DEEP LEARNING IMAGE ANALYSIS WITH INCREASED MODULARITY AND REDUCED FOOTPRINT

• Main Authors: SONI, Ravi, AVINASH, Gopal Biligeri, TAN, Tao, TEGZES, Pál, CZIRIA, Balázs Péter, FERENCZI, Lehel Mihály, YANG, Hongxu, DONG, Xiaomeng, RUSKO, Laszlo
• Format: Patent
• Language: English; French
• Published: 18.04.2024
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; PHYSICS

Systems/techniques that facilitate deep learning image analysis with increased modularity and reduced footprint are provided. In various embodiments, a system can access medical imaging data. In various aspects, the system can perform, via execution of a deep learning neural network, a plurality of inferencing tasks on the medical imaging data. In various instances, the deep learning neural network can comprise a common backbone in parallel with a plurality of task-specific backbones. In various cases, the plurality of task-specific backbones can respectively correspond to the plurality of inferencing tasks. L'invention concerne des systèmes/techniques qui facilitent une analyse d'images en apprentissage profond avec une modularité accrue et un encombrement réduit. Selon divers modes de réalisation, un système peut accéder à des données d'imagerie médicale. Selon divers aspects, le système peut effectuer, par le biais de l'exécution d'un réseau de neurones d'apprentissage profond, une pluralité de tâches d'inférence sur les données d'imagerie médicale. Dans divers cas, le réseau de neurones d'apprentissage profond peut comprendre un squelette commun en parallèle avec une pluralité de squelettes spécifiques de tâche. Dans divers cas, la pluralité de squelettes spécifiques de tâche peuvent correspondre respectivement à la pluralité de tâches d'inférence.