×
20.01.2018
218.016.112e

СПОСОБ И СИСТЕМА ДЛЯ КОЛИЧЕСТВЕННОЙ ОЦЕНКИ СЕГМЕНТАЦИИ ИЗОБРАЖЕНИЯ

Вид РИД

Изобретение

Юридическая информация Свернуть Развернуть
№ охранного документа
0002633916
Дата охранного документа
19.10.2017
Краткое описание РИД Свернуть Развернуть
Аннотация: Группа изобретений относится к медицинской технике, а именно к средствам определения объема и формы отклонений в конкретных областях головного мозга. Способ количественной оценки сегментации изображения содержит прием медицинского изображения физической структуры пациента, прием адаптированной сеточной модели физической структуры для медицинского изображения, определение количественного параметра изображения на основе значений интенсивности медицинского изображения в каждой из множества вершин адаптированной сеточной модели и объединение множества количественных параметров изображений для определения метрики качества адаптации. Система для осуществления способа содержит память и процессор, определяющий количественный параметр изображения на основе значений интенсивности медицинского изображения в каждой из множества вершин адаптированной сеточной модели и объединяющий множество количественных параметров изображения для определения метрики качества адаптации. Система снабжена постоянным машиночитаемым носителем данных. Использование изобретений позволяет расширить арсенал технических средств оценки сегментации изображения. 3 н. и 12 з.п. ф-лы, 4 ил.
Реферат Свернуть Развернуть

Способность быстро определять объем и форму отклонений в конкретных областях головного мозга имеет решающее значение для научно-исследовательских программ с участием пациентов с неврологическими и психологическими расстройствами, такими как болезнь Альцгеймера, травматическое повреждение мозга и посттравматическое стрессовое расстройство («ПТСР»), и в выявлении пациентов, подверженных риску таких нарушений. Такие отклонения могут быть определены с помощью деформируемой модели мозга с подчиненной ограничениям формой, которая может выявить тонкие изменения в структуре областей мозга с известной предрасположенностью к повреждению, в сравнении с аналогичными данными, полученными от здоровых пациентов контрольной группы. Деформируемая модель мозга может быть адаптирована к изображениям магнитно-резонансной томографии пациента («МРТ») и может сегментировать изображения в ряд подкорковых структур. Однако для того, чтобы быть подходящим способом для исследования и/или терапии, это должно быть способно осуществляться эффективно.

Примерный вариант осуществления описывается в настоящем документе в отношении способа приема медицинского изображения, приема адаптации модели физической структуры, адаптации, относящейся к медицинскому изображению, определения количественного параметра изображения медицинского изображения в каждой из множества вершин адаптации и объединения множества количественных параметров изображений для определения метрики оценки.

Другой примерный вариант осуществления описывается в настоящем документе в отношении системы, имеющей память, хранящую медицинское изображение и адаптацию модели физической структуры, адаптацию, относящуюся к медицинскому изображению, и процессор, определяющий количественный параметр изображения медицинского изображения в каждой из множества вершин адаптации и объединяющий множество количественных параметров изображений для определения метрики оценки.

Еще один примерный вариант осуществления описывается в настоящем документе в отношении постоянного машиночитаемого носителя хранения, хранящего набор инструкций, выполняемых процессором. Инструкции, позволяющие процессору выполнять способ для приема медицинского изображения, приема адаптации модели физической структуры, адаптации, относящейся к медицинскому изображению, определения количественного параметра изображения медицинского изображения в каждой из множества вершин адаптации и объединения множества количественных параметров изображений для определения метрики оценки.

На Фигуре 1А показана примерная деформируемая модель мозга.

На Фигуре 1В показана примерная деформируемая модель мозга, представленная на Фигуре 1А, в качестве адаптированной для МРТ изображения объема мозга пациента.

На Фигуре 2А показана успешная адаптация примерной деформируемой модели мозга к МРТ изображению объема мозга пациента.

На Фигуре 2В показана неудачная адаптация примерной деформируемой модели мозга к МРТ изображению объема мозга пациента.

На Фигуре 3 показан примерный способ формирования метрики для оценки успеха или неудачи адаптации деформируемой модели мозга к изображению мозга.

На Фигуре 4 показана примерная система для реализации способа, такого как способ, показанный на Фигуре 3, для оценки успеха или неудачи адаптации деформируемой модели мозга к изображению мозга в соответствии с примерным вариантом осуществления.

Примерные варианты осуществления могут быть также поняты со ссылкой на нижеследующее описание примерных вариантов осуществления и соответствующих прилагаемых чертежей, на которых одинаковые элементы обозначены одинаковыми ссылочными позициями. В частности, примерные варианты осуществления относятся к способам и системам для проверки адаптации деформируемой модели мозга для пациента.

Способность быстро определять объем и форму отклонений в конкретных областях головного мозга имеет решающее значение для научно-исследовательских программ с участием пациентов с неврологическими и психологическими расстройствами, такими как болезнь Альцгеймера, травматическое повреждение мозга и ПТСР и в выявлении пациентов, подверженных риску таких нарушений. Такие отклонения могут быть определены с помощью деформируемой модели мозга с подчиненной ограничениям формой, которая может выявить тонкие изменения в структуре областей мозга с известной предрасположенностью к повреждению, в сравнении с аналогичными данными, полученными от здоровых пациентов контрольной группы. Деформируемая модель мозга может быть адаптирована к МРТ изображениям пациента и может сегментировать изображения в ряд подкорковых структур. Однако для того, чтобы быть подходящим способом для исследования и/или терапии, это должно быть способно осуществляться эффективно. Специалистам в данной области будет понятно, что хотя, примерные варианты осуществления будут описаны с конкретной ссылкой на МРТ изображения, те же методы, описываемые в настоящем документе, могут быть в равной степени применимы и к другим типам медицинских изображений, таких как КТ изображения, ультразвуковые изображения и т.д.

Фигура 1А иллюстрирует примерную деформируемую модель 110 мозга, в которой различные участки мозга моделируются отдельно. Деформируемая модель мозга может быть, например такой, как описана в «Evaluation of traumatic brain injury patients using a shape-constrained deformable model» L. Zagorchev, C. Meyer, T. Stehle, R. Kneser, S. Young and J. Weese, 2011, в Трудах первой международной конференции по мультимодальныму анализу изображений мозга (MBIA'll), Tianming Liu, Dinggang Shen, Luis Ibanez, and Xiaodong Tao (Eds.), Springer-Verlag, Berlin, Heidelberg, 118-125. Фигура 1B иллюстрирует адаптацию 120 модели 110, показанной на Фигуре 1А, к МРТ изображению пациента. В адаптации 120, несколько элементов 121, 122, 123, 124 и 125 модели 110 были картированы в адаптации 120, иллюстрирующий положение и размер элементов 121, 122, 123, 124 и 125 на поперечном сечении, показанном посредством МРТ. Показанная модель использует проверенные экспериментальные данные, которые представляют сегментированные вручную структуры мозга. Проверенные экспериментальные данные содержат информацию о значениях интенсивности на границе каждой структуры, которую можно использовать для получения метрики изображения, показывающий качество сегментации, как будет описано более подробно ниже.

Адаптация деформируемой модели мозга к объему мозга конкретного пациента может вестись на основании факторов, полученных из МРТ изображения пациента. Для того чтобы применить прежние методы для адаптации такой модели, медицинскому работнику требовалось загрузить МРТ изображение пациента в просмотровое устройство, загрузить окончательную адаптированную модель и визуально проверить, была ли модель правильно адаптирована. Фигура 2А иллюстрирует примерную успешную адаптацию 210, а Фигура 2В иллюстрирует примерную неудачную адаптацию 220. Для специалиста в данной области очевидно, что элементы успешной адаптированной модели 210 соответствуют элементам, показанным на расположенном ниже МРТ изображении, в то время как элементы неудачной адаптированной модели 220 - нет. Кроме того, следует отметить, что значения интенсивности в вершинах сетки, когда модель адаптируется неудачно, значительно отличаются от значений интенсивности (т.е., графической интенсивности изображений) в вершинах сетки, когда модель адаптируется правильно.

Проверка успеха или неудачи адаптации может быть утомительной и трудоемкой задачей, особенно в клинических испытаниях с участием большого числа пациентов, где этот процесс может добавить несколько дней работы. Примерные варианты осуществления представляют метрику качества адаптации, которая может преодолеть этот недостаток. Метрика может определяться автоматически в конце адаптации и может дополнительно обеспечить основу для прямого количественного сравнения результатов сегментации по сегментации у одного и того же пациента или разных пациентов.

Фигура 3 иллюстрирует примерный способ 300 для определения количественной метрики для использования, как описано выше. На этапе 310 принимаются изображение пациента (например, МРТ изображение) и данные, относящиеся к адаптированной модели мозга. Специалистам в данной области будет понятно, что до того, как этот этап будет выполнен, модель должна быть адаптирована к изображению пациента, но, что процесс адаптации выходит за пределы примерных вариантов осуществления.

На этапе 320 количественный параметр изображения определяется в каждой из вершин сетки, очерчивая структуры мозга в адаптированной модели мозга. Специалистам в данной области будет понятно, что количественный параметр изображения может иметь одно или несколько из любого количества различных значений, которые можно использовать для количественной оценки свойств изображения. Эти значения могут включать в себя, например, интенсивность изображения, градиент изображения и магнитуду градиента. Специалистам в данной области также будет понятно, что под вершиной сетки может пониматься точка, которая принадлежит к сетке из треугольников. Однако другие формы сетки, имеющие вершины, также могут использоваться, такие как прямоугольники, квадраты, восьмиугольники и т.д. Кроме того, специалистам в данной области будет понятно, что количественный параметр изображения можно определить, используя любую подходящую функцию обработки изображений.

На этапе 330, количественные параметры изображения, определенные в каждой из вершин, усредняются для получения количественной метрики, которую можно использовать для оценки адаптации модели. Как будет подробно описано ниже, способ не ограничивается усреднением количественных параметров изображения для каждой вершины, так как усреднение является лишь одним способом получения количественной метрики. В одном из вариантов осуществления метрика может быть нормализована таким образом, что полностью адаптированная модель дает упрощенное числовое значение, такое как 1 или 100, и таким образом, что модель, которая была адаптирована совершенно неправильно, дает нулевое значение. Этап 330 объединения также может содержать рассмотрение каждой из вершин в отдельности для того, чтобы определить отдельные метрики оценки для каждого из множества подмножеств медицинского изображения.

Затем, на этапе 340, адаптация модели проверяется на основе количественной метрики, определенной на этапе 330. Это может быть выполнено, например, путем сравнения метрики с пороговым значением или другими способами, известными в данной области. Например, если количественная метрика нормализована на значениях 1-100, порог может быть вначале установлен на 75, это означает, что адаптации, отмеченные 75 и выше, считается успешными, в то время как те, у которых ниже 75 неудачны. Это пороговое значение затем может быть переустановлено пользователем, например, если пользователь решит, что успешные адаптации должны быть выше или ниже начального порога. В другом примере, система может включать в себя алгоритм машинного обучения, который определяет пороговый уровень на основе различных вводов.

Если определено, что модель была адаптирована успешно, то на этапе 350 адаптация принимается для последующего использования. С другой стороны, если определено, что модель не была успешно адаптирована, то на этапе 360 адаптация отвергается и снова указывается необходимость адаптации модели. После этапа 350 или этапа 360 способ завершается.

В дополнение к проверке правильной адаптации модели мозга метрика, 'описанная выше, может дать возможность сравнить дисперсии, систематические отклонения или другие статистические данные, с границей доверительного интервала, зависящего от проблемы, который оценивается. Значимость между группами или полученными результатами также может быть установлена. Метрика качества может быть индикатором надежности или доверия; более высокое значение будет означать более точную сегментацию и наоборот. Метрика качества может быть соотнесена с полученными статистическими данными; например, она может быть использована для установления минимального качества сегментации, необходимого для получения статистической значимости.

В другом варианте осуществления модель может сохранить соответствие вершин сетки во время адаптации. В таком варианте осуществления, значение количественного параметра изображения сравнивается в соответствующих вершинах сетки, вместо того, чтобы сравнивать среднее значение. Такой вариант осуществления может обеспечить более детальную локализованную информацию о различных элементах модели (например, могли ли некоторые подобласти модели быть адаптированы неправильно), в отличие от обобщенной информации о точности, представленной примерным способом 300, описанным выше.

Иллюстративный способ 300 может быть реализован различными способами. В одном примере, примерный способ 300 может быть реализован с помощью компьютера через примерную систему 400. Система 400 схематически показана на Фигуре 4. Пользовательский интерфейс 410 выполнен с возможностью принимать различные типы пользовательского ввода, такого как выбор медицинских изображений, моделей адаптации и т.д. Специалистам в данной области будет понятно, что хотя, как показано, примерная система 400 включает в себя однопользовательский интерфейс 410, другие системы могут использовать несколько интерфейсов, таких как предоставление интерфейса для осуществления выборки медицинских изображений из других систем в рамках учреждения. Пользовательский интерфейс 410 также используется в качестве устройства вывода, например он может выводить успешные адаптации для медицинских работников, для просмотра, для дальнейшего использования или указывать медицинским работникам, что адаптация не была успешной.

Пользовательский интерфейс 410 предоставляет данные процессору 420, который может выполнить программу, реализуя примерный способ 300. Данные, относящиеся к этой задаче, могут быть сохранены в памяти 430. Память 430 может быть накопителем на жестких магнитных дисках, твердотельным накопителем, распределенным запоминающим устройством и т.д., и может хранить данные в любом формате, подходящим для использования, как описано выше. В дополнение к инструкциям, необходимым для выполнения способа 300, память 430 может хранить медицинские карты, относящиеся к пациентам больницы, размещаясь в системе 400. С другой стороны, карты пациентов могут храниться удаленно, как например, в централизованной системе для хранения таких записей.

Примерные варианты осуществления, описанные выше, делают возможной автоматическую обработку и проверку больших групп моделей мозга для клинических исследований и обеспечивают основу для количественного сравнения результатов. Такая обработка может способствовать продолжительному мониторингу структур мозга, улучшенному дифференциальному диагнозу и мониторингу результатов лечения или восстановления. Кроме того, метрика адаптации, описанная выше, может играть важную роль в анализе, понимании и интерпретации информации, которые может быть получены из деформируемой модели мозга.

Специалистам в данной области будет понятно, что хотя описанные выше примерные варианты осуществления конкретно касаются МРТ изображений головного мозга и деформируемой модели мозга, принципы, описываемые в настоящем документе, могут в равной степени применяться и к другим типам деформируемых моделей и адаптации других типов изображений для соответствия таким моделям. Кроме того, специалистам в данной области будет понятно, что вышеописанные примерные варианты осуществления могут быть реализованы из некоторого количества объектов, в том числе таких, как модуль программного обеспечения, как комбинация аппаратных средств и программного обеспечения и т.д. Например, примерный способ 300 может быть реализован в программе, сохраненной на постоянном носителе хранения и содержащей строки кода, которые, при компиляции, могут быть выполнены процессором.

Отметим, что формула изобретения может включать в себя ссылочные позиции/обозначения в соответствии с правилом РСТ 6.2(b). Однако не должно считаться, что настоящая формула изобретения ограничивается примерными вариантами осуществления, соответствующими ссылочным позициям/обозначениям.

Для специалиста в данной области очевидно, что различные модификации могут быть сделаны в примерных вариантах осуществления, не отклоняясь от сущности и не выходя за объем изобретения. Таким образом, подразумевается, что настоящее изобретение охватывает модификации и изменения согласно данному изобретению и их эквиваленты при условии, что они входят в объем прилагаемой формулы изобретения.


СПОСОБ И СИСТЕМА ДЛЯ КОЛИЧЕСТВЕННОЙ ОЦЕНКИ СЕГМЕНТАЦИИ ИЗОБРАЖЕНИЯ
СПОСОБ И СИСТЕМА ДЛЯ КОЛИЧЕСТВЕННОЙ ОЦЕНКИ СЕГМЕНТАЦИИ ИЗОБРАЖЕНИЯ
СПОСОБ И СИСТЕМА ДЛЯ КОЛИЧЕСТВЕННОЙ ОЦЕНКИ СЕГМЕНТАЦИИ ИЗОБРАЖЕНИЯ
СПОСОБ И СИСТЕМА ДЛЯ КОЛИЧЕСТВЕННОЙ ОЦЕНКИ СЕГМЕНТАЦИИ ИЗОБРАЖЕНИЯ
СПОСОБ И СИСТЕМА ДЛЯ КОЛИЧЕСТВЕННОЙ ОЦЕНКИ СЕГМЕНТАЦИИ ИЗОБРАЖЕНИЯ
Источник поступления информации: Роспатент

Показаны записи 1-10 из 1 732.
20.09.2015
№216.013.7dbe

Вытяжная решетка

Настоящее изобретение относится к вытяжной решетке (10, 20, 30, 40). Вытяжная решетка выполнена в виде структуры, содержащей решетку расположенных с интервалами дефлекторов (15), которые образуют множество отдельных нелинейных каналов воздушного потока сквозь решетку. Решетка выполнена таким...
Тип: Изобретение
Номер охранного документа: 0002563787
Дата охранного документа: 20.09.2015
20.10.2015
№216.013.8473

Система для быстрой и точной количественной оценки черепно-мозговой травмы

Изобретение относится к способу автоматической сегментации структур мозга. Техническим результатом является повышение точности и надежности идентификации структурной атрофии после черепно-мозговой травмы. Способ содержит этапы, на которых выбирают в качестве интересующей анатомической структуры...
Тип: Изобретение
Номер охранного документа: 0002565510
Дата охранного документа: 20.10.2015
10.11.2015
№216.013.8b1d

Устройство для использования в блендере

Устройство для использования в блендере содержит установленное с возможностью вращения приспособление (10) для перемещения в пищевом продукте, подлежащем обработке при помощи блендера, и кожух (20) приспособления для частичного закрытия приспособления (10). Кожух (20) приспособления имеет форму...
Тип: Изобретение
Номер охранного документа: 0002567220
Дата охранного документа: 10.11.2015
20.12.2015
№216.013.9b53

Передача длины элемента кадра при кодировании аудио

Изобретение относится к кодированию аудиосигнала, в частности к передаче длины элемента кадра. Технический результат - повышение точности кодирования аудиосигнала. Для этого элементы кадра, которые должны быть сделаны доступными для пропуска, могут быть переданы более эффективно посредством...
Тип: Изобретение
Номер охранного документа: 0002571388
Дата охранного документа: 20.12.2015
20.01.2016
№216.013.a12a

Волновод

Изобретение относится к волноводу, который может быть деформирован в требуемую форму и зафиксирован в этой форме за счет полимеризации материала. Деформируемый волновод содержит гибкую подложку волновода и полимеризуемую часть, при этом полимеризуемая часть встроена в гибкую подложку...
Тип: Изобретение
Номер охранного документа: 0002572900
Дата охранного документа: 20.01.2016
27.01.2016
№216.014.bd88

Нормативный набор данных для нейропсихических расстройств

Изобретение относится к идентификации нарушений анатомических структур. Техническим результатом является повышение точности диагностирования анатомических структур пациента. Способ содержит: сегментацию, с использованием процессора, анатомической структуры, изображенной в объемном изображении...
Тип: Изобретение
Номер охранного документа: 0002573740
Дата охранного документа: 27.01.2016
27.02.2016
№216.014.c091

Широкополосная магнитно-резонансная спектроскопия в сильном статическом (b) магнитном поле с использованием переноса поляризации

Использование: для исследования объекта методом магнитного резонанса. Сущность изобретения заключается в том, что контроллер магнитного резонанса (MR), генерирующий статическое (B) магнитное поле 5 тесла или выше, сконфигурирован для управления MR-сканером для осуществления последовательности...
Тип: Изобретение
Номер охранного документа: 0002576342
Дата охранного документа: 27.02.2016
10.03.2016
№216.014.cac5

Магнитный резонанс, использующий квазинепрерывное рч излучение

Использование: для МР визуализации по меньшей мере части тела пациента. Сущность изобретения заключается в том, что воздействуют на часть тела последовательностью визуализации, содержащей по меньшей мере один РЧ импульс, причем РЧ импульс передают в направлении части тела через узел РЧ-катушки,...
Тип: Изобретение
Номер охранного документа: 0002577254
Дата охранного документа: 10.03.2016
20.02.2016
№216.014.ce92

Устройство для очистки газа

Изобретение относится к области очистки газа. Согласно изобретению предложено устройство для очистки газа, имеющее высокую эффективность очистки газа при любой относительной влажности. Это устройство содержит проход для потока газа; гидрофильный носитель, проницаемый для потока газа и...
Тип: Изобретение
Номер охранного документа: 0002575426
Дата охранного документа: 20.02.2016
20.02.2016
№216.014.cfae

Кодер аудио и декодер, имеющий гибкие функциональные возможности конфигурации

Изобретение относится к кодированию аудио-файлов с высоким качеством и низкой частотой следования битов. Технический результат заключается в оптимизации настроек конфигурации для всех канальных элементов одновременно. Технический результат достигается за счет считывания данных конфигурации для...
Тип: Изобретение
Номер охранного документа: 0002575390
Дата охранного документа: 20.02.2016
Показаны записи 1-10 из 639.
20.09.2015
№216.013.7dbe

Вытяжная решетка

Настоящее изобретение относится к вытяжной решетке (10, 20, 30, 40). Вытяжная решетка выполнена в виде структуры, содержащей решетку расположенных с интервалами дефлекторов (15), которые образуют множество отдельных нелинейных каналов воздушного потока сквозь решетку. Решетка выполнена таким...
Тип: Изобретение
Номер охранного документа: 0002563787
Дата охранного документа: 20.09.2015
20.10.2015
№216.013.8473

Система для быстрой и точной количественной оценки черепно-мозговой травмы

Изобретение относится к способу автоматической сегментации структур мозга. Техническим результатом является повышение точности и надежности идентификации структурной атрофии после черепно-мозговой травмы. Способ содержит этапы, на которых выбирают в качестве интересующей анатомической структуры...
Тип: Изобретение
Номер охранного документа: 0002565510
Дата охранного документа: 20.10.2015
10.11.2015
№216.013.8b1d

Устройство для использования в блендере

Устройство для использования в блендере содержит установленное с возможностью вращения приспособление (10) для перемещения в пищевом продукте, подлежащем обработке при помощи блендера, и кожух (20) приспособления для частичного закрытия приспособления (10). Кожух (20) приспособления имеет форму...
Тип: Изобретение
Номер охранного документа: 0002567220
Дата охранного документа: 10.11.2015
20.12.2015
№216.013.9b53

Передача длины элемента кадра при кодировании аудио

Изобретение относится к кодированию аудиосигнала, в частности к передаче длины элемента кадра. Технический результат - повышение точности кодирования аудиосигнала. Для этого элементы кадра, которые должны быть сделаны доступными для пропуска, могут быть переданы более эффективно посредством...
Тип: Изобретение
Номер охранного документа: 0002571388
Дата охранного документа: 20.12.2015
20.01.2016
№216.013.a12a

Волновод

Изобретение относится к волноводу, который может быть деформирован в требуемую форму и зафиксирован в этой форме за счет полимеризации материала. Деформируемый волновод содержит гибкую подложку волновода и полимеризуемую часть, при этом полимеризуемая часть встроена в гибкую подложку...
Тип: Изобретение
Номер охранного документа: 0002572900
Дата охранного документа: 20.01.2016
27.01.2016
№216.014.bd88

Нормативный набор данных для нейропсихических расстройств

Изобретение относится к идентификации нарушений анатомических структур. Техническим результатом является повышение точности диагностирования анатомических структур пациента. Способ содержит: сегментацию, с использованием процессора, анатомической структуры, изображенной в объемном изображении...
Тип: Изобретение
Номер охранного документа: 0002573740
Дата охранного документа: 27.01.2016
27.02.2016
№216.014.c091

Широкополосная магнитно-резонансная спектроскопия в сильном статическом (b) магнитном поле с использованием переноса поляризации

Использование: для исследования объекта методом магнитного резонанса. Сущность изобретения заключается в том, что контроллер магнитного резонанса (MR), генерирующий статическое (B) магнитное поле 5 тесла или выше, сконфигурирован для управления MR-сканером для осуществления последовательности...
Тип: Изобретение
Номер охранного документа: 0002576342
Дата охранного документа: 27.02.2016
10.03.2016
№216.014.cac5

Магнитный резонанс, использующий квазинепрерывное рч излучение

Использование: для МР визуализации по меньшей мере части тела пациента. Сущность изобретения заключается в том, что воздействуют на часть тела последовательностью визуализации, содержащей по меньшей мере один РЧ импульс, причем РЧ импульс передают в направлении части тела через узел РЧ-катушки,...
Тип: Изобретение
Номер охранного документа: 0002577254
Дата охранного документа: 10.03.2016
20.02.2016
№216.014.ce92

Устройство для очистки газа

Изобретение относится к области очистки газа. Согласно изобретению предложено устройство для очистки газа, имеющее высокую эффективность очистки газа при любой относительной влажности. Это устройство содержит проход для потока газа; гидрофильный носитель, проницаемый для потока газа и...
Тип: Изобретение
Номер охранного документа: 0002575426
Дата охранного документа: 20.02.2016
20.02.2016
№216.014.cfae

Кодер аудио и декодер, имеющий гибкие функциональные возможности конфигурации

Изобретение относится к кодированию аудио-файлов с высоким качеством и низкой частотой следования битов. Технический результат заключается в оптимизации настроек конфигурации для всех канальных элементов одновременно. Технический результат достигается за счет считывания данных конфигурации для...
Тип: Изобретение
Номер охранного документа: 0002575390
Дата охранного документа: 20.02.2016
+ добавить свой РИД