集思谱需要我帮你解读这件专利吗？
公开（公告）号CN122947851A | 申请号CN202610470388.4 | 专利类型发明专利 |
状态在审 | 国家或地区CN | 申请人西门子医疗国际股份有限公司 |
分类号G06N3/094(2023.01), G06N3/0475(2023.01), G06N3/0464(2023.01), G06N5/04(2023.01), G06V10/80(2022.01), G06V10/774(2022.01), G06V10/75(2022.01), G06V10/25(2022.01), G06V10/44(2022.01), G06V10/82(2022.01), G06V10/764(2022.01), G06V10/72(2022.01), G06N3/045(2023.01) | 优先权2025.04.14 US 19/178,435 | 申请日2026-04-10 |
公开日2026-10-20 | 发布日期2026-10-20 | 文档 ID84597872724100008 |
源数据页码793 | 专利语言zh | |
本公开的实施例涉及用于具有数据一致性强制实施的横向CBCT截断的校正的深度学习模型训练。一种用于训练机器学习模型以对体积进行解截断的方法。该方法接收解剖区域的非截断体积，非截断体积表示完全的扫描视场（SFoV）内的成像数据。基于非截断体积来模拟非截断投影堆栈。通过改变非截断投影堆栈在预定义的SFoV阈值之外的至少一个视觉属性来截断非截断投影堆栈，从而生成模拟的截断体积集。形成训练对，每个训练对包括与截断体积配对的非截断体积，其中非截断体积被指定为真值。使用训练对集训练机器学习模型，其中机器学习模型被配置为推理截断体积中的缺失区域。
附图 1