Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2018098039) FORMATION DISTRIBUÉE DE FLUX DE TRAVAUX CLINIQUES DE RÉSEAUX NEURONAUX À APPRENTISSAGE PROFOND
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2018/098039 N° de la demande internationale : PCT/US2017/062274
Date de publication : 31.05.2018 Date de dépôt international : 17.11.2017
CIB :
G06N 3/08 (2006.01) ,G06K 9/62 (2006.01) ,G06N 3/02 (2006.01) ,G06N 3/063 (2006.01) ,G06T 7/00 (2017.01)
G PHYSIQUE
06
CALCUL; COMPTAGE
N
SYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3
Systèmes de calculateurs basés sur des modèles biologiques
02
utilisant des modèles de réseaux neuronaux
08
Méthodes d'apprentissage
G PHYSIQUE
06
CALCUL; COMPTAGE
K
RECONNAISSANCE DES DONNÉES; PRÉSENTATION DES DONNÉES; SUPPORTS D'ENREGISTREMENT; MANIPULATION DES SUPPORTS D'ENREGISTREMENT
9
Méthodes ou dispositions pour la lecture ou la reconnaissance de caractères imprimés ou écrits ou pour la reconnaissance de formes, p.ex. d'empreintes digitales
62
Méthodes ou dispositions pour la reconnaissance utilisant des moyens électroniques
G PHYSIQUE
06
CALCUL; COMPTAGE
N
SYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3
Systèmes de calculateurs basés sur des modèles biologiques
02
utilisant des modèles de réseaux neuronaux
G PHYSIQUE
06
CALCUL; COMPTAGE
N
SYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3
Systèmes de calculateurs basés sur des modèles biologiques
02
utilisant des modèles de réseaux neuronaux
06
Réalisation physique, c. à d. mise en oeuvre matérielle de réseaux neuronaux, de neurones ou de parties de neurones
063
utilisant des moyens électroniques
G PHYSIQUE
06
CALCUL; COMPTAGE
T
TRAITEMENT OU GÉNÉRATION DE DONNÉES D'IMAGE, EN GÉNÉRAL
7
Analyse d'image, p.ex. à partir d'un mappage binaire pour obtenir un mappage non binaire
Déposants :
VITAL IMAGES, INC. [US/US]; 5850 Opus Parkway Suite 300 Minnetonka, Minnesota 55343, US
Inventeurs :
MASOUD, Osama; US
SCHRECK, Oliver; US
Mandataire :
PERDOK, Monique M.; US
ARORA, Suneel; US
BEEKMAN, Marvin L.; US
BIANCHI, Timothy E.; US
BLACK, David W.; US
GOULD, James R.; US
MCCRACKIN, Ann M.; US
SCHEER, Bradley W.; US
WOO, Justin N.; US
Données relatives à la priorité :
15/443,54727.02.2017US
62/425,65623.11.2016US
Titre (EN) DISTRIBUTED CLINICAL WORKFLOW TRAINING OF DEEP LEARNING NEURAL NETWORKS
(FR) FORMATION DISTRIBUÉE DE FLUX DE TRAVAUX CLINIQUES DE RÉSEAUX NEURONAUX À APPRENTISSAGE PROFOND
Abrégé :
(EN) Techniques for training a deep neural network from user interaction workflow activities occurring among distributed computing devices are disclosed herein. In an example, processing of input data (such as input medical imaging data) is performed at a client computing device with the execution of an algorithm of a deep neural network. A set of updated training parameters are generated to update the algorithm of the deep neural network, based on user interaction activities (such as user acceptance and user modification in a graphical user interface) that occur with the results of the executed algorithm. The generation and collection of the updated training parameters at a server, received from a plurality of distributed client sites, can be used to refine, improve, and train the algorithm of the deep neural network for subsequent processing and execution.
(FR) L'invention concerne des Techniques d'apprentissage d'un réseau neuronal profond à partir d'activités de flux de travail d'interaction d'utilisateur se produisant parmi des dispositifs informatiques distribués. Dans un exemple, le traitement de données d'entrée (telles que des données d'imagerie médicale d'entrée) est effectué au niveau d'un dispositif informatique client avec l'exécution d'un algorithme d'un réseau neuronal profond. L'invention concerne un ensemble de paramètres d'apprentissage mis à jour est généré pour mettre à jour l'algorithme du réseau neuronal profond, sur la base d'activités d'interaction d'utilisateur (telles que l'acceptation d'utilisateur et la modification d'utilisateur dans une interface utilisateur graphique) qui se produisent avec les résultats de l'algorithme exécuté. La génération et la collecte des paramètres d'apprentissage mis à jour au niveau d'un serveur, reçues en provenance d'une pluralité de sites clients distribués, peut être utilisé pour affiner, améliorer et entraîner l'algorithme du réseau neuronal profond pour un traitement et une exécution ultérieurs.
front page image
États désignés : 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
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB (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)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Langue de publication : anglais (EN)
Langue de dépôt : anglais (EN)