réalisation de l'invention peuvent comprendre un procédé pour estimer des données de mouvement sur la base d'ensembles de données d'image de test. Le procédé peut comprendre la réception d'un ensemble de données de formation contenant une pluralité d'éléments de données de formation. Chaque élément peut contenir un ensemble de données d'image et un ensemble de données de mouvement. Le procédé peut comprendre la formation d'un modèle d'apprentissage automatique en utilisant l'ensemble de données de formation, ce qui permet d'identifier un ou plusieurs paramètres d'une fonction dans le modèle d'apprentissage automatique sur la base de correspondances entre les ensembles de données d'image et les ensembles de données de mouvement. Le procédé peut en outre comprendre la réception d'un ensemble de données d'image de test. L'ensemble de données d'image de test peut contenir des intensités de pixels dans une image de tissu profond. Le procédé peut comprendre l'utilisation du modèle d'apprentissage automatique formé et de l'ensemble de données d'image de test pour générer des données de sortie pour l'ensemble de données d'image de test. Les données de sortie peuvent caractériser un mouvement représenté dans l'ensemble de données d'image de test.
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)