Abrégé

A method for determining an abnormality in a medical device from a medical image is provided. The method for determining an abnormality in a medical device comprises receiving a medical image, and detecting information on at least a part of a target medical device included in the received medical image.

Classes IPC  ?

• A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
• A61B 6/00 - Appareils ou dispositifs pour le diagnostic par radiationsAppareils ou dispositifs pour le diagnostic par radiations combinés avec un équipement de thérapie par radiations
• G06T 7/00 - Analyse d'image

Abrégé

A computing apparatus includes a memory storing at least one program and a processor configured to perform at least one operation by executing the at least one program, wherein the processor is further configured to analyze a pathological slide image to classify at least one of cells and tissues included in the pathological slide image into at least one type, segment the pathological slide image into subpatches on the basis of a result of the classification, and analyze the subpatches to output information regarding components of a cell included in each of the subpatches.

Classes IPC  ?

• G06V 20/69 - Objets microscopiques, p. ex. cellules biologiques ou pièces cellulaires
• G06T 7/00 - Analyse d'image
• G06T 7/11 - Découpage basé sur les zones
• G06V 10/28 - Quantification de l’image, p. ex. seuillage par histogramme visant à discriminer entre les formes d’arrière-plan et d’avant-plan
• G06V 10/82 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant les réseaux neuronaux
• G06V 10/86 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant les représentations syntaxiques ou structurelles du motif d’image ou vidéo, p. ex. reconnaissance des chaînes symboliquesDispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant des correspondances graphiques

Abrégé

A computing device according to one aspect of the present invention comprises: a memory in which at least one program is stored; and a processor for performing at least one operation by executing the at least one program, wherein the processor acquires a pre-trained machine learning model generated at a first site, retrains the pre-trained machine learning model on the basis of information related to medical data collected at a second site, evaluates the performance of the retrained machine learning model, and applies the retrained machine learning model on the basis of the evaluation result.

Classes IPC  ?

• G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
• G16H 50/70 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour extraire des données médicales, p. ex. pour analyser les cas antérieurs d’autres patients

Abrégé

A method for generating a medical prediction related to a biomarker from medical data is provided, which includes obtaining medical data associated with a patient, determining a region of interest in the medical data, extracting one or more features associated with the medical data based on the region of interest, and generating a medical prediction for the patient based on the extracted one or more features.

Classes IPC  ?

• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
• G06T 7/00 - Analyse d'image
• G16H 10/60 - TIC spécialement adaptées au maniement ou au traitement des données médicales ou de soins de santé relatives aux patients pour des données spécifiques de patients, p. ex. pour des dossiers électroniques de patients
• G16H 50/70 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour extraire des données médicales, p. ex. pour analyser les cas antérieurs d’autres patients

Abrégé

An image analysis device includes a memory and a processor configured to execute instructions stored in the memory, wherein the processor is configured to detect an indeterminate region or an abnormal region from an input medical image using an artificial intelligence (AI) model trained to detect a suspicious region and a lesion region in medical images and determine the input medical image as a normal case when the indeterminate region or the abnormal region is not detected in the input medical image.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS

Abrégé

A method for parallel processing a digitally scanned pathology image is performed by a plurality of processors and includes performing, by a first processor, a first operation of generating a first batch from a first set of patches extracted from a digitally scanned pathology image and providing the generated first batch to a second processor, performing, by the first processor, a second operation of generating a second batch from a second set of patches extracted from the digitally scanned pathology image and providing the generated second batch to the second processor, and performing, by the second processor, a third operation of outputting a first analysis result from the first batch by using a machine learning model, with at least part of time frame for the second operation performed by the first processor overlapping at least part of time frame for the third operation performed by the second processor.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G06V 10/22 - Prétraitement de l’image par la sélection d’une région spécifique contenant ou référençant une formeLocalisation ou traitement de régions spécifiques visant à guider la détection ou la reconnaissance
• G06V 10/774 - Génération d'ensembles de motifs de formationTraitement des caractéristiques d’images ou de vidéos dans les espaces de caractéristiquesDispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant l’intégration et la réduction de données, p. ex. analyse en composantes principales [PCA] ou analyse en composantes indépendantes [ ICA] ou cartes auto-organisatrices [SOM]Séparation aveugle de source méthodes de Bootstrap, p. ex. "bagging” ou “boosting”
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 70/60 - TIC spécialement adaptées au maniement ou au traitement de références médicales concernant des pathologies

Abrégé

A computing apparatus includes: at least one memory; and at least one processor, wherein the processor generates quantitative information regarding at least one cell included in a region of interest of a pathological slide image by analyzing the pathological slide image, generates qualitative information regarding at least one tissue included in the pathological slide image by analyzing the pathological slide image, and controls a display apparatus to output at least one of the quantitative information and the qualitative information on the pathological slide image according to a manipulation of a user.

Classes IPC  ?

• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 10/40 - TIC spécialement adaptées au maniement ou au traitement des données médicales ou de soins de santé relatives aux patients pour des données relatives aux analyses de laboratoire, p. ex. pour des analyses d’échantillon de patient

Abrégé

A computing device obtains information about a medical slide image, and determines a dataset type of the medical slide image and a panel of the medical slide image. The computing device assigns to an annotator account, an annotation job defined by at least the medical slide image, the determined dataset type, an annotation task, and a patch that is a partial area of the medical slide image. The annotation task includes the determined panel, and the panel is designated as one of a plurality of panels including a cell panel, a tissue panel, and a structure panel. The dataset type indicates a use of the medical slide image and is designated as one of a plurality of uses including a training use of a medical learning model and a validation use of the machine learning model.

Classes IPC  ?

• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G06F 18/21 - Conception ou mise en place de systèmes ou de techniquesExtraction de caractéristiques dans l'espace des caractéristiquesSéparation aveugle de sources
• G06F 40/169 - Annotation, p. ex. données de commentaires ou notes de bas de page
• G06N 3/08 - Méthodes d'apprentissage
• G06Q 10/0631 - Planification, affectation, distribution ou ordonnancement de ressources d’entreprises ou d’organisations
• G06Q 10/0639 - Analyse des performances des employésAnalyse des performances des opérations d’une entreprise ou d’une organisation
• G06T 7/00 - Analyse d'image
• G06V 10/22 - Prétraitement de l’image par la sélection d’une région spécifique contenant ou référençant une formeLocalisation ou traitement de régions spécifiques visant à guider la détection ou la reconnaissance
• G06V 10/774 - Génération d'ensembles de motifs de formationTraitement des caractéristiques d’images ou de vidéos dans les espaces de caractéristiquesDispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant l’intégration et la réduction de données, p. ex. analyse en composantes principales [PCA] ou analyse en composantes indépendantes [ ICA] ou cartes auto-organisatrices [SOM]Séparation aveugle de source méthodes de Bootstrap, p. ex. "bagging” ou “boosting”
• G06V 10/776 - ValidationÉvaluation des performances
• G06V 10/778 - Apprentissage de profils actif, p. ex. apprentissage en ligne des caractéristiques d’images ou de vidéos
• G16H 10/40 - TIC spécialement adaptées au maniement ou au traitement des données médicales ou de soins de santé relatives aux patients pour des données relatives aux analyses de laboratoire, p. ex. pour des analyses d’échantillon de patient
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS
• G16H 40/20 - TIC spécialement adaptées à la gestion ou à l’administration de ressources ou d’établissements de santéTIC spécialement adaptées à la gestion ou au fonctionnement d’équipement ou de dispositifs médicaux pour la gestion ou l’administration de ressources ou d’établissements de soins de santé, p. ex. pour la gestion du personnel hospitalier ou de salles d’opération

Abrégé

Provided are a computerized image interpretation method and a device for analyzing a medical image. The image interpretation method may include receiving, at a processor, a medical image, and receiving report information including a healthcare worker's judgement result of the medical image. The method may also include generating, at the processor, result information representing correspondence between first lesion information, which is related to a lesion in the medical image acquired on the basis of the medical image, and second lesion information, which is related to a lesion in the medical image acquired on the basis of the report information, by applying the first lesion information and the second lesion information to a third analysis model. The method may further include outputting, at the processor, the result information.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G06N 3/045 - Combinaisons de réseaux
• G06N 3/08 - Méthodes d'apprentissage
• G06N 20/00 - Apprentissage automatique
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition

Produits et services

Provision of access to medical information via the internet; providing access to databases; transmission and reception of information and data via telecommunication networks; transmission of data/sound or images; providing the transmission of information via on-line network; providing access to information via website; transmission and reception of database information via the wired or wireless telecommunication network; providing access to web sites on the internet; providing access to information on the internet; transmission of information via the internet. Software as a medical device (SaMD), downloadable; computer software for making electronic charts, for medical purposes; computer software for diagnosing diseases for medical purposes; computer software for use in medical decision support systems; software for processing digital images; downloadable database management software applications; computer software for data and document capture, transmission, storage and indexing; data processing software; computer software to enhance the audio-visual capabilities of multimedia applications, namely, for the integration of text, audio, graphics, still images and moving pictures; downloadable computer software for collecting, analyzing and organizing data in the field of deep learning. Computer services for the analysis of data; providing temporary use of online non-downloadable computer software for collecting, analyzing and organizing data in the field of deep learning; maintenance and consultancy services relating to software for use in management assistance services for medical image data; development of computer software for use with medical equipment; providing computer software technical support services in the field of medical diagnostics; computer programming services for remote data management of medical diagnostic instruments; software as a service (SaaS); platform as a Service (PaaS); scientific research for medical purposes in the area of cancerous diseases; medical research laboratory services for predicting disease. Medical and health care services; medical consultations; medical information; providing information in the field of medicine; medical information services provided via the Internet; medical examinations; breast cancer screening services; providing cancer screening services; medical analysis services for cancer diagnosis and prognosis; providing information in the field of cancer prevention, screening, diagnosis and treatment.

Produits et services

Computer software to automate data warehousing; computer software for application and database integration; software for searching and retrieving information across a computer network; image analysis devices; software for the diagnosis of cancer; software as a medical device (SaMD), downloadable; computer software for making electronic charts, for medical purposes; computer software for diagnosing diseases for medical purposes; computer software for use in medical decision support systems; software for processing digital images; downloadable database management software applications; computer software for data and document capture, transmission, storage and indexing; data processing software; computer software to enhance the audio-visual capabilities of multimedia applications, namely, for the integration of text, audio, graphics, still images and moving pictures; downloadable computer software for collecting, analyzing and organizing data in the field of deep learning. Research relating to data processing; computer programming in the medical field; research and development of medical apparatus and instruments for others; scientific research for medical purposes; design of medical diagnostic apparatus and instruments; research and development of medical equipment; computer programming services for remote management of medical diagnostic systems; medical research laboratory services for predicting disease; medical research; computer software development; computer services for the analysis of data; providing temporary use of online non-downloadable computer software for collecting, analyzing and organizing data in the field of deep learning; maintenance and consultancy services relating to software for use in management assistance services for medical image data; development of computer software for use with medical equipment; providing computer software technical support services in the field of medical diagnostics; computer programming services for remote data management of medical diagnostic instruments; software as a service (SaaS); platform as a Service (PaaS); scientific research for medical purposes in the area of cancerous diseases; medical research laboratory services for predicting disease.

Abrégé

The present disclosure relates to a method, performed by at least one processor of an information processing system, of analyzing a pathological image. The method includes receiving a pathological image, detecting an object associated with medical information, in the received pathological image by using a machine learning model, generating an analysis result on the received pathological image, based on a result of the detecting, and outputting medical information about at least one region included in the pathological image, based on the analysis result.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G06V 10/94 - Architectures logicielles ou matérielles spécialement adaptées à la compréhension d’images ou de vidéos
• G06V 20/69 - Objets microscopiques, p. ex. cellules biologiques ou pièces cellulaires
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS

Abrégé

A computing device includes: at least one memory; and at least one processor, wherein the at least one processor is configured to obtain information related to tissues or cells represented in a pathological slide image by analyzing the pathological slide image, predict a ratio of circulating tumor deoxyribonucleic acid (DNA) to cell free DNA, based on the information, and generate guidance related to a follow-up examination, based on the ratio.

Classes IPC  ?

• G16B 25/10 - Profilage de l’expression de gènes ou de protéinesEstimation ou normalisation de ratio d’expression
• G06T 7/00 - Analyse d'image
• G16B 40/20 - Analyse de données supervisée
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux

Abrégé

Provided is a method for analysing a pathology image, which is performed by at least one processor and includes acquiring a pathology image, inputting the acquired pathology image into a machine learning model and acquiring an analysis result for the pathology image from the machine learning model, and outputting the acquired analysis result, in which the machine learning model is a model trained by using a training data set generated based on a first pathology data set associated with a first domain and a second pathology data set associated with a second domain different from the first domain.

Classes IPC  ?

• G06V 20/69 - Objets microscopiques, p. ex. cellules biologiques ou pièces cellulaires
• G06V 10/22 - Prétraitement de l’image par la sélection d’une région spécifique contenant ou référençant une formeLocalisation ou traitement de régions spécifiques visant à guider la détection ou la reconnaissance
• G06V 10/98 - Détection ou correction d’erreurs, p. ex. en effectuant une deuxième exploration du motif ou par intervention humaineÉvaluation de la qualité des motifs acquis

Abrégé

A computing device includes at least one memory and at least one processor. The at least one processor is configured to detect a plurality of tumor cells included in one or more tumor areas (cancer areas) from a pathological slide image, determine a cell expression class of the plurality of tumor cells, based on a biomarker expression degree of the plurality of tumor cells, and generate a heatmap image for the pathological slide image, based on a result of the determining.

Classes IPC  ?

• G06T 7/00 - Analyse d'image

Abrégé

The present disclosure relates to a medical image analysis method using a processor and a memory which are hardware. The method includes generating predicted second metadata for a medical image by using a prediction model, and determining a processing method of the medical image based on one of first metadata stored corresponding to the medical image and the second metadata.

Classes IPC  ?

• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS
• A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
• G06F 18/214 - Génération de motifs d'entraînementProcédés de Bootstrapping, p. ex. ”bagging” ou ”boosting”
• G06N 20/00 - Apprentissage automatique
• G06T 7/00 - Analyse d'image
• G06T 7/70 - Détermination de la position ou de l'orientation des objets ou des caméras
• G06V 10/70 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique
• G06V 10/75 - Organisation de procédés de l’appariement, p. ex. comparaisons simultanées ou séquentielles des caractéristiques d’images ou de vidéosApproches-approximative-fine, p. ex. approches multi-échellesAppariement de motifs d’image ou de vidéoMesures de proximité dans les espaces de caractéristiques utilisant l’analyse de contexteSélection des dictionnaires
• G06V 10/82 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant les réseaux neuronaux
• G06V 30/166 - Normalisation des dimensions de la forme
• G16H 30/00 - TIC spécialement adaptées au maniement ou au traitement d’images médicales
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition

Abrégé

The present disclosure relates to a method for predicting biomarker expression from a medical image. The method for predicting biomarker expression includes receiving a medical image, and outputting indices of biomarker expression for the at least one lesion included in the medical image by using a first machine learning model.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
• G06T 7/11 - Découpage basé sur les zones
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS
• G16H 50/30 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le calcul des indices de santéTIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour l’évaluation des risques pour la santé d’une personne

Abrégé

A computing device according to one aspect comprises: at least one memory; and at least one processor, wherein the at least one processor identifies at least one tertiary lymphoid structure (TLS) from a pathology slide image, generates information related to the at least one tertiary lymphoid structure, and predicts treatment responsiveness of a lesion associated with the pathology slide image on the basis of the information.

Classes IPC  ?

• G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
• G16H 30/00 - TIC spécialement adaptées au maniement ou au traitement d’images médicales
• G16H 50/70 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour extraire des données médicales, p. ex. pour analyser les cas antérieurs d’autres patients
• G06T 7/00 - Analyse d'image
• G06N 3/08 - Méthodes d'apprentissage
• G06V 10/46 - Descripteurs pour la forme, descripteurs liés au contour ou aux points, p. ex. transformation de caractéristiques visuelles invariante à l’échelle [SIFT] ou sacs de mots [BoW]Caractéristiques régionales saillantes
• G06V 10/25 - Détermination d’une région d’intérêt [ROI] ou d’un volume d’intérêt [VOI]

Abrégé

The computing device according to an aspect comprises: at least one memory; and at least one processor, wherein the at least one processor is configured to: identify at least one tissue region from a pathology slide image by using an artificial intelligence model; generate spatial distribution-related information for the at least one tissue region, on the basis of an image arithmetic operation for the at least one tissue region; and calculate an evaluation index associated with treatment responsiveness, on the basis of the spatial distribution-related information.

Classes IPC  ?

• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 50/70 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour extraire des données médicales, p. ex. pour analyser les cas antérieurs d’autres patients
• G06T 7/00 - Analyse d'image
• G06T 7/136 - DécoupageDétection de bords impliquant un seuillage
• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
• G16H 30/00 - TIC spécialement adaptées au maniement ou au traitement d’images médicales
• G16H 20/10 - TIC spécialement adaptées aux thérapies ou aux plans d’amélioration de la santé, p. ex. pour manier les prescriptions, orienter la thérapie ou surveiller l’observance par les patients concernant des médicaments ou des médications, p. ex. pour s’assurer de l’administration correcte aux patients
• G06T 7/11 - Découpage basé sur les zones

Abrégé

Provided is a method or apparatus for predicting treatment response to an immune checkpoint inhibitor, the method comprising: determining a density of tumor-infiltrating lymphocytes (TILs) for a pathological image at a first time point using a machine learning model; determining a density of TILs for a pathological image at a second time point using the machine learning model; determining a fold change in density of TILs by using the density of TILs for the pathological image at the first time point and the density of TILs for the pathological image at the second time point; and predicting a treatment response to the immune checkpoint inhibitor in a cancer patient based on the fold change in density of the TILs. According to a method of one aspect, the treatment responsiveness to an immune checkpoint inhibitor in cancer patients can be more accurately predicted and a treatment method can be determined.

Classes IPC  ?

• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G06T 7/00 - Analyse d'image
• G06T 7/62 - Analyse des attributs géométriques de la superficie, du périmètre, du diamètre ou du volume
• G16H 50/70 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour extraire des données médicales, p. ex. pour analyser les cas antérieurs d’autres patients
• G16H 50/30 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le calcul des indices de santéTIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour l’évaluation des risques pour la santé d’une personne
• G06N 20/00 - Apprentissage automatique

Abrégé

The present disclosure relates to a method and device for predicting a treatment response to a HER2-targeted therapeutic agent. In an embodiment, a method of more accurately predicting the therapeutic responsiveness of a cancer patient to the HER2-targeted therapeutic agent and treating cancer may be determined.

Classes IPC  ?

• G01N 33/574 - Tests immunologiquesTests faisant intervenir la formation de liaisons biospécifiquesMatériaux à cet effet pour le cancer
• G01N 33/577 - Tests immunologiquesTests faisant intervenir la formation de liaisons biospécifiquesMatériaux à cet effet faisant intervenir des anticorps monoclonaux
• G06N 3/08 - Méthodes d'apprentissage

Produits et services

Providing access to an electronic exchange of medical records across a nationwide health information network; transmission of sound, video and information; network transmission of sounds, images, signals and data; transmission of sound, video and information from web cams, video cameras or mobile phones, all featuring live or recorded materials; computer aided transmission of information and images; providing multiple-user access to databases in data networks; telecommunications services, namely, electronic transmission of data via a computer network; providing user access to computer databases in data networks; transmission and reception of database information via wired and wireless telecommunication networks; video conferencing services; transmission of telegrams; communications by computer terminals; transmission of digital files; transmission and reception of information and data via telecommunication networks; electronic transmission of data, sound or images; providing access to databases; electronic transmission of digital images; electronic transmission of sound, images and other data and information of all kinds via the Internet; electronic transmission of text message and video; electronic transmission of data, namely, transmission of text, photo and video via the smart phone application; electronic transmission of audio and visual content; providing on-line access to databases; information transfer, namely, electronic transmission of data via a computer network. Medical reporting services, namely, providing medical information to medical professionals and patients in the form of reports relating to the medical examination of individuals; managed health care services; medical analysis for the diagnosis and treatment of persons; providing information in the field of cancer prevention, screening, diagnosis and treatment; genetic testing for medical purposes, namely, RNA or DNA analysis for cancer diagnosis and prognosis; medical analysis services for cancer diagnosis and prognosis; medical analysis services for the diagnosis of cancer; health care services for treating cancer; providing cancer screening services; telemedicine services; providing health information via a web site; providing breast cancer screening services; provision of medical information; medical diagnostic testing, monitoring and reporting services; medical services for the diagnosis of conditions of the human body, namely, cancer; cervical cancer screening services; bowel cancer screening services; remote monitoring services for medical diagnostic devices and systems, namely, remote monitoring of medical data for medical diagnosis and treatment.

Abrégé

A computing device includes at least one memory, and at least one processor configured to analyze at least one object expressed in a pathological slide image, evaluate quality of the pathological slide image based on a result of the analyzing, and perform at least one additional operation according to a result of the evaluating.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G06V 20/69 - Objets microscopiques, p. ex. cellules biologiques ou pièces cellulaires
• G16H 15/00 - TIC spécialement adaptées aux rapports médicaux, p. ex. leur création ou leur transmission
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition

Abrégé

Some embodiments of the present disclosure provide a pneumothorax detection method performed by a computing device. The method may comprise obtaining predicted pneumothorax information, predicted tube information, and a predicted spinal baseline with respect to an input image from a trained pneumothorax prediction model; determining at least one pneumothorax representative position for the predicted pneumothorax information and at least one tube representative position for the predicted tube information, in a prediction image in which the predicted pneumothorax information and the predicted tube information are displayed; dividing the prediction image into a first region and a second region by the predicted spinal baseline; and determining a region in which the at least one pneumothorax representative position and the at least one tube representative position exist among the first region and the second region.

Classes IPC  ?

• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• A61B 6/00 - Appareils ou dispositifs pour le diagnostic par radiationsAppareils ou dispositifs pour le diagnostic par radiations combinés avec un équipement de thérapie par radiations
• A61B 6/46 - Agencements pour l’interface avec l’opérateur ou avec le patient
• A61B 34/10 - Planification, simulation ou modélisation assistées par ordinateur d’opérations chirurgicales
• A61M 1/04 - Appareils pour pneumothorax
• G06F 18/2431 - Classes multiples
• G06N 20/00 - Apprentissage automatique
• G06T 7/00 - Analyse d'image
• G06T 7/11 - Découpage basé sur les zones
• G06T 7/70 - Détermination de la position ou de l'orientation des objets ou des caméras
• G06V 10/25 - Détermination d’une région d’intérêt [ROI] ou d’un volume d’intérêt [VOI]
• G06V 10/764 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant la classification, p. ex. des objets vidéo
• G06V 10/82 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant les réseaux neuronaux
• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux

Abrégé

Provided are a method and an apparatus for interlocking a lesion location between a 2D medical image and 3D tomosynthesis images including a plurality of 3D image slices.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G06T 3/40 - Changement d'échelle d’images complètes ou de parties d’image, p. ex. agrandissement ou rétrécissement
• G06T 15/00 - Rendu d'images tridimensionnelles [3D]

Abrégé

The present disclosure relates to a medical image analysis method using a processor and a memory which are hardware. The method includes generating predicted second metadata for a medical image by using a prediction model, and determining a processing method of the medical image based on one of first metadata stored corresponding to the medical image and the second metadata.

Classes IPC  ?

• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS
• G06T 7/00 - Analyse d'image
• G06V 30/166 - Normalisation des dimensions de la forme
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition

Abrégé

Provided is a computing device including at least one memory, and at least one processor configured to obtain feature information corresponding to a pathological slide image, generate medical information associated with the pathological slide image based on the feature information, and output at least one of the medical information and additional information based on the medical information.

Classes IPC  ?

• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 20/10 - TIC spécialement adaptées aux thérapies ou aux plans d’amélioration de la santé, p. ex. pour manier les prescriptions, orienter la thérapie ou surveiller l’observance par les patients concernant des médicaments ou des médications, p. ex. pour s’assurer de l’administration correcte aux patients

Abrégé

A computing device according to an aspect comprises: at least one memory; and at least one processor, wherein the processor: divides a pathology slide image into a plurality of patches; for at least one of the plurality of patches, determines whether at least one artifact exists therein; and performs an additional task on the basis of a result of the determination.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G06T 7/11 - Découpage basé sur les zones
• G06T 5/80 - Correction géométrique
• G06V 20/69 - Objets microscopiques, p. ex. cellules biologiques ou pièces cellulaires
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G06T 5/70 - DébruitageLissage

Abrégé

A prediction device operated by at least one processor includes: a risk factor inference model implemented with an artificial intelligence model trained to infer risk factors for a disease from input images, configured to receive medical images and output at least one inferred risk factor; and a medical prediction model configured to receive patient information including the at least one inferred risk factor as input and output a medical prediction including a disease risk.

Classes IPC  ?

• G16H 50/30 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le calcul des indices de santéTIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour l’évaluation des risques pour la santé d’une personne
• G16H 10/60 - TIC spécialement adaptées au maniement ou au traitement des données médicales ou de soins de santé relatives aux patients pour des données spécifiques de patients, p. ex. pour des dossiers électroniques de patients
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS

Abrégé

A computing device includes at least one memory, and at least one processor configured to generate, based on first analysis on a pathological slide image, first biomarker expression information, generate, based on a user input for updating at least some of results of the first analysis, second biomarker expression information about the pathological slide image, and control a display device to output a report including medical information about at least some regions included in the pathological slide image, based on at least one of the first biomarker expression information or the second biomarker expression information.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G06F 3/14 - Sortie numérique vers un dispositif de visualisation
• G06V 10/74 - Appariement de motifs d’image ou de vidéoMesures de proximité dans les espaces de caractéristiques
• G16H 15/00 - TIC spécialement adaptées aux rapports médicaux, p. ex. leur création ou leur transmission
• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux

Abrégé

A computing apparatus includes at least one memory, and at least one processor, wherein the processor is configured to acquire a pathological slide image showing at least one tissue, generate feature information related to at least one area of the pathological slide image, and detect, from the pathological slide image, at least one cell included in the at least one tissue by using the pathological slide image and the feature information.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G06N 20/00 - Apprentissage automatique
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux

Abrégé

A method for interpreting an input image by a computing device operated by at least one processor is provided. The method for interpreting an input image comprises storing an artificial intelligent (AI) model that is trained to classify a lesion detected in the input image as suspicious or non-suspicious and, under a condition of being suspicious, to classify the lesion detected in the input image as malignant or benign-hard representing that the lesion is suspicious but determined to be benign, receiving an analysis target image, by using the AI model, obtaining a classification class of a target lesion detected in the analysis target image and, when the classification class is the suspicious, obtaining at least one of a probability of being suspicious, a probability of being benign-hard, and a probability of malignant for the target lesion, and outputting an interpretation result including at least one probability obtained for the target lesion.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G06N 3/08 - Méthodes d'apprentissage
• G06V 10/40 - Extraction de caractéristiques d’images ou de vidéos
• G06V 10/764 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant la classification, p. ex. des objets vidéo

Abrégé

A computing device includes at least one memory, and at least one processor configured to generate, based on first analysis on a pathological slide image, first biomarker expression information, generate, based on a user input for updating at least some of results of the first analysis, second biomarker expression information about the pathological slide image, and control a display device to output a report including medical information about at least some regions included in the pathological slide image, based on at least one of the first biomarker expression information or the second biomarker expression information.

Classes IPC  ?

• G06K 9/00 - 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
• G06F 3/14 - Sortie numérique vers un dispositif de visualisation
• G06T 7/00 - Analyse d'image
• G06V 10/74 - Appariement de motifs d’image ou de vidéoMesures de proximité dans les espaces de caractéristiques
• G16H 15/00 - TIC spécialement adaptées aux rapports médicaux, p. ex. leur création ou leur transmission
• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux

Abrégé

A computing apparatus operated by at least one processor includes a target artificial intelligence model configured to learn at least one task, and perform a task for an input medical image to output a target result, and a confidence prediction model configured to obtain at least one impact factor that affects the target result based on the input medical image, and estimate confidence information for the target result based on the impact factor.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux

Abrégé

There is provided a method for parallel processing a digitally scanned pathology image, in which the method is performed by a plurality of processors and includes performing, by a first processor, a first operation of providing a second processor with a first patch included in the digitally scanned pathology image, performing, by the first processor, a second operation of providing the second processor with a second patch included in the digitally scanned pathology image, and performing, by the second processor, a third operation of outputting a first analysis result from the first patch using a machine learning model, in which at least a part of a time frame for the second operation performed by the first processor may overlap with at least a part of a time frame for the third operation performed by the second processor.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G06V 10/22 - Prétraitement de l’image par la sélection d’une région spécifique contenant ou référençant une formeLocalisation ou traitement de régions spécifiques visant à guider la détection ou la reconnaissance
• G06V 10/774 - Génération d'ensembles de motifs de formationTraitement des caractéristiques d’images ou de vidéos dans les espaces de caractéristiquesDispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant l’intégration et la réduction de données, p. ex. analyse en composantes principales [PCA] ou analyse en composantes indépendantes [ ICA] ou cartes auto-organisatrices [SOM]Séparation aveugle de source méthodes de Bootstrap, p. ex. "bagging” ou “boosting”
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 70/60 - TIC spécialement adaptées au maniement ou au traitement de références médicales concernant des pathologies

Abrégé

A computing apparatus includes: at least one memory; and at least one processor, wherein the processor generates quantitative information regarding at least one cell included in a region of interest of a pathological slide image by analyzing the pathological slide image, generates qualitative information regarding at least one tissue included in the pathological slide image by analyzing the pathological slide image, and controls a display apparatus to output at least one of the quantitative information and the qualitative information on the pathological slide image according to a manipulation of a user.

Classes IPC  ?

• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 10/40 - TIC spécialement adaptées au maniement ou au traitement des données médicales ou de soins de santé relatives aux patients pour des données relatives aux analyses de laboratoire, p. ex. pour des analyses d’échantillon de patient

Abrégé

An image analysis method and an image analysis system are disclosed. The method may include extracting training raw graphic data including at least one first node corresponding to a plurality of histological features of a training tissue slide image, and at least one first edge defined by a relationship between the histological features and generating training graphic data by sampling the first node of the training raw graphic data. The method may also include determining a parameter of a readout function by training a graph neural network (GNN) using the training graphic data and training output data corresponding to the training graphic data, and extracting inference graphic data including at least one second node corresponding to a plurality of histological features of an inference tissue slide image, and at least one second edge decided by a relationship between the histological features of the inference tissue slide image.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G06F 18/214 - Génération de motifs d'entraînementProcédés de Bootstrapping, p. ex. ”bagging” ou ”boosting”
• G06F 18/25 - Techniques de fusion
• G06V 10/426 - Représentations graphiques
• G06V 10/764 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant la classification, p. ex. des objets vidéo
• G06V 10/774 - Génération d'ensembles de motifs de formationTraitement des caractéristiques d’images ou de vidéos dans les espaces de caractéristiquesDispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant l’intégration et la réduction de données, p. ex. analyse en composantes principales [PCA] ou analyse en composantes indépendantes [ ICA] ou cartes auto-organisatrices [SOM]Séparation aveugle de source méthodes de Bootstrap, p. ex. "bagging” ou “boosting”
• G06V 10/80 - Fusion, c.-à-d. combinaison des données de diverses sources au niveau du capteur, du prétraitement, de l’extraction des caractéristiques ou de la classification
• G06V 10/82 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant les réseaux neuronaux
• G06V 20/69 - Objets microscopiques, p. ex. cellules biologiques ou pièces cellulaires

Abrégé

A method for predicting a risk of occurrence of a lesion is provided, which is performed by one or more processors and includes acquiring a medical image of a subject, using a machine learning model, predicting a possibility of occurrence of a lesion of the subject from acquired medical image, and outputting a prediction result, in which the machine learning model may be a model trained with a plurality of training medical images and a risk of occurrence of the lesion associated with each training medical image.

Classes IPC  ?

• G16H 50/30 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le calcul des indices de santéTIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour l’évaluation des risques pour la santé d’une personne
• G06T 7/00 - Analyse d'image
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux

Abrégé

Provided is a method for training a neural network and a device thereof. The method for training a neural network with three-dimensional (3D) training image data comprising a plurality of two-dimensional (2D) training image data, comprises: training a first convolutional neural network (CNN) with the plurality of 2D training image data, wherein the first convolutional neural network comprises 2D convolutional layers; and training a second convolutional neural network with the 3D training image data, wherein the second convolutional neural network comprises the 2D convolutional layers and 3D convolutional layers configured to receive an output of the 2D convolutional layers as an input.

Classes IPC  ?

• G06V 10/774 - Génération d'ensembles de motifs de formationTraitement des caractéristiques d’images ou de vidéos dans les espaces de caractéristiquesDispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant l’intégration et la réduction de données, p. ex. analyse en composantes principales [PCA] ou analyse en composantes indépendantes [ ICA] ou cartes auto-organisatrices [SOM]Séparation aveugle de source méthodes de Bootstrap, p. ex. "bagging” ou “boosting”
• G06V 10/77 - Traitement des caractéristiques d’images ou de vidéos dans les espaces de caractéristiquesDispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant l’intégration et la réduction de données, p. ex. analyse en composantes principales [PCA] ou analyse en composantes indépendantes [ ICA] ou cartes auto-organisatrices [SOM]Séparation aveugle de source
• G06V 10/82 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant les réseaux neuronaux

Abrégé

Provided is a method for analysing a pathology image, which is performed by at least one processor and includes acquiring a pathology image, inputting the acquired pathology image into a machine learning model and acquiring an analysis result for the pathology image from the machine learning model, and outputting the acquired analysis result, in which the machine learning model is a model trained by using a training data set generated based on a first pathology data set associated with a first domain and a second pathology data set associated with a second domain different from the first domain.

Classes IPC  ?

• G06V 20/69 - Objets microscopiques, p. ex. cellules biologiques ou pièces cellulaires
• G06V 10/22 - Prétraitement de l’image par la sélection d’une région spécifique contenant ou référençant une formeLocalisation ou traitement de régions spécifiques visant à guider la détection ou la reconnaissance
• G06V 10/98 - Détection ou correction d’erreurs, p. ex. en effectuant une deuxième exploration du motif ou par intervention humaineÉvaluation de la qualité des motifs acquis

Abrégé

A method for measuring a size change of a target lesion in an X-ray image is provided, including receiving a first X-ray image including the target lesion and a second X-ray image including the target lesion, calculating an occupancy of a region corresponding to the target lesion in criterion regions in each of the first X-ray image and the second X-ray image, and measuring a size change of the target lesion based on the calculated occupancies.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G06T 7/62 - Analyse des attributs géométriques de la superficie, du périmètre, du diamètre ou du volume

Abrégé

The present disclosure relates to a method, performed by at least one computing device, for providing information associated with immune phenotype for pathology slide image. The method may include obtaining information associated with immune phenotype for one or more regions of interest (ROIs) in a pathology slide image, generating, based on the information associated with the immune phenotype for one or more ROIs, an image indicative of the information associated with the immune phenotype, and outputting the image indicative of the information associated with immune phenotype.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G16B 20/00 - TIC spécialement adaptées à la génomique ou protéomique fonctionnelle, p. ex. corrélations génotype-phénotype
• G06N 3/02 - Réseaux neuronaux

Abrégé

The present disclosure relates to a method, performed by at least one computing device, for predicting a response to an immune checkpoint inhibitor. The method includes receiving a first pathology slide image, detecting one or more target items in the first pathology slide image, determining at least one of an immune phenotype of at least some regions in the first pathology slide image or information associated with the immune phenotype based on the detection result for the one or more target items, and generating a prediction result as to whether or not a patient associated with the first pathology slide image responds to the immune checkpoint inhibitor, based on the immune phenotype of the at least some regions in the first pathology slide image or the information associated with the immune phenotype.

Classes IPC  ?

• G16B 20/00 - TIC spécialement adaptées à la génomique ou protéomique fonctionnelle, p. ex. corrélations génotype-phénotype
• G06N 3/02 - Réseaux neuronaux

Abrégé

A computing apparatus includes at least one memory storing at least one program, and at least one processor configured to, by executing the at least one program, acquire at least one of first information regarding a primary clinical trial previously performed on a certain drug and second information indicating an association between the drug and each of candidate biomarkers, set a criterion related to responsitivity to the drug based on the acquired information, and generate information related to a secondary clinical trial based on the set criterion.

Classes IPC  ?

• G16H 10/20 - TIC spécialement adaptées au maniement ou au traitement des données médicales ou de soins de santé relatives aux patients pour des essais ou des questionnaires cliniques électroniques
• G16H 50/70 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour extraire des données médicales, p. ex. pour analyser les cas antérieurs d’autres patients
• G16H 15/00 - TIC spécialement adaptées aux rapports médicaux, p. ex. leur création ou leur transmission
• G06T 7/00 - Analyse d'image
• G16B 20/00 - TIC spécialement adaptées à la génomique ou protéomique fonctionnelle, p. ex. corrélations génotype-phénotype

Abrégé

A computing device includes at least one memory, and at least one processor configured to analyze at least one object expressed in a pathological slide image, evaluate quality of the pathological slide image based on a result of the analyzing, and perform at least one additional operation according to a result of the evaluating.

Classes IPC  ?

• G06K 9/00 - 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
• G06T 7/00 - Analyse d'image
• G06V 20/69 - Objets microscopiques, p. ex. cellules biologiques ou pièces cellulaires
• G16H 15/00 - TIC spécialement adaptées aux rapports médicaux, p. ex. leur création ou leur transmission
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition

Abrégé

A computing device obtains information about a medical slide image, and determines a dataset type of the medical slide image and a panel of the medical slide image. The computing device assigns to an annotator account, an annotation job defined by at least the medical slide image, the determined dataset type, an annotation task, and a patch that is a partial area of the medical slide image. The annotation task includes the determined panel, and the panel is designated as one of a plurality of panels including a cell panel, a tissue panel, and a structure panel. The dataset type indicates a use of the medical slide image and is designated as one of a plurality of uses including a training use of a medical learning model and a validation use of the machine learning model.

Classes IPC  ?

• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G06F 18/21 - Conception ou mise en place de systèmes ou de techniquesExtraction de caractéristiques dans l'espace des caractéristiquesSéparation aveugle de sources
• G06F 40/169 - Annotation, p. ex. données de commentaires ou notes de bas de page
• G06N 3/08 - Méthodes d'apprentissage
• G06N 20/00 - Apprentissage automatique
• G06Q 10/0631 - Planification, affectation, distribution ou ordonnancement de ressources d’entreprises ou d’organisations
• G06Q 10/0639 - Analyse des performances des employésAnalyse des performances des opérations d’une entreprise ou d’une organisation
• G06T 7/00 - Analyse d'image
• G06V 10/22 - Prétraitement de l’image par la sélection d’une région spécifique contenant ou référençant une formeLocalisation ou traitement de régions spécifiques visant à guider la détection ou la reconnaissance
• G06V 10/774 - Génération d'ensembles de motifs de formationTraitement des caractéristiques d’images ou de vidéos dans les espaces de caractéristiquesDispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant l’intégration et la réduction de données, p. ex. analyse en composantes principales [PCA] ou analyse en composantes indépendantes [ ICA] ou cartes auto-organisatrices [SOM]Séparation aveugle de source méthodes de Bootstrap, p. ex. "bagging” ou “boosting”
• G06V 10/776 - ValidationÉvaluation des performances
• G06V 10/778 - Apprentissage de profils actif, p. ex. apprentissage en ligne des caractéristiques d’images ou de vidéos
• G16H 10/40 - TIC spécialement adaptées au maniement ou au traitement des données médicales ou de soins de santé relatives aux patients pour des données relatives aux analyses de laboratoire, p. ex. pour des analyses d’échantillon de patient
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS
• G16H 40/20 - TIC spécialement adaptées à la gestion ou à l’administration de ressources ou d’établissements de santéTIC spécialement adaptées à la gestion ou au fonctionnement d’équipement ou de dispositifs médicaux pour la gestion ou l’administration de ressources ou d’établissements de soins de santé, p. ex. pour la gestion du personnel hospitalier ou de salles d’opération
• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux

Abrégé

A computing apparatus according to an aspect comprises at least one memory and at least one processor, wherein the processor: acquires a first pathological slide image in which at least one first object has been expressed and biological information of the at least one first object; generates training data by using at least one first patch included in the first pathological slide image and the biological information; trains a first machine learning model by means of the training data; and analyzes a second pathological slide image by using the trained first machine learning model.

Classes IPC  ?

• G16B 40/30 - Analyse de données non supervisée
• G06N 20/00 - Apprentissage automatique
• G06N 3/08 - Méthodes d'apprentissage
• G01N 1/30 - TeintureImprégnation
• G01N 21/78 - Systèmes dans lesquels le matériau est soumis à une réaction chimique, le progrès ou le résultat de la réaction étant analysé en observant l'effet sur un réactif chimique produisant un changement de couleur
• G01N 33/531 - Production de matériaux de tests immunochimiques
• G01N 33/574 - Tests immunologiquesTests faisant intervenir la formation de liaisons biospécifiquesMatériaux à cet effet pour le cancer

Abrégé

Provided is a computing device including at least one memory, and at least one processor configured to obtain a first pathological slide image one of a first object and biological information of the first object, generate training data by using at least one first patch included in the first pathological slide image, and the biological information, train a first machine learning model based on the training data, and analyze a second pathological slide image of a second object by using the trained first machine learning model.

Classes IPC  ?

• G06V 10/774 - Génération d'ensembles de motifs de formationTraitement des caractéristiques d’images ou de vidéos dans les espaces de caractéristiquesDispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant l’intégration et la réduction de données, p. ex. analyse en composantes principales [PCA] ou analyse en composantes indépendantes [ ICA] ou cartes auto-organisatrices [SOM]Séparation aveugle de source méthodes de Bootstrap, p. ex. "bagging” ou “boosting”
• G06V 20/69 - Objets microscopiques, p. ex. cellules biologiques ou pièces cellulaires
• G06T 7/00 - Analyse d'image

Abrégé

An operating method of a medical data selecting apparatus operated by at least one processor includes generating training data including partial medical data sampled from mass medical data and annotated data of the partial medical data, extracting candidate data for annotation from the mass medical data, the candidate data being at least a portion of the mass medical data, acquiring inference results that are inferred from the candidate data by an artificial intelligence (AI) model trained based on the training data and selecting target data for annotation to be used in next training of the AI model, from among the candidate data based on the inference results.

Classes IPC  ?

• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 50/70 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour extraire des données médicales, p. ex. pour analyser les cas antérieurs d’autres patients

Abrégé

A method for interpreting an input image by a computing device operated by at least one processor is provided. The method for interpreting an input image comprises storing an artificial intelligent (AI) model that is trained to classify a lesion detected in the input image as suspicious or non-suspicious and, under a condition of being suspicious, to classify the lesion detected in the input image as malignant or benign-hard representing that the lesion is suspicious but determined to be benign, receiving an analysis target image, by using the AI model, obtaining a classification class of a target lesion detected in the analysis target image and, when the classification class is the suspicious, obtaining at least one of a probability of being suspicious, a probability of being benign-hard, and a probability of malignant for the target lesion, and outputting an interpretation result including at least one probability obtained for the target lesion.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G06N 3/08 - Méthodes d'apprentissage
• G06V 10/40 - Extraction de caractéristiques d’images ou de vidéos
• G06V 10/764 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant la classification, p. ex. des objets vidéo

Abrégé

Provided are a method and an apparatus for interlocking a lesion location between a 2D medical image and 3D tomosynthesis images including a plurality of 3D image slices.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G06T 3/40 - Changement d'échelle d’images complètes ou de parties d’image, p. ex. agrandissement ou rétrécissement
• G06T 15/00 - Rendu d'images tridimensionnelles [3D]

Abrégé

The present disclosure relates to a method, performed by at least one processor of an information processing system, of analyzing a pathological image. The method includes receiving a pathological image, detecting an object associated with medical information, in the received pathological image by using a machine learning model, generating an analysis result on the received pathological image, based on a result of the detecting, and outputting medical information about at least one region included in the pathological image, based on the analysis result.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G06V 10/94 - Architectures logicielles ou matérielles spécialement adaptées à la compréhension d’images ou de vidéos
• G06V 20/69 - Objets microscopiques, p. ex. cellules biologiques ou pièces cellulaires
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS

Abrégé

The present disclosure relates to a method and apparatus for linking a lesion location between a 2D medical image and 3D tomosynthesis images which include a plurality of 3D image slices, and providing the linked image.

Classes IPC  ?

• A61B 6/00 - Appareils ou dispositifs pour le diagnostic par radiationsAppareils ou dispositifs pour le diagnostic par radiations combinés avec un équipement de thérapie par radiations
• A61B 6/02 - Agencements pour établir un diagnostic dans des plans différents successifsDiagnostic stéréoscopique utilisant des radiations
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• A61B 8/08 - Applications cliniques

Abrégé

Provided is a computing apparatus including: at least one memory; and at least one processor, wherein the at least one processor is configured to: perform a first classification on a plurality of tissues expressed in a pathological slide image by analyzing the pathological slide image, perform a second classification on a plurality of cells expressed in a pathological slide image by analyzing the pathological slide image, and calculate tumor purity including information on noise included in the pathological slide image by combining a first classification result and a second classification result.

Classes IPC  ?

• G16B 20/00 - TIC spécialement adaptées à la génomique ou protéomique fonctionnelle, p. ex. corrélations génotype-phénotype
• G16B 40/00 - TIC spécialement adaptées aux biostatistiquesTIC spécialement adaptées à l’apprentissage automatique ou à l’exploration de données liées à la bio-informatique, p. ex. extraction de connaissances ou détection de motifs
• G16B 5/00 - TIC spécialement adaptées à la modélisation ou aux simulations dans la biologie des systèmes, p. ex. réseaux de régulation génétique, réseaux d’interaction entre protéines ou réseaux métaboliques
• C12Q 1/6886 - Produits d’acides nucléiques utilisés dans l’analyse d’acides nucléiques, p. ex. amorces ou sondes pour les maladies provoquées par des altérations du matériel génétique pour le cancer
• G06T 7/00 - Analyse d'image

Abrégé

A method of outputting a pathology slide image includes receiving a user input related to a method of outputting at least one region included in the pathology slide image, based on the user input, determining an area of a guide to be output on the pathology slide image and a region of the pathology slide image included in the guide, and based on the determined area and region, outputting the pathology slide image on which the guide is overlaid.

Classes IPC  ?

• G06T 3/40 - Changement d'échelle d’images complètes ou de parties d’image, p. ex. agrandissement ou rétrécissement
• G06T 11/60 - Édition de figures et de texteCombinaison de figures ou de texte

Abrégé

Provided is a computing apparatus including: at least one memory; and at least one processor, wherein the at least one processor is configured to: perform a first classification on a plurality of tissues expressed in a pathological slide image by analyzing the pathological slide image, perform a second classification on a plurality of cells expressed in a pathological slide image by analyzing the pathological slide image, and calculate tumor purity including information on noise included in the pathological slide image by combining a first classification result and a second classification result.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G06V 20/69 - Objets microscopiques, p. ex. cellules biologiques ou pièces cellulaires

Abrégé

A method of outputting a pathology slide image includes receiving a user input related to a method of outputting at least one region included in the pathology slide image, based on the user input, determining an area of a guide to be output on the pathology slide image and a region of the pathology slide image included in the guide, and based on the determined area and region, outputting the pathology slide image on which the guide is overlaid.

Classes IPC  ?

• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 70/60 - TIC spécialement adaptées au maniement ou au traitement de références médicales concernant des pathologies
• G06T 3/40 - Changement d'échelle d’images complètes ou de parties d’image, p. ex. agrandissement ou rétrécissement
• G06T 7/00 - Analyse d'image
• G06F 3/147 - Sortie numérique vers un dispositif de visualisation utilisant des panneaux de visualisation
• G16H 80/00 - TIC spécialement adaptées pour faciliter la communication entre les professionnels de la santé ou les patients, p. ex. pour le diagnostic collaboratif, la thérapie collaborative ou la surveillance collaborative de l’état de santé
• G06F 3/04845 - Techniques d’interaction fondées sur les interfaces utilisateur graphiques [GUI] pour la commande de fonctions ou d’opérations spécifiques, p. ex. sélection ou transformation d’un objet, d’une image ou d’un élément de texte affiché, détermination d’une valeur de paramètre ou sélection d’une plage de valeurs pour la transformation d’images, p. ex. glissement, rotation, agrandissement ou changement de couleur
• G06F 3/0482 - Interaction avec des listes d’éléments sélectionnables, p. ex. des menus

Abrégé

A method for determining an abnormality in a medical device from a medical image is provided. The method for determining an abnormality in a medical device comprises receiving a medical image, and detecting information on at least a part of a target medical device included in the received medical image.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• A61B 6/00 - Appareils ou dispositifs pour le diagnostic par radiationsAppareils ou dispositifs pour le diagnostic par radiations combinés avec un équipement de thérapie par radiations
• A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus

Abrégé

Provided is a computing apparatus including: at least one memory; and at least one processor, wherein the at least one processor is configured to: perform a first classification on a plurality of tissues expressed in a pathological slide image by analyzing the pathological slide image, perform a second classification on a plurality of cells expressed in a pathological slide image by analyzing the pathological slide image, and calculate tumor purity including information on noise included in the pathological slide image by combining a first classification result and a second classification result.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition

Abrégé

A computing apparatus includes: at least one memory; and at least one processor, wherein the processor generates quantitative information regarding at least one cell included in a region of interest of a pathological slide image by analyzing the pathological slide image, generates qualitative information regarding at least one tissue included in the pathological slide image by analyzing the pathological slide image, and controls a display apparatus to output at least one of the quantitative information and the qualitative information on the pathological slide image according to a manipulation of a user.

Classes IPC  ?

• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 10/40 - TIC spécialement adaptées au maniement ou au traitement des données médicales ou de soins de santé relatives aux patients pour des données relatives aux analyses de laboratoire, p. ex. pour des analyses d’échantillon de patient

Abrégé

A method of reading a medical image by a computing device operated by at least one processor is provided. The method includes obtaining an abnormality score of the input image using an abnormality prediction model, filtering the input image so as not to be subsequently analyzed when the abnormality score is less than or equal to a cut-off score based on the cut-off score which makes a specific reading sensitivity; and obtaining an analysis result of the input image using a classification model that distinguishes the input image into classification classes when the abnormality score is greater than the cut-off score.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux

Abrégé

Some embodiments of the present disclosure provide a pneumothorax detection method performed by a computing device. The method may comprise obtaining predicted pneumothorax information, predicted tube information, and a predicted spinal baseline with respect to an input image from a trained pneumothorax prediction model; determining at least one pneumothorax representative position for the predicted pneumothorax information and at least one tube representative position for the predicted tube information, in a prediction image in which the predicted pneumothorax information and the predicted tube information are displayed; dividing the prediction image into a first region and a second region by the predicted spinal baseline; and determining a region in which the at least one pneumothorax representative position and the at least one tube representative position exist among the first region and the second region.

Classes IPC  ?

• G06T 7/11 - Découpage basé sur les zones
• A61B 6/00 - Appareils ou dispositifs pour le diagnostic par radiationsAppareils ou dispositifs pour le diagnostic par radiations combinés avec un équipement de thérapie par radiations
• A61B 6/46 - Agencements pour l’interface avec l’opérateur ou avec le patient
• A61B 34/10 - Planification, simulation ou modélisation assistées par ordinateur d’opérations chirurgicales
• A61M 1/04 - Appareils pour pneumothorax
• G06F 18/2431 - Classes multiples
• G06N 20/00 - Apprentissage automatique
• G06T 7/00 - Analyse d'image
• G06T 7/70 - Détermination de la position ou de l'orientation des objets ou des caméras
• G06V 10/25 - Détermination d’une région d’intérêt [ROI] ou d’un volume d’intérêt [VOI]
• G06V 10/764 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant la classification, p. ex. des objets vidéo
• G06V 10/82 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant les réseaux neuronaux
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux

Abrégé

A computing device according to an aspect includes at least one memory and at least one processor. The processor analyzes pathology slide images to obtain information related to tissues or cells represented in the pathology slide images, predicts the ratio of circulating tumor DNA to cell free DNA on the basis of the information, and creates a guide related to subsequent examinations on the basis of the ratio.

Classes IPC  ?

• G16B 5/00 - TIC spécialement adaptées à la modélisation ou aux simulations dans la biologie des systèmes, p. ex. réseaux de régulation génétique, réseaux d’interaction entre protéines ou réseaux métaboliques
• G16B 45/00 - TIC spécialement adaptées à la visualisation de données liées à la bio-informatique, p. ex. affichage de cartes ou de réseaux
• G16B 20/20 - Détection d’allèles ou de variantes, p. ex. détection de polymorphisme d’un seul nucléotide
• G16B 30/00 - TIC spécialement adaptées à l’analyse de séquences impliquant des nucléotides ou des aminoacides
• G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition

Abrégé

A computing device according to one aspect comprises at least one memory and at least one processor, wherein the processor analyzes the pathological slide image so as to generate quantitative information about at least one cell included in a region of interest of the pathological slide image, analyzes the pathological slide image so as to generate qualitative information about at least one tissue included in the pathological slide image, and controls a display device so as to output the quantitative information and/or the qualitative information on the pathological slide image according to operation by a user.

Classes IPC  ?

• G06T 7/11 - Découpage basé sur les zones
• G06T 3/40 - Changement d'échelle d’images complètes ou de parties d’image, p. ex. agrandissement ou rétrécissement
• G06T 7/73 - Détermination de la position ou de l'orientation des objets ou des caméras utilisant des procédés basés sur les caractéristiques
• G06F 3/0484 - Techniques d’interaction fondées sur les interfaces utilisateur graphiques [GUI] pour la commande de fonctions ou d’opérations spécifiques, p. ex. sélection ou transformation d’un objet, d’une image ou d’un élément de texte affiché, détermination d’une valeur de paramètre ou sélection d’une plage de valeurs
• G06T 7/187 - DécoupageDétection de bords impliquant des croissances de zonesDécoupageDétection de bords impliquant des fusions de zonesDécoupageDétection de bords impliquant un étiquetage de composantes connexes
• G06T 1/60 - Gestion de mémoire

Abrégé

A method for parallel processing a digitally scanned pathology image is performed by a plurality of processors and includes performing, by a first processor, a first operation of generating a first batch from a first set of patches extracted from a digitally scanned pathology image and providing the generated first batch to a second processor, performing, by the first processor, a second operation of generating a second batch from a second set of patches extracted from the digitally scanned pathology image and providing the generated second batch to the second processor, and performing, by the second processor, a third operation of outputting a first analysis result from the first batch by using a machine learning model, with at least part of time frame for the second operation performed by the first processor overlapping at least part of time frame for the third operation performed by the second processor.

Classes IPC  ?

• G16H 70/60 - TIC spécialement adaptées au maniement ou au traitement de références médicales concernant des pathologies
• G06T 7/00 - Analyse d'image
• G06V 10/22 - Prétraitement de l’image par la sélection d’une région spécifique contenant ou référençant une formeLocalisation ou traitement de régions spécifiques visant à guider la détection ou la reconnaissance
• G06V 10/774 - Génération d'ensembles de motifs de formationTraitement des caractéristiques d’images ou de vidéos dans les espaces de caractéristiquesDispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant l’intégration et la réduction de données, p. ex. analyse en composantes principales [PCA] ou analyse en composantes indépendantes [ ICA] ou cartes auto-organisatrices [SOM]Séparation aveugle de source méthodes de Bootstrap, p. ex. "bagging” ou “boosting”
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition

Abrégé

A method for determining an abnormality in a medical device from a medical image is provided. The method for determining an abnormality in a medical device comprises receiving a medical image, and detecting information on at least a part of a target medical device included in the received medical image.

Classes IPC  ?

• A61B 6/00 - Appareils ou dispositifs pour le diagnostic par radiationsAppareils ou dispositifs pour le diagnostic par radiations combinés avec un équipement de thérapie par radiations
• A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
• G06T 7/00 - Analyse d'image

Abrégé

The present invention relates to a method for generating an interpretable prediction result for a patient, wherein the method is performed by at least one computing device. The method comprises the steps of: receiving medical image data of a patient in question; receiving additional medical data of the patient in question; and using a machine learning prediction model to generate information about a prediction result for the patient in question on the basis of the medical image data of the patient in question and the additional medical data of the patient in question.

Classes IPC  ?

• G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
• G16H 50/70 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour extraire des données médicales, p. ex. pour analyser les cas antérieurs d’autres patients
• G16H 10/60 - TIC spécialement adaptées au maniement ou au traitement des données médicales ou de soins de santé relatives aux patients pour des données spécifiques de patients, p. ex. pour des dossiers électroniques de patients
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS
• G06N 20/00 - Apprentissage automatique

Abrégé

Provided is a method, performed by at least one computing apparatus, of generating an interpretable prediction result for a patient. The method includes receiving medical image data of a subject patient, receiving additional medical data of the subject patient, and generating information about a prediction result for the subject patient, based on the medical image data of the subject patient and the additional medical data of the subject patient, by using a machine learning prediction model.

Classes IPC  ?

• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS

Abrégé

Provided are an artificial intelligence insurance server and a method for providing an artificial intelligence insurance service. The artificial intelligence insurance server comprises a receiving unit for receiving input data including medical data of an insurance user, a comparison data selection unit for selecting comparison data based on the input data, and deriving first analysis data by analyzing the comparison data, an artificial intelligence analysis unit for obtaining second analysis data derived by performing artificial intelligence analysis on the input data, a comparison unit for comparing the first and the second analysis data and generating final analysis data using the first and the second analysis data and a decision-making unit for making at least one insurance-related decision using the final analysis data.

Classes IPC  ?

• G06Q 40/08 - Assurance
• G06Q 30/02 - MarketingEstimation ou détermination des prixCollecte de fonds

Abrégé

The present disclosure provides a pathology image analysis method performed by at least one processor. This method comprises the steps of: acquiring pathology images; inputting the acquired pathology images to a machine-learning model and acquiring an analysis result for the pathology images from the machine-learning model; and outputting the acquired analysis result, wherein the machine-learning model may be a model trained by using a training data set generated on the basis of a first pathology data set associated with a first domain and a second pathology data set associated with a second domain different from the first domain.

Classes IPC  ?

• G01N 33/53 - Tests immunologiquesTests faisant intervenir la formation de liaisons biospécifiquesMatériaux à cet effet

Produits et services

X-ray spectroscopes; software as a medical device [SaMD], downloadable; computer software for data processing; computer software for database; database management software; data communication apparatus and instruments; computer software for processing digital images; monitors [computer programs]; magnetic resonance imaging [MRI] apparatus, not for medical purposes; bioinformatics software; image analyzers; apparatus for recording, transmission and reproduction of images; computer software for image processing; computer software for making electronic charts, for medical purposes; computer software for diagnosing diseases for medical purposes; computer software for use in medical decision support systems; computer application software for mobile phones; electronic imaging devices. Electromedical apparatus and equipment for X-ray diagnostics and X-ray therapy; X-ray diagnostic apparatus; medical measuring instruments for cancer diagnosis; medical apparatus and instruments for displaying diagnostic tests; medical CT scanners; peripheral devices of medical CT scanners; X-ray structure analysis instruments for medical use; diagnostic testing instruments for use in immunoassay procedure [medical]; immunofluorescence analysis apparatus for medical purposes; apparatus for analysing images [for medical use]; medical imaging apparatus; medical diagnostic imaging apparatus; magnetic resonance imaging [MRI] apparatus for medical purposes; diagnostic imaging apparatus for medical use; diagnostic, examination, and monitoring apparatus and instruments for medical purposes; scanners for medical diagnosis; automatic analyzers for medical diagnosis; diagnostic apparatus for medical purposes; MRI diagnostic apparatus; ultrasound displaying diagnostic apparatus. Transmission and reception of information and data via telecommunication networks; transmission of data/sound or images; providing access to databases or internet information; transmission of digital image; transmission of digital files; electronic transmission of sound, images and other data and information of all kinds; transmission of text message and video; transmission of text, photo and video via the smart phone application; electronic transmission and delivery of audio and visual content; providing on-line access to databases; transmission and reception (transmission) of database information via the wired or wireless telecommunication network; network transmission of sounds, images, signals and data; transmission of sound/text data/images; electronic transmission of sound, images and other data and information of all kinds via the internet; provision of access to medical information via the internet; telegram transmission; information transfer; communications by computer terminals; computer aided transmission of information and images; video conferencing communications. Data warehousing; development of data bases; research relating to data processing; scientific research for medical purposes in the area of cancerous diseases; computer programming in the medical field; remote monitoring services for medical diagnostic devices (remote monitoring of medical diagnostic systems); research and development of medical apparatus and instruments for others; scientific research for medical purposes; operating software development for others in the field of medical digital X-ray medical equipment; programming of software for providing management assistance services in relation to medical image data; design of medical diagnostic apparatus and instruments; research and development of medical equipment; development of computer software for use with medical equipment; providing computer software technical support services in the field of medical diagnostics; technological and scientific monitoring services relating to medical diagnostic instruments; computer programming services for remote management of medical diagnostic systems; medical research laboratory services for predicting disease; medical research; development and testing of computer software; computer software development.

Abrégé

A method for operating a medical imaging device includes obtaining lesion information on at least one lesion detected from a medical image, determining a shape and a position of at least one contour corresponding to the at least one lesion based on the obtained lesion information, determining a position of at least one text region that includes a text indicating the lesion information on the at least one lesion in the medical image, and displaying the at least one contour and the text included in the at least one text region on the medical image, based on the determined shape and position of the at least one contour and the determined position of the at least one text region.

Classes IPC  ?

• G06V 10/46 - Descripteurs pour la forme, descripteurs liés au contour ou aux points, p. ex. transformation de caractéristiques visuelles invariante à l’échelle [SIFT] ou sacs de mots [BoW]Caractéristiques régionales saillantes
• G06V 10/25 - Détermination d’une région d’intérêt [ROI] ou d’un volume d’intérêt [VOI]
• G06V 10/44 - Extraction de caractéristiques locales par analyse des parties du motif, p. ex. par détection d’arêtes, de contours, de boucles, d’angles, de barres ou d’intersectionsAnalyse de connectivité, p. ex. de composantes connectées
• G06V 10/74 - Appariement de motifs d’image ou de vidéoMesures de proximité dans les espaces de caractéristiques
• G06T 7/70 - Détermination de la position ou de l'orientation des objets ou des caméras
• G06T 11/20 - Traçage à partir d'éléments de base, p. ex. de lignes ou de cercles

Produits et services

X-ray spectroscopes; software as a medical device [SaMD], downloadable; computer software for data processing; computer software for database; database management software; data communication apparatus and instruments; computer software for processing digital images; monitors [computer programs]; magnetic resonance imaging [MRI] apparatus, not for medical purposes; bioinformatics software; image analyzers; apparatus for recording, transmission and reproduction of images; computer software for image processing; computer software for making electronic charts, for medical purposes; computer software for diagnosing diseases for medical purposes; computer software for use in medical decision support systems; computer application software for mobile phones; electronic imaging devices. Electromedical apparatus and equipment for X-ray diagnostics and X-ray therapy; X-ray diagnostic apparatus; medical measuring instruments for cancer diagnosis; medical apparatus and instruments for displaying diagnostic tests; medical CT scanners; peripheral devices of medical CT scanners; X-ray structure analysis instruments for medical use; diagnostic testing instruments for use in immunoassay procedure [medical]; immunofluorescence analysis apparatus for medical purposes; apparatus for analysing images [for medical use]; medical imaging apparatus; medical diagnostic imaging apparatus; magnetic resonance imaging [MRI] apparatus for medical purposes; diagnostic imaging apparatus for medical use; diagnostic, examination, and monitoring medical apparatus and instruments; scanners for medical diagnosis; automatic analyzers for medical diagnosis; diagnostic apparatus for medical purposes; MRI diagnostic apparatus; ultrasound displaying diagnostic apparatus. Transmission and reception of information and data via telecommunication networks; transmission of data/sound or images; providing access to databases or internet information; transmission of digital image; transmission of digital files; electronic transmission of sound, images and other data and information of all kinds; transmission of text message and video; transmission of text, photo and video via the smart phone application; electronic transmission and delivery of audio and visual content; providing on-line access to databases; transmission and reception (transmission) of database information via the wired or wireless telecommunication network; network transmission of sounds, images, signals and data; transmission of sound/text data/images; electronic transmission of sound, images and other data and information of all kinds via the Internet; provision of access to medical information via the internet; telegram transmission; information transfer; communications by computer terminals; computer aided transmission of information and images; video conferencing communications. Data warehousing; development of data bases; research relating to data processing; scientific research for medical purposes in the area of cancerous diseases; computer programming in the medical field; remote monitoring services for medical diagnostic devices (remote monitoring of medical diagnostic systems); research and development of medical apparatus and instruments for others; scientific research for medical purposes; operating software development for others in the field of medical digital X-ray medical equipment; technological analysis assistance services for medical image data; design of medical diagnostic apparatus and instruments; research and development of medical equipment; development of computer software for use with medical equipment; providing computer software technical support services in the field of medical diagnostics; technological and scientific monitoring services relating to medical diagnostic instruments; computer programming services for remote management of medical diagnostic systems; medical research laboratory services for predicting disease; medical research; development and testing of computer software; computer software development. Medical examination of individuals (provision of reports relating to the -); managed health care services; physical examination services; medical analysis for the diagnosis and treatment of persons; providing information in the field of cancer prevention, screening, diagnosis and treatment; RNA or DNA analysis for cancer diagnosis and prognosis; medical analysis services for cancer diagnosis and prognosis; medical analysis services for the diagnosis of cancer; medical analysis services; health care services for treating cancer; providing cancer screening services; telemedicine services; providing health information via a web site; breast cancer screening services; medical information; medical diagnostic services; medical testing services relating to the diagnosis and treatment of disease; medical services for the diagnosis of conditions of the human body; cervical cancer screening services; bowel cancer screening services.

Abrégé

The present disclosure pertains to a method for measuring a size change of a target lesion in X-ray images. The method may comprise the steps of: receiving a first X-ray image including the target lesion and a second X-ray image including the target lesion; calculating an occupancy ratio of an area corresponding to the target lesion relative to a reference area in each of the first X-ray image and the second X-ray image; and measuring a size change of the target lesion on the basis of the calculated occupancy ratio.

Classes IPC  ?

• A61B 6/00 - Appareils ou dispositifs pour le diagnostic par radiationsAppareils ou dispositifs pour le diagnostic par radiations combinés avec un équipement de thérapie par radiations
• G06K 9/62 - Méthodes ou dispositions pour la reconnaissance utilisant des moyens électroniques
• G06T 7/62 - Analyse des attributs géométriques de la superficie, du périmètre, du diamètre ou du volume
• G06T 7/00 - Analyse d'image

Abrégé

The present invention relates to a computing apparatus operated by at least one processor, the computing apparatus comprising: a target artificial intelligence model for outputting a target result by learning at least one task and performing a task for an input medical image; and a confidence prediction model for acquiring at least one impact factor affecting the target result, on the basis of the input medical image, and inferring confidence information of the target result by using the impact factor.

Classes IPC  ?

• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
• G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
• G16H 50/70 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour extraire des données médicales, p. ex. pour analyser les cas antérieurs d’autres patients
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS
• G06N 3/04 - Architecture, p. ex. topologie d'interconnexion
• G06N 20/00 - Apprentissage automatique

Abrégé

A prediction device operated by means of at least one processor comprises: a risk factor inference model which is an artificial intelligence model trained to infer risk factors of a disease from an input image, and which receives a medical image and outputs at least one inferred risk factor; and a medical prediction model for receiving patient information that includes the at least one inferred risk factor, and outputting a medical prediction including disease risk.

Classes IPC  ?

• G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
• G16H 50/70 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour extraire des données médicales, p. ex. pour analyser les cas antérieurs d’autres patients
• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
• G16H 70/60 - TIC spécialement adaptées au maniement ou au traitement de références médicales concernant des pathologies
• G06N 3/08 - Méthodes d'apprentissage
• G06N 3/04 - Architecture, p. ex. topologie d'interconnexion

Abrégé

This disclosure relates to a computerized method to perform a machine learning on a relationship between medical images and metadata using a neural network and acquiring metadata by applying a machine learning model to medical images, and a method thereof. The apparatus and method may include training a prediction model for predicting metadata of medical images based on multiple medical images for learning and metadata matched with each of multiple medical images and predicting metadata of input medical image.

Classes IPC  ?

• G06K 9/62 - Méthodes ou dispositions pour la reconnaissance utilisant des moyens électroniques
• G06T 7/70 - Détermination de la position ou de l'orientation des objets ou des caméras
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS
• G06T 7/00 - Analyse d'image
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G06N 20/00 - Apprentissage automatique
• G06V 30/166 - Normalisation des dimensions de la forme

Abrégé

A method for detecting a region of interest (ROI) in a pathological slide image is provided. The method may include receiving one or more pathological slide images and detecting an ROI in the received one or more pathological slide images. In addition, an information processing system is provided. The information processing system includes a memory storing one or more instructions, and a processor configured to execute the stored one or more instructions to receive one or more pathological slide images and detect an ROI in the received one or more pathological slide images.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G16H 10/40 - TIC spécialement adaptées au maniement ou au traitement des données médicales ou de soins de santé relatives aux patients pour des données relatives aux analyses de laboratoire, p. ex. pour des analyses d’échantillon de patient
• G16H 70/60 - TIC spécialement adaptées au maniement ou au traitement de références médicales concernant des pathologies
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition

Abrégé

The present disclosure relates to a method, for predicting a risk of an occurrence of a lesion, performed by at least one processor. The method may comprise the steps of: obtaining a captured medical image of a subject; predicting the possibility of an occurrence of a legion in the subject from the obtained medical image, by means of a machine learning model; and outputting the prediction result. The machine learning model may be a model which has learned a plurality of training medical images and the risk of an occurrence of a lesion associated with each training medical image.

Classes IPC  ?

• G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
• G16H 50/70 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour extraire des données médicales, p. ex. pour analyser les cas antérieurs d’autres patients
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS
• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
• G16H 50/30 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le calcul des indices de santéTIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour l’évaluation des risques pour la santé d’une personne
• G16H 10/60 - TIC spécialement adaptées au maniement ou au traitement des données médicales ou de soins de santé relatives aux patients pour des données spécifiques de patients, p. ex. pour des dossiers électroniques de patients
• G06N 20/00 - Apprentissage automatique

Abrégé

A method, performed by at least one processor, for training a machine learning model for detecting an abnormal region in a pathological slide image is disclosed. The method including receiving one or more first pathological slide images, determining, from the received one or more first pathological slide images, a normal region based on an abnormality condition indicative of a condition of an abnormal region, generating a first set of training data including the determined normal region, generating the abnormal region by performing image processing corresponding to the abnormality condition with respect to at least partial region in the received one or more first pathological slide images, and generating a second set of training data including the generated abnormal region.

Classes IPC  ?

• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
• G06N 20/00 - Apprentissage automatique
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS

Abrégé

The present disclosure relates to a method for analyzing pathological images, carried out by at least one processor of an information processing system. The method comprises the steps of: receiving a pathological image; detecting a subject associated with medical information from the received pathological image by using a machine learning model; generating an analysis result for the received pathological image on the basis of the detection result; and outputting medical information for at least a partial area included in the pathological image on the basis of the analysis result.

Classes IPC  ?

• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS
• G16H 50/70 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour extraire des données médicales, p. ex. pour analyser les cas antérieurs d’autres patients
• G06T 7/11 - Découpage basé sur les zones

Abrégé

A method for interpreting an input image by a computing device operated by at least one processor is provided. The method for interpreting an input image comprises storing an artificial intelligent (AI) model that is trained to classify a lesion detected in the input image as suspicious or non-suspicious and, under a condition of being suspicious, to classify the lesion detected in the input image as malignant or benign-hard representing that the lesion is suspicious but determined to be benign, receiving an analysis target image, by using the AI model, obtaining a classification class of a target lesion detected in the analysis target image and, when the classification class is the suspicious, obtaining at least one of a probability of being suspicious, a probability of being benign-hard, and a probability of malignant for the target lesion, and outputting an interpretation result including at least one probability obtained for the target lesion.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G06N 3/08 - Méthodes d'apprentissage
• G06V 10/40 - Extraction de caractéristiques d’images ou de vidéos
• G06V 10/764 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant la classification, p. ex. des objets vidéo

Produits et services

Transmission and reception of information and data via telecommunication networks; electronic transmission of data, sound or images; providing access to databases; electronic transmission of digital images; transmission of digital files; electronic transmission of sound, images and other data and information of all kinds via the Internet; electronic transmission of text message and video; electronic transmission of data, namely, transmission of text, photo and video via the smart phone application; electronic transmission of audio and visual content; providing on-line access to databases; transmission and reception of database information via wired and wireless telecommunication networks; network transmission of sounds, images, signals and data; providing access to an electronic exchange of medical records across a nationwide health information network; transmission of telegrams; information transfer, namely, electronic transmission of data via a computer network; communications by computer terminals; computer aided transmission of information and images; video conferencing services X-ray spectroscopes; software as a medical device (SaMD), namely, downloadable computer software for diagnosing and analyzing disease; downloadable computer software for data processing in the field of medical diagnostic information; downloadable computer software for database management for diagnosing and analyzing disease; downloadable database management software in the field of medical diagnostic information; electronic apparatus for the communication of data, namely, for recording and transmitting audio, video, still images and electronic data; downloadable computer software for processing digital images; recorded computer programs for monitoring of cancer presence or indicators in patients; magnetic resonance imaging (MRI) apparatus, not for medical purposes; downloadable and recorded bioinformatics software for collecting, analyzing, sharing, and monitoring biological data in patients; image analyzers, namely, scanners for capturing images for analysis for use in the medical research and pharmaceutical research field; apparatus for recording, transmission and reproduction of images; downloadable computer software for image processing; downloadable computer software for making electronic charts, for medical purposes; downloadable computer software for diagnosing diseases for medical purposes; downloadable computer software for use in medical decision support systems, namely, software that provides information about options for medical treatment; downloadable computer application software for mobile phones, namely, software that provides information about options for medical treatment; image processing apparatus, namely, computers, image intensifiers, computer display monitors, video cameras Electromedical apparatus and equipment for X-ray diagnostics and X-ray therapy, namely, X-ray diagnostic apparatus, X-ray apparatus for medical use; X-ray diagnostic apparatus; medical measuring instruments for measuring breast tissue density and lung nodule size for cancer diagnosis; medical apparatus and instrument for diagnostic use, namely, apparatus for medical diagnostic testing in the fields of cancer or other tissue-based diagnostic testing, cytology and cell-based testing; medical CT scanners, namely, computed tomography apparatus; peripheral devices of medical CT scanners, namely, integral components of the image chain of a CT scanner for capturing X-rays and converting them to information that creates the image; X-ray apparatus for medical use, namely, X-ray structure analysis instruments for medical use; medical diagnostic testing instruments for use in immunoassay procedure; immunofluorescence analysis apparatus for medical purposes being immunoassay analyzers for medical diagnostic uses; apparatus for analysing images for medical use for diagnosing and analyzing diseases being cancer; medical image processors; medical diagnostic imaging apparatus; magnetic resonance imaging (MRI) apparatus for medical purposes; diagnostic imaging apparatus for medical use; diagnostic, examination and monitoring apparatus for medical purposes, namely, the detection, diagnosis and treatment of cancer; scanners for medical diagnosis, namely, magnetic resonance imaging (MRI) diagnostic apparatus for medical purposes; automatic analyzers for medical diagnosis of diseases, disorders and conditions in the fields of cancer or other tissue-based diagnostic testing, cytology and cell-based testing; medical diagnostic apparatus for medical purposes, namely, diagnostic apparatus for detection of cancer; MRI diagnostic apparatus, for medical purpose; medical ultrasound imaging diagnostic apparatus Data warehousing; database development services; research relating to data processing; scientific research for medical purposes in the area of cancerous diseases; computer programming in the medical field; product research and development of medical apparatus and instruments for others; scientific research for medical purposes in the field of cancerous diseases; operating software development for others in the field of medical digital X-ray medical equipment; technological analysis assistance services for medical image data, namely, analyzing technology requirements and developing recommendations for the computer software and systems and other technology needed to meet those requirements, in the field of medicine; design of medical diagnostic apparatus and instruments; research and development of medical equipment; development of computer software for use with medical equipment; providing computer software technical support services in the field of medical diagnostics, namely, troubleshooting of computer software problems; technological and scientific monitoring services relating to medical diagnostic instruments, namely, monitoring technological functions of computer network systems; computer programming services for remote management of medical diagnostic systems; scientific research and analysis in the field of predicting disease; medical research in the field of medical image data; development and testing of computer software; development and testing of computer software for medical applications Medical reporting services, namely, providing medical information to medical professionals and patients in the form of reports relating to the medical examination of individuals; managed health care services; physical examination services; medical analysis for the diagnosis and treatment of persons; providing information in the field of cancer prevention, screening, diagnosis and treatment; genetic testing for medical purposes, namely, RNA or DNA analysis for cancer diagnosis and prognosis; medical analysis services for cancer diagnosis and prognosis; medical analysis services for the diagnosis of cancer; health care services for treating cancer; providing cancer screening services; telemedicine services; providing health information via a web site; providing breast cancer screening services; provision of medical information; medical diagnostic testing, monitoring and reporting services; medical services for the diagnosis of conditions of the human body, namely, cancer; cervical cancer screening services; bowel cancer screening services; remote monitoring services for medical diagnostic devices and systems, namely, remote monitoring of medical data for medical diagnosis and treatment

Produits et services

(1) X-ray spectroscopes; software as a medical device (SaMD), namely, downloadable computer software for diagnosing and treatment of cancer; downloadable software as a medical device [SaMD] for wireless remote control of and synchronization of computed tomography [CT] apparatus; downloadable software as a medical device [SaMD] for wireless remote control of and synchronization of x-ray machines; downloadable computer software for data processing in the field of medical diagnostic information; downloadable computer software for database management; database management software, downloadable; audio transmitter units; audio recorders; digital video recorders; digital voice recorders; video transmitters; image scanners; downloadable computer software for processing digital images; recorded computer programs for use in the diagnosis, monitoring and treatment of cancer; computer application software for processing and analysis of magnetic resonance imaging (MRI); bioinformatics software; image analyzers for analysis for use in the medical research and pharmaceutical research field; apparatus for recording, transmission and reproduction of images, namely computers, image intensifier tubes, video cameras; downloadable computer software for image processing; downloadable computer software for making electronic charts, for medical purposes; downloadable computer software for diagnosing diseases for medical purposes; downloadable computer software for use in medical decision support systems; downloadable computer application software for mobile phones, namely, software that provides information about diagnostic results and options for medical treatment. (2) Electromedical apparatus and equipment for X-ray diagnostics and X-ray therapy; X-ray diagnostic apparatus; medical measuring instruments for cancer diagnosis; medical apparatus and instruments, namely, digital radiography machines, ultrasound machines, in-vitro diagnostic machines, medical imaging transducers and computed tomography (CT) apparatus; medical CT scanners; peripheral devices of medical CT scanners; X-ray structure analysis instruments for medical use; diagnostic testing instruments for use in immunoassay procedure [medical]; immunofluorescence analysis apparatus for medical purposes; ultrasonic imaging apparatus for medical purposes; medical image processors; medical diagnostic imaging apparatus; magnetic resonance imaging [MRI] apparatus for medical purposes; diagnostic imaging apparatus for medical use; breast cancer diagnostic devices for measuring breast density and breast lesion size; medical diagnostic apparatus for measuring breast density and breast lesion size; medical diagnostic apparatus for detecting breast cancer; lung cancer diagnostic devices for measuring lung nodule size; medical diagnostic apparatus for measuring lung nodule size; medical diagnostic apparatus for detecting lung cancer; diagnostic biomolecule and DNA sequence detection devices for clinical medical purposes; diagnostic biomolecule and DNA sequence readers of biomolecule and DNA sequence testing results for clinical medical use; medical instruments for taking human blood, cell, saliva, urine and sputum sample specimens for medical purposes; cytology brushes; body fluids analyzer for medical purpose; atomizers sold empty for medical purposes; diagnostic biomarker testing apparatus for use in diagnosis of cancer; diagnostic biomarker expression, gene mutation, and RNA level detection devices for clinical medical purposes; medical diagnostic apparatus for detecting biomarkers in blood; gene testing medical apparatus for identification of genus specific and species specific DNA and RNA sequences; medical apparatus and instruments for amplifying nucleic acid DNA and RNA molecules; cat scanners; x-ray CT scanners; automatic analyzers for diagnosing cancer; medical diagnostic apparatus for medical purposes, namely, diagnostic apparatus for detection of cancer; MRI diagnostic apparatus; ultrasound displaying diagnostic apparatus. (1) Telecommunication services, namely, transmission of voice, images, graphics, audio, video, and multimedia by means of wired and wireless networks; e-mail transmission services; peer-to-peer (p2p) sharing services, namely electronic transmission of digital videos, images, and text over electronic communications networks; transmission of medical data via the internet; transmission of images via cellular telephones; providing access to databases; computer aided transmission of images, namely, transmission of diagnostic ultrasound images via a global computer network; electronic transmission of text messages and video; electronic transmission and delivery of digital music, voice message, photographs, and video data of diagnostic ultrasound images via wireless communication networks and the internet; information transmission via electronic communications networks, namely, transmission of medical administration information via a global computer network; transmission of images over the internet; transmission of text via cellular telephones; provision of access to medical information via the internet; telegram transmission; information transfer, namely, electronic transmission of data in the nature of medical diagnostic information via a computer network; communication by computer terminals, namely, email services, electronic transmission of data, messages, and documents via computer terminals in the nature of medical diagnostic information and medical images; computer aided transmission of information and images in the nature of compiling, analyzing, and transferring medical industry data and medical administration data for healthcare businesses; video conferencing communications. (2) Data warehousing; development of data bases; research relating to data processing; scientific research for medical purposes in the area of cancerous diseases; computer programming in the medical field; remote monitoring services for medical diagnostic devices (remote monitoring of medical diagnostic systems); research and development of medical apparatus and instruments for others; scientific research for medical purposes; operating software development for others in the field of medical digital X-ray medical equipment; technological analysis assistance services for medical image data; design of medical diagnostic apparatus and instruments; research and development of medical equipment; development of computer software for use with medical equipment; providing computer software technical support services in the field of medical diagnostics; technological and scientific monitoring services relating to medical diagnostic instruments; computer programming services for remote management of medical diagnostic systems; medical research laboratory services for predicting disease; medical research; development and testing of computer software; computer software development.

Abrégé

A training method for specializing an artificial intelligence model in an institution for deployment and an apparatus for performing training the artificial intelligence model are provided. A method for operating a training apparatus operated by at least one processor includes extracting a dataset to be used for specialized training from data retained by a certain institution, selecting an annotation target for which annotation is required from the dataset by using a pre-trained artificial intelligence (AI) model, and performing supervised training of the pre-trained AI model by using data annotated with a label for the annotation target.

Classes IPC  ?

• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
• G16H 50/70 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour extraire des données médicales, p. ex. pour analyser les cas antérieurs d’autres patients
• G16H 15/00 - TIC spécialement adaptées aux rapports médicaux, p. ex. leur création ou leur transmission

Abrégé

Provided is a method for performing a prediction work on a target image, including dividing the target image into a plurality of sub-images, generating prediction results for a plurality of pixels included in each of the plurality of divided sub-images, applying weights to the prediction results for the plurality of pixels, and merging the prediction results for the plurality of pixels applied with the weights.

Classes IPC  ?

• G06K 9/62 - Méthodes ou dispositions pour la reconnaissance utilisant des moyens électroniques
• G06T 7/11 - Découpage basé sur les zones

Abrégé

A method for predicting responsiveness to therapy for cancer patient is provided, which includes acquiring a pathology slide image of a cancer patient, determining information on a plurality of lymphocytes and information on a plurality of tumor cells included in the pathology slide image, calculating a lymphocyte and tumor cell interaction score based on the information on the plurality of lymphocytes and the information on the plurality of tumor cells, and predicting responsiveness to therapy for the cancer patient by using the interaction score.

Classes IPC  ?

• C12Q 1/6886 - Produits d’acides nucléiques utilisés dans l’analyse d’acides nucléiques, p. ex. amorces ou sondes pour les maladies provoquées par des altérations du matériel génétique pour le cancer
• G16B 40/20 - Analyse de données supervisée

Abrégé

The present disclosure relates to a method for performing a prediction operation on a target image. The method may comprise the steps of: dividing a target image into a plurality of sub-images; generating prediction results for a plurality of pixels included in each of the plurality of divided sub-images; applying a weight to the prediction results for the plurality of pixels; and merging the prediction results for the plurality of pixels to which the weight has been applied.

Classes IPC  ?

• G06N 5/04 - Modèles d’inférence ou de raisonnement
• G06T 3/40 - Changement d'échelle d’images complètes ou de parties d’image, p. ex. agrandissement ou rétrécissement
• G06T 7/11 - Découpage basé sur les zones

Abrégé

The present disclosure relates to a medical image analysis method using a processor and a memory which are hardware. The method includes generating predicted second metadata for a medical image by using a prediction model, and determining a processing method of the medical image based on one of first metadata stored corresponding to the medical image and the second metadata.

Classes IPC  ?

• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS
• G06F 18/214 - Génération de motifs d'entraînementProcédés de Bootstrapping, p. ex. ”bagging” ou ”boosting”
• G06N 20/00 - Apprentissage automatique
• G06T 7/00 - Analyse d'image
• G06T 7/70 - Détermination de la position ou de l'orientation des objets ou des caméras
• G06V 10/70 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique
• G06V 30/166 - Normalisation des dimensions de la forme
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition

Abrégé

Provided is a method for training a hint-based machine learning model configured to infer annotation information for target data, including obtaining training data for the machine learning model, wherein the training data includes a plurality of target data items provided with a plurality of annotation information items, and extracting a plurality of pixel groups from the plurality of target data items. The extracted plurality of pixel groups may be included in hint information. In addition, the method includes obtaining, from the plurality of annotation information items, a plurality of annotation classes corresponding to the extracted plurality of pixel groups to include the obtained plurality of annotation classes in the hint information, and training, by using the hint information, the machine learning model to infer the plurality of annotation information items associated with the plurality of target data items.

Classes IPC  ?

• G06N 5/04 - Modèles d’inférence ou de raisonnement
• G06N 20/00 - Apprentissage automatique

Abrégé

The present disclosure relates to a method for predicting biomarker expression from a medical image. The method for predicting biomarker expression includes receiving a medical image, and outputting indices of biomarker expression for the at least one lesion included in the medical image by using a first machine learning model.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
• G06T 7/11 - Découpage basé sur les zones
• G16H 30/20 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le maniement d’images médicales, p. ex. DICOM, HL7 ou PACS
• G16H 50/30 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le calcul des indices de santéTIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour l’évaluation des risques pour la santé d’une personne

Abrégé

The present disclosure relates to a method, performed by at least one computing device, for predicting a response to an immune checkpoint inhibitor. The method includes receiving a first pathology slide image, detecting one or more target items in the first pathology slide image, determining at least one of an immune phenotype of at least some regions in the first pathology slide image or information associated with the immune phenotype based on the detection result for the one or more target items, and generating a prediction result as to whether or not a patient associated with the first pathology slide image responds to the immune checkpoint inhibitor, based on the immune phenotype of the at least some regions in the first pathology slide image or the information associated with the immune phenotype.

Classes IPC  ?

• G16B 20/00 - TIC spécialement adaptées à la génomique ou protéomique fonctionnelle, p. ex. corrélations génotype-phénotype
• G06N 3/02 - Réseaux neuronaux

Abrégé

A method for generating a medical prediction related to a biomarker from medical data is provided, which includes obtaining medical data associated with a patient, determining a region of interest in the medical data, extracting one or more features associated with the medical data based on the region of interest, and generating a medical prediction for the patient based on the extracted one or more features.

Classes IPC  ?

• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
• G06T 7/00 - Analyse d'image
• G16H 10/60 - TIC spécialement adaptées au maniement ou au traitement des données médicales ou de soins de santé relatives aux patients pour des données spécifiques de patients, p. ex. pour des dossiers électroniques de patients
• G16H 50/70 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour extraire des données médicales, p. ex. pour analyser les cas antérieurs d’autres patients

Abrégé

The present disclosure relates to a method, performed by at least one computing device, for providing information associated with immune phenotype for pathology slide image. The method may include obtaining information associated with immune phenotype for one or more regions of interest (ROIs) in a pathology slide image, generating, based on the information associated with the immune phenotype for one or more ROIs, an image indicative of the information associated with the immune phenotype, and outputting the image indicative of the information associated with immune phenotype.

Classes IPC  ?

• G06T 7/00 - Analyse d'image
• G16B 20/00 - TIC spécialement adaptées à la génomique ou protéomique fonctionnelle, p. ex. corrélations génotype-phénotype
• G06N 3/02 - Réseaux neuronaux

Abrégé

Provided is a method for providing annotation information for a 3D image, which may include outputting a representative image for the 3D image including a plurality of slices, selecting at least one pixel associated with a target item from among a plurality of pixels included in the representative image, outputting, among the plurality of slices, a slice associated with the selected at least one pixel, and receiving an annotation for a partial region of the output slice.

Classes IPC  ?

• G06T 7/00 - Analyse d'image

Abrégé

A method of reading a medical image by a computing device operated by at least one processor is provided. The method includes obtaining an abnormality score of the input image using an abnormality prediction model, filtering the input image so as not to be subsequently analyzed when the abnormality score is less than or equal to a cut-off score based on the cut-off score which makes a specific reading sensitivity; and obtaining an analysis result of the input image using a classification model that distinguishes the input image into classification classes when the abnormality score is greater than the cut-off score.

Classes IPC  ?

• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
• G06T 7/00 - Analyse d'image

Abrégé

A method for refining label information, which is performed by at least one computing device is disclosed. The method includes acquiring a pathology slide image including a plurality of patches, inferring a plurality of label information items for the plurality of patches included in the acquired pathology slide image using a machine learning model, applying the inferred plurality of label information items to the pathology slide image, and providing the pathology slide image applied with the inferred plurality of label information items to an annotator terminal.

Classes IPC  ?

• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G06T 7/11 - Découpage basé sur les zones
• G06N 3/08 - Méthodes d'apprentissage
• G06T 7/00 - Analyse d'image

Abrégé

The present disclosure relates to a method for determining an abnormality of a medical device from medical images. The method for determining an abnormality of a medical device comprises the steps of: receiving medical images; and detecting information, included in the received medical images, about at least a part of a medical device.

Classes IPC  ?

• A61B 6/12 - Agencements pour détecter ou localiser des corps étrangers
• A61B 6/00 - Appareils ou dispositifs pour le diagnostic par radiationsAppareils ou dispositifs pour le diagnostic par radiations combinés avec un équipement de thérapie par radiations
• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• A61B 5/00 - Mesure servant à établir un diagnostic Identification des individus
• G06T 7/00 - Analyse d'image
• G06T 7/10 - DécoupageDétection de bords

Abrégé

A 3D image sliced into a plurality of slices including the first slice on which a label is annotated and a plurality of second slices on which the label is not annotated is provided as a training sample. A computing device trains a neural network based on the first slice, determines an expandable second slice which is expandable from the first slice from among the plurality of second slices based on the trained neural network; and trains the neural network based on expanded slices including the expandable second slice.

Classes IPC  ?

• G16H 30/40 - TIC spécialement adaptées au maniement ou au traitement d’images médicales pour le traitement d’images médicales, p. ex. l’édition
• G06N 3/08 - Méthodes d'apprentissage
• G06F 18/214 - Génération de motifs d'entraînementProcédés de Bootstrapping, p. ex. ”bagging” ou ”boosting”
• G06F 18/22 - Critères d'appariement, p. ex. mesures de proximité
• G06V 20/64 - Objets tridimensionnels
• G06N 3/00 - Agencements informatiques fondés sur des modèles biologiques
• G06V 10/764 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant la classification, p. ex. des objets vidéo
• G06V 10/82 - Dispositions pour la reconnaissance ou la compréhension d’images ou de vidéos utilisant la reconnaissance de formes ou l’apprentissage automatique utilisant les réseaux neuronaux

Abrégé

The present disclosure relates to a method for generating a medical prediction related to a biomarker from medical data. The method may comprise the steps of: acquiring medical data associated with a patient; determining a region of interest in the medical data; extracting one or more features associated with the medical data, on the basis of the region of interest; and generating a medical prediction for the patient, on the basis of the one or more extracted features.

Classes IPC  ?

• G16H 50/20 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le diagnostic assisté par ordinateur, p. ex. basé sur des systèmes experts médicaux
• G16H 50/30 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour le calcul des indices de santéTIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour l’évaluation des risques pour la santé d’une personne
• G16H 50/50 - TIC spécialement adaptées au diagnostic médical, à la simulation médicale ou à l’extraction de données médicalesTIC spécialement adaptées à la détection, au suivi ou à la modélisation d’épidémies ou de pandémies pour la simulation ou la modélisation des troubles médicaux
• G06N 20/00 - Apprentissage automatique