DE102006012943A1 - Verfahren zur automatischen Auswertung eines Abbildungsdatensatzes eines Objektes und medizinisches Abbildungssystem - Google Patents

Verfahren zur automatischen Auswertung eines Abbildungsdatensatzes eines Objektes und medizinisches Abbildungssystem Download PDF

Info

Publication number
DE102006012943A1
DE102006012943A1 DE102006012943A DE102006012943A DE102006012943A1 DE 102006012943 A1 DE102006012943 A1 DE 102006012943A1 DE 102006012943 A DE102006012943 A DE 102006012943A DE 102006012943 A DE102006012943 A DE 102006012943A DE 102006012943 A1 DE102006012943 A1 DE 102006012943A1
Authority
DE
Germany
Prior art keywords
data set
image data
reference system
features
correlation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
DE102006012943A
Other languages
English (en)
Other versions
DE102006012943B4 (de
Inventor
Jens Dr. Gühring
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Healthcare GmbH
Original Assignee
Siemens AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Priority to DE102006012943A priority Critical patent/DE102006012943B4/de
Priority to US11/688,986 priority patent/US20070223796A1/en
Publication of DE102006012943A1 publication Critical patent/DE102006012943A1/de
Application granted granted Critical
Publication of DE102006012943B4 publication Critical patent/DE102006012943B4/de
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10088Magnetic resonance imaging [MRI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30016Brain

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur automatisierten Auswertung eines Abbildungsdatensatzes (31) eines Objektes, aufweisend folgende Schritte: - Extrahieren von ersten Merkmalen (37), die dem Objekt zugeordnet sind, aus dem Abbildungsdatensatz (31), - Ermitteln einer Wechselbeziehung (41) zwischen dem Abbildungsdatensatz (31) des Objektes und einem Referenzsystem (33), das dem Abbildungsdatensatz (31) entspricht, indem die extrahierten ersten Merkmale (37) zu korrespondierenden zweiten Merkmalen (39) im Referenzsystem (33) in Beziehung gesetzt werden, - Anpassen von Verfahrensschritten (35), die am Referenzsystem (33) vordefiniert sind, an den Abbildungsdatensatz (31) anhand der ermittelten Wechselbeziehung (41), - Auswertung des Abbildungsdatensatzes (31), indem die angepassten Verfahrensschritte (43) am Abbildungsdatensatz (31) ausgeführt werden, und - Speichern des ausgewerteten Abbildungsdatensatzes (45) in einem Speichermedium und/oder Darstellen des ausgewerteten Abbildungsdatensatzes. Weiterhin betrifft die Erfindung ein medizinisches Abbildungssystem, mit dem das Verfahren durchgeführt wird.

Description

  • Die Erfindung betrifft ein Verfahren zur automatischen Auswertung eines Abbildungsdatensatzes eines Objektes, insbesondere von Abbildungsdatensätzen der medizinischen Bildgebung, die von einem Aufnahmesystem in digitalisierter Form aufgezeichnet worden sind.
  • Bei der medizinischen Bildgebung gibt es verschiedene Methoden, mit deren Hilfe ein Abbild eines menschlichen Körperteils digitalisiert aufgezeichnet werden kann. Insbesondere wenn. der Körperteil in einem 3D-Volumendatensatz gespeichert ist, ergibt sich eine Vielzahl von Daten, die meistens in Schichtbildern dargestellt wird.
  • Die Vielzahl von Schichtbildern wird bislang meist von einem Radiologen begutachtet, der so durch Augenschein feststellt, ob sich in den Schichtbildern pathologische Befunde finden lassen. Da so – durch die Vielzahl von Schichtbildern bedingt – Befunde leicht übersehen werden können, sind Verfahren hilfreich, die verdächtige Stellen kennzeichnen, sodass das Augenmerk des Radiologen auf diese Stellen hingelenkt wird.
  • Oftmals werden aufgezeichnete Bilder auch erst durch ein Verfahren in eine dem Radiologien präsentable Form gebracht. Beispielsweise werden für die Schlaganfallsdiagnostik wichtige ADC-Maps (ADC für „apparent diffusion coefficient") in einem Verfahren, das aufgezeichnete, diffusionsgewichtete Magnet-Resonanz-Tomographie-(MRT)-Bilder auswertet, erstellt.
  • Wenn das Verfahren und die Geometrie des abzubildenden Körperteils nicht zu komplex sind, kann das Verfahren so gestaltet werden, dass es automatisch abläuft. Meistens ist die Geometrie des Körperteils jedoch so variabel und komplex, dass eine automatische Durchführung des Verfahrens fraglich ist.
  • Oft müssen einzelne Verfahrensschritte an die speziellen interindividuellen Besonderheiten angepasst werden. Dies geschieht in der Regel durch eine halbautomatische Gestaltung des Verfahrens, indem die Verfahrensschritte so lange automatisch ablaufen, bis ein manuelles Eingreifen notwendig wird.
  • Durch die Interaktion ist ein Anwender oft geraume Zeit mit der Durchführung des Verfahrens beschäftigt, was zu erhöhten Personalkosten bei der Durchführung des Verfahrens führt. Weiterhin ist das Ergebnis des Verfahrens auch von der Art und Weise der Interaktion abhängig, die je nach Anwender variieren kann. Dadurch ist nicht immer die gewünschte Konstanz der Qualität beim Verfahrensergebnis vorhanden.
  • Es ist die Aufgabe der Erfindung, ein Verfahren anzugeben, bei dem bei einem in einem Abbildungsdatensatz gespeicherten Abbild eine automatische Durchführung ausgeführt werden kann. Weiterhin ist es die Aufgabe der Erfindung, ein medizinisches Abbildungssystem bereitzustellen, mit dem ein Abbild automatisch ausgewertet werden kann.
  • Die Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren nach Anspruch 1 und einem medizinischen Abbildungssystem nach Anspruch 15.
  • Das erfindungsgemäße Verfahren zur automatisierten Auswertung eines Abbildungsdatensatzes eines Objektes weist folgende Schritte auf:
    • – Extrahieren von ersten Merkmalen, die dem Objekt zugeordnet sind, aus dem Abbildungsdatensatz,
    • – Ermitteln einer Wechselbeziehung zwischen dem Abbildungsdatensatz des Objektes und einem Referenzsystem, das dem Abbildungsdatensatz entspricht, indem die extrahierten ersten Merkmale zu korrespondierenden zweiten Merkmalen im Referenzsystem in Beziehung gesetzt werden,
    • – Anpassen von Verfahrensschritten, die am Referenzsystem vordefiniert sind, an den Abbildungsdatensatz anhand der ermittelten Wechselbeziehung,
    • – Auswertung des Abbildungsdatensatzes, indem die angepassten Verfahrensschritte am Abbildungsdatensatz ausgeführt werden, und
    • – Speichern des ausgewerteten Abbildungsdatensatzes in einem Speichermedium und/oder Darstellen des ausgewerteten Abbildungsdatensatzes.
  • Das Referenzsystem ist dabei dem in dem Abbildungsdatensatz gespeicherten Objekt angepasst. Da das Referenzsystem eine verallgemeinerte und dadurch auch idealisierte Form des gespeicherten Objektes sein kann, lassen sich am Referenzsystem Verfahrensschritte besonders genau, robust und einfach vordefinieren. Diese Verfahrensschritte werden dann mit Hilfe der ermittelten Wechselbeziehung auf den Abbildungsdatensatz übertragen. Hierdurch werden die Verfahrenschritte auf die individuellen Besonderheiten des Abbildungsdatensatzes und des darin gespeicherten Objektes angepasst.
  • Die Wechselbeziehung wird dadurch ermittelt, dass Merkmale des Objektes und entsprechende Merkmale des Referenzsystems zueinander in Beziehung gesetzt werden. Welche Merkmale dies im Speziellen sind, hängt dabei von dem abzubildenden Objekt, dem Referenzsystem und der Art der Abbildung ab. Üblicherweise sind es markante Merkmale, die besonders leicht im Abbildungsdatensatz bzw. im Referenzsystem aufzufinden sind und daraus extrahiert werden können. Ebenso sollen die Merkmale zwischen verschiedenen Objekten der gleichen Art keine allzu großen Unterschiede aufweisen. Wenn die Merkmale diese Bedingungen erfüllen, können die Algorithmen, die zur Auffindung und Extraktion der Merkmale eingesetzt werden, vergleichsweise einfach ausgebildet werden.
  • Die Merkmale, die vom Referenzsystem stammen, werden dabei üblicherweise nicht bei jeder Durchführung des erfindungsgemäßen Verfahrens neu extrahiert. Beispielsweise kann es genü gen, die markanten Merkmale im Referenzsystem einmalig zu kennzeichnen und bei Durchführung des Verfahrens die entsprechenden Merkmale im Abbildungsdatensatz aufzufinden.
  • Anhand des Verfahrens ist es nun möglich, dass die Verfahrensschritte, die einmalig am Referenzsystem genau definiert worden sind, auf die Auswertung verschiedener Abbildungsdatensätze angewendet werden, ohne dass ein Anwender die einzelnen Verfahrensschritte den individuellen Besonderheiten des Objektes anpassen muss.
  • Bevorzugterweise ist das abzubildende Objekt ein menschlicher oder tierischer Körper oder ein Teil davon. Gerade in der medizinischen Bildgebung erfolgt die Auswertung der Abbildungsdatensätze bei gleichen medizinischen Fragestellungen oftmals durch das Durchführen derselben Verfahrensschritte. Dennoch ist es oftmals aufgrund von individuellen Besonderheiten nur schwer möglich, die Verfahrensschritte zu automatisieren. Dies ist nun durch das erfindungsgemäße Verfahren, das in einer vorteilhaften Ausgestaltung auf medizinische Abbildungsdatensätze angewendet wird, ermöglicht.
  • In einer vorteilhaften Ausgestaltung ist das Referenzsystem ein Koordinatensystem mit anatomischen Merkmalen des abzubildenden Objektes. Ein derartiges Koordinatensystem wird beispielsweise im Talairach-System, das das menschliche Gehirn beschreibt, verwendet. Zusätzlich zu einem Koordinatensystem sind im Talairach-System mehrere Ebenen beschrieben, die auch in einer Abbildung des Gehirns verhältnismäßig einfach aufgefunden werden können. Dies ermöglicht es auf relativ einfache Weise, eine Abbildung eines realen Gehirns und das im Talairach-System beschriebene Standard-Gehirn zueinander in Beziehung zu setzen.
  • In einer anderen vorteilhaften Ausgestaltung ist das Referenzsystem ein Atlas des abzubildenden Körperteils. Ein derartiger Atlas kann beispielsweise aus der Abbildung einer o der mehrerer gesunder Kontrollpersonen erstellt werden, wie es z.B. in der US 2003/0139659 A1 beschrieben ist.
  • In einer weiteren vorteilhaften Ausgestaltung wird das Referenzsystem durch eine Beispielmessung, die beispielsweise einmalig an einer Kontrollperson vorgenommen wurde, festgelegt. Die Kontrollperson weist dabei keine anatomischen Besonderheiten auf. Ein derartiges Referenzsystem ist mit besonders geringem Aufwand zu erhalten.
  • Bevorzugterweise wird die Wechselbeziehung, die zwischen dem Referenzsystem und dem Abbildungsdatensatz ermittelt wird, durch eine affine, rigide oder nichtlineare Transformation beschrieben. Die gewählte Art von Transformation ist dabei der medizinischen Fragestellung und dem abzubildenden Organsystem angepasst und stellt einen Kompromiss zwischen Genauigkeit der Beziehung und Rechenzeit zur Ermittlung der Beziehung dar.
  • Bevorzugterweise wird die Wechselbeziehung durch einen Vergleich charakteristischer anatomischer Landmarken im Abbildungsdatensatz und im Referenzsystem ermittelt. Derartige anatomische Landmarken stellen üblicherweise markante Eigenschaften im Abbild dar, die deswegen vergleichsweise leicht aufgefunden werden können. Durch einen Vergleich anatomischer Landmarken, insbesondere deren Größe und räumliche Lage, lassen sich die Transformationen und Wechselbeziehungen zwischen dem Abbildungsdatensatz und dem Referenzsystem vergleichsweise einfach ableiten.
  • In einer anderen bevorzugten Ausführungsform wird die Wechselbeziehung durch einen Vergleich von Intensitätsverteilungen im Abbildungsdatensatz und im Referenzsystem ermittelt. Dies hat den Vorteil, dass keine speziellen Landmarken im Abbildungsdatensatz und im Referenzsystem ermittelt oder gesetzt werden müssen. Eine Transformation wird dann als passend angesehen, wenn nach der Transformation im transformierten Abbild und im Referenzsystem bestimmte Bereiche in nur mehr geringem Maße bezüglich ihrer Intensitätswerte differieren. Sollten der Abbildungsdatensatz und das Referenzsystem zudem unterschiedliche Kontraste aufweisen – beispielsweise da der Abbildungsdatensatz und das Referenzsystem mit unterschiedlichen MRT-Sequenzen aufgezeichnet wurden – wird die Transformation derart erweitert werden, dass auch diese Kontrastunterschiede berücksichtigt werden.
  • Die vordefinierten Verfahrensschritte sind in einer vorteilhaften Ausführungsform in Form von Script-artigen Anweisungen definiert. In einer anderen vorteilhaften Ausführungsform werden die am Referenzsystem vordefinierten Verfahrensschritte dadurch definiert, indem sie von einem Anwender am Referenzsystem interaktiv durchgeführt werden und diese Durchführung aufgezeichnet wird. Auf diese beiden Weisen wird es einem Anwender möglich, Verfahrensschritte, wie er sie bei der Auswertung der Abbildung bevorzugen würde, festzulegen. Diese beiden Ausführungsformen können auch miteinander kombiniert werden, sodass ein Anwender die Verfahrensschritte an einem Referenzsystem vordefinieren kann, indem er sie ausführt. Ein Feintuning kann daraufhin z.B. durch nachträgliche Korrektur der Parameter im Script-artigen Code durchgeführt werden.
  • Vorteilhafterweise werden die vordefinierten Verfahrensschritte aus einem Pool verschiedener vordefinierter Verfahrensschritte in Abhängigkeit einer medizinischen Fragestellung festgelegt. Ein Anwender kann auf diese Weise beispielsweise durch Eingabe der Symptome, z.B. Hemiparese links, das Verfahren starten, in dem dann die zu den Symptomen passenden Verfahrensschritte – in diesem Fall das Auffinden von Blutungen und/oder Diffusionsstörungen im rechten motorischen Kortex – festgelegt werden.
  • Vorteilhafterweise ist das Verfahren dergestalt ausgebildet, dass ein Anwender durch Eingabe von Parametern die einzelnen vordefinierten Verfahrensschritte modifizieren kann. Dies ist zwar nicht notwendig, da das Verfahren für einen automati schen Ablauf ausgelegt ist. Hierdurch gewinnt das Verfahren aber an zusätzlicher Flexibilität.
  • Mit Vorteil ist der Abbildungsdatensatz ein 3D-Volumendatensatz, da insbesondere diese Art von Datensätzen einer vergleichsweise komplexen Auswertung erfordert. In verschiedenen Ausführungsvarianten der Erfindung ist der 3D-Volumendatensatz von einem Computer-Tomographen und/oder von einem Magnet-Resonanz-Tomographen erstellt.
  • Das erfindungsgemäße medizinische Abbildungssystem umfasst eine Rechnereinheit, die zur Durchführung des Verfahrens gemäß einem der Ansprüche 1 bis 14 ausgebildet ist.
  • Die Erfindung sowie weitere vorteilhafte Ausgestaltungen gemäß den Merkmalen der Unteransprüche werden im Folgenden in der Zeichnung näher erläutert, ohne jedoch darauf beschränkt zu sein. Es zeigen:
  • 1 ein Referenzmodell eines zu untersuchenden Organs mit schematisch dargestellten Verfahrensschritten, die zur Auswertung des Organs durchgeführt werden,
  • 2 einen aufgezeichneten 3D-Volumendatensatz, in dem das Abbild eines Organs gespeichert ist, dem das Referenzmodell entspricht,
  • 3 korrespondierende Merkmale zwischen dem Referenzmodell und dem Abbild des Organs, woraus die Transformation ermittelt wird, die das Referenzmodell zum Abbild des Organs in Beziehung setzt und umgekehrt,
  • 4 die Anpassung der Verfahrensschritte an das im 3D-Volumendatensatz gespeicherte Abbild des Organs mit Hilfe der ermittelten Transformation, und
  • 5 eine schematische Übersicht über die Verfahrensmerkmale und deren Beziehung zueinander.
  • 1 und 2 zeigen ein Referenzmodell 1, das das Abbild 13 eines zu untersuchenden Organs in verallgemeinerter Form widerspiegelt und ein Abbild 13 des zu untersuchenden Organs mit seinen individuellen Besonderheiten.
  • In 1 ist ein Referenzmodell 1 eines zu untersuchenden Organs schematisch dargestellt. An einem derartigen Referenzmodell 1, das frei von individuellen Besonderheiten ist, lassen sich Verfahrensschritte 3, die zur Auswertung einer dem Referenzmodell 1 entsprechenden Abbildung durchgeführt werden, besonders genau und robust definieren.
  • Zur Verdeutlichung ist in diesem Ausführungsbeispiel lediglich beispielhaft das Referenzmodell 1 eines Gehirns 5 gezeigt, an dem drei Verfahrensschritte 6, 7, 8 zur Auswertung definiert sind. Üblicherweise werden komplexere Verfahren zur Auswertung eingesetzt werden; das Grundprinzip der Erfindung kann jedoch ebenso gut an anhand drei vergleichsweise einfacher Verfahrensschritte 6, 7, 8 gezeigt werden.
  • In einem ersten Verfahrensschritt 6 werden bestimmte Bereiche, die im Blickpunkt hinsichtlich der medizinischen Fragestellung stehen, lokalisiert. Derartige Bereiche werden üblicherweise als ROI 9 („regions of interest") bezeichnet. In einem zweiten Verfahrensschritt 7 werden diese ROI hinsichtlich bestimmter Merkmale, beispielsweise ihrer Intensitätswertverteilung 10, ausgewertet. In einem dritten Verfahrensschritt 8 werden die in der Auswertung erhaltenen Ergebnisse 11 wiederum in das Referenzmodell 1 eingezeichnet.
  • Gegenüber dem verallgemeinerten und idealisierten Referenzmodell 1 aus 1 zeigt 2 das Abbild 13 eines Gehirns 15 eines Patienten 17, das in einem Abbildungsdatensatz gespeichert ist. Der Patient 17 hat während der Aufnahme eine individuelle Position eingenommen und sein Gehirn 15 zeigt individuelle Besonderheiten.
  • Genau diese individuellen Unterschiede in Abbildung 13 des Organs erschweren es bisher, automatische Auswerteverfahren zu realisieren, obwohl bei gleicher medizinischer Fragestellung oftmals die gleichen Verfahrensabläufe durchgeführt werden. Ein Anwender benutzt Auswerteverfahren bislang in halbautomatischer Weise, d.h. er führt die Schritte zwar durch, kontrolliert und passt jeden Schritt jedoch an die individuellen Besonderheiten an.
  • 3 und 4 zeigen die wesentlichen Merkmale des erfindungsgemäßen Verfahrens, bei dem Verfahrensschritte 3, die am Referenzmodell 1 durchgeführt werden, an das Abbild 13 angepasst werden.
  • Das Referenzmodell 1 ist dabei dem auszuwertenden Abbild 13 angepasst. Wenn beispielsweise eine T2-gewichtete MRT-Abbildung eines Gehirns automatisiert ausgewertet werden soll, berücksichtigt das Referenzmodell 1, an dem die Verfahrensschritte definiert sind, die Besonderheiten, die sich aus der speziellen T2-Wichtung des Gehirns ergeben.
  • Das Referenzmodell 1 kann dabei z.B. ein bildbasierter Atlas sein, der von Abbildungen angefertigt wurde, die von einer oder von einem Kollektiv von Kontrollpersonen stammen, oder auch eine Beispielmessung, die an einer Kontrollperson vorgenommen wurde.
  • Ebenso können Atlanten verwendet werden, die auf einer abstrakten Beschreibung eines Organsystems basieren, wie beispielsweise das Talairach-System des Gehirns, das bestimmte, für medizinische Fragestellungen interessante Regionen des Gehirns anhand ihrer Position relativ zu markanten Ebenen im Gehirn kennzeichnet.
  • Zunächst werden aus dem Abbild 13 erste, charakteristische Merkmale 18 extrahiert. Derartige charakteristische Merkmale 18 können – wie in 3 angedeutet – anatomische Landmarken sein, die leicht aufzufinden sind und die vorzugsweise eine Lokalisation haben, die interindividuell nicht allzu stark variiert.
  • In analoger Weise werden auch aus dem Referenzmodell 1 zweite, charakteristische Merkmale 19, die den ersten Merkmalen 18 entsprechen, extrahiert.
  • Die ersten und die zweiten Merkmale 18, 19 werden nun zueinander in Beziehung gesetzt. Hieraus wird eine Transformation 21 abgeleitet, die die Beziehung zwischen dem Abbild 13 und dem Referenzmodell 1 beschreibt und mit deren Hilfe das Referenzmodell 1 und das Abbild 13 ineinander überführt werden können.
  • Eine derartige Transformation 21 kann dabei – wie lediglich schematisch angedeutet – unterschiedliche Arten von Transformationen umfassen.
  • Rigide Transformationen 22 beschreiben beispielsweise eine einfache Art von Beziehung, bei der das Referenzmodell 1 und das Abbild 13 lediglich über eine Drehung und/oder eine Verschiebung zueinander in Beziehung gesetzt werden. Affine Transformationen 23 berücksichtigen darüber hinaus Verzerrungen und Streckungen. Weitergehend können nichtlineare Transformationen 24 Unterschiede zwischen dem Referenzmodell 1 und dem Abbild 13 ortsabhängig noch genauer erfassen und das Abbild 13 bzw. das Referenzmodell 1 ortsabhängig unterschiedlich stark deformieren und verzerren.
  • Zu den Transformationen 21 müssen nicht nur räumliche Transformationen gehören, wie eben beschrieben; es können auch andere Arten von Transformationen angewendet werden. Wenn beispielsweise das Referenzmodell 1 einer bestimmten MRT-Aufnahmesequenz angepasst ist und das Abbild 13 mit einer leicht davon abweichenden MRT-Aufnahmesequenz aufgezeichnet worden ist – wenn sich das Referenzmodell 1 und das Abbild 3 also in ihrem Kontrast unterscheiden – kann die Transformation auch eine Angleichung bestimmter Intensitätswerte bestimmter Be reiche umfassen, sodass Referenzmodell 1 und Abbildung 13 besser miteinander übereinstimmen und der unterschiedliche Kontrast ausgeglichen wird.
  • Die gewählte Art von Transformation 21 ist dabei der medizinischen Fragestellung und dem abzubildenden Organsystem angepasst und stellt einen Kompromiss zwischen Genauigkeit der Beziehung und Rechenzeit zur Ermittlung der Beziehung dar. Für Organsysteme mit einer geringen interindividuellen Variabilität kann es beispielsweise genügen, lediglich eine rigide oder affine Transformation 22, 23 zu ermitteln, die das Abbild 13 und das Referenzmodell 1 bestmöglich zueinander in Beziehung setzt. Bei anderen Organsystemen, bei Extremitäten beispielsweise, die in einer Abbildung unterschiedlich angewinkelt sein können, werden nichtlineare Transformationen 24 nötig sein, um das Abbild 13 und das Referenzmodell 1 zueinander in Beziehung zu setzen. Werden wiederum Fixierungen der Organe, z.B. des Kopfes oder einer Extremität, bei der Aufzeichnung verwendet, wird hierdurch das Abbild des Organs eine weitgehend passende Lage aufweisen, sodass nur mehr eine einfachere Transformation nötig ist, um es in ein Referenzmodell überzuführen.
  • Die ersten und zweiten Merkmale 18, 19, die jeweils aus dem Abbild 13 bzw. aus dem Referenzmodell 1 extrahiert werden und die die Grundlage für die zu bestimmende Transformation 21 bilden, müssen dabei nicht zwangsläufig anatomische Landmarken sein, wie in diesem Ausführungsbeispiel angedeutet. Beispielsweise können auch Intensitätsverteilungen im 3D-Volumendatensatz – beispielsweise die Intensitätsverteilungen der einzelnen Schnittbilder – als Merkmale dienen, die zu Intensitätsverteilungen im Referenzkörper in Beziehung gesetzt werden, um daraus die Transformation 21 zu bestimmen, die das Abbild 13 und das Referenzmodell 1 am besten ineinander überführen. Ebenso können für bestimmte Abbildungen momentenbasierte Verfahren verwendet werden, um eine Transformation 21 zwischen Referenzmodell 1 und Abbild 13 zu ermitteln. Letztgenannte Verfahren nutzen die Intensitätswertverteilung im Abbild, um daraus – ähnlich zur Berechnung diverser kennzeichnender Größen einer Massenverteilung wie Schwerpunkt oder Hauptträgheitsachsen – entsprechende abstrahierte Größen zu berechnen. Zwei verschiedene Abbilder können so auf einfache Art miteinander korreliert werden, indem die Transformation aus den abstrahierten Größen errechnet wird.
  • Nachdem die passende Transformation 21 bestimmt worden ist, werden die Verfahrensschritte 3, die am Referenzmodell 1 definiert worden sind, an das Abbild 13 mit Hilfe der ermittelten Transformation angepasst.
  • Auf diese Weise können Verfahrensschritte 3, die am Abbild 13 bisher halbautomatisch ausgeführt werden mussten, da die einzelnen Verfahrensschritte den individuellen Besonderheiten angepasst wurden, automatisiert durchgeführt werden, da die Anpassung an die individuellen Besonderheiten mit Hilfe der zuvor ermittelten Transformation 21 erfolgt. In dem hier gezeigten Beispiel ist diese Transformation vor allem für die Anpassung des ersten Verfahrensschritts 6 (Auswahl bestimmter ROI 9) und des dritten Verfahrensschritts 8 (Markierung der gefundenen Unterschiede im Abbild) von Bedeutung.
  • Anhand des hier vorgestellten Verfahrens ist es möglich, einen Großteil durchzuführender Untersuchungen zu automatisieren, sodass ein Anwender am Endresultat auf bestimmte gefundene Charakteristika hingewiesen wird. Lediglich wenn das Abbild 13 und das Referenzmodell 1 zu stark voneinander abweichen, wird das Verfahren an seine Grenzen stoßen. Bei den meisten Routineuntersuchungen ist dies jedoch nicht der Fall, sodass für einen Anwender das automatische Anpassen und Durchführen der Verfahrensschritte 3 einen großen Gewinn darstellen.
  • Neben dem Auffinden von speziellen ROI gibt es eine Reihe weiterer Verfahrensschritte, die in bislang durchgeführten Verfahren oftmals einer manuellen Anpassung bedurften. Hierzu gehören beispielsweise das Bestimmen von geometrischen Para metern von abgebildeten Organen oder pathologischen Veränderungen, das Setzen eines Startpunktes für ein anschließendes Segmentierungsverfahren, um die Konturen eines Organs zu erhalten, die Auswahl bestimmter Schichtpositionen, um definierte Abbildungen für einen medizinischen Bericht zu erhalten, und Bestimmen von Startpunkten oder Startregionen bei der Traktographie der weißen Hirnsubstanz.
  • 5 fasst noch einmal die wesentlichen Merkmale des Verfahrens schematisch zusammen und zeigt weitere Merkmale, die optional sind und dem Verfahren eine zusätzliche Flexibilität bzw. vorteilhafte Ausprägung geben.
  • Ausgangspunkt des Verfahrens ist ein Abbildungsdatensatz 31, in dem ein Abbild eines Objektes gespeichert ist. Dem Abbildungsdatensatz 31 gegenüber steht ein Referenzsystem 33, das das im Abbildungsdatensatz 31 gespeicherte und dargestellte Objekt in einer verallgemeinerten Form darstellt. An diesem Referenzsystem 33 sind die Verfahrensschritte 35, die bei der Auswertung des Abbildungsdatensatzes 31 durchgeführt werden, definiert.
  • Aus dem Abbildungsdatensatz 31 und aus dem Referenzsystem 33 werden jeweils korrespondierende erste bzw. zweite Merkmale 37 bzw. 39 extrahiert, die miteinander in Beziehung gesetzt werden, um so eine Wechselbeziehung 41 zwischen dem Abbildungsdatensatz 31 und dem Referenzsystem 33 zu erhalten.
  • Diese Wechselbeziehung 41 wird dazu verwendet, um aus den am Referenzsystem 33 definierten Verfahrensschritten 35, die am Referenzsystem 33 definiert ist, angepasste Verfahrensschritte 43 zu erhalten, die an das im Abbildungsdatensatz 31 gespeicherten Abbild angepasst sind. Anhand der angepassten Verfahrensschritte 43 kann der Abbildungsdatensatz 31 ausgewertet werden. Das Ergebnis der Auswertung, der ausgewertete Abbildungsdatensatz 45, kann in einem Speichermedium 47 gespeichert werden und/oder in einer Darstellung 49 einem Anwender gezeigt werden.
  • Der Abbildungsdatensatz 31 wird vorzugsweise mit einem Computer-Tomographen 51 oder einem MRT-Gerät 53 aufgezeichnet, da insbesondere die Abbildungen, die mit derartigen Verfahren aufgezeichnet werden, oftmals einer intensiven Verarbeitung zur Auswertung bedürfen. Das Verfahren kann aber auch angewendet werden, wenn der Abbildungsdatensatz 31 auf andere Weise erhalten worden ist, beispielsweise durch Ultraschall oder mit herkömmlichen Röntgenmethoden.
  • Das Verfahren wird vorteilhafterweise als Rechnerprogramm in der Rechnereinheit des Gerätes implementiert, mit dem auch der Abbildungsdatensatz 31 aufgezeichnet wird.
  • Die Verfahrensschritte 35, die zur Auswertung des Abbildungsdatensatzes 31 nötig sind, hängen üblicherweise von der Art des Datensatzes und der medizinischen Fragestellung 55 ab. Sie werden bevorzugterweise für eine bestimmte medizinische Fragestellung 55 und einer bestimmten Art von Abbildung von einem Anwender einmalig am Referenzsystem 33 definiert. Dies kann beispielsweise dadurch erfolgen, dass der Anwender die Verfahrensschritte 35 abstrakt in einem script-artig auszuführenden Code 57 festlegt. Eine andere Möglichkeit ist, dass der Anwender die Verfahrensschritte 35 am Referenzmodell beispielhaft interaktiv durchführt und diese Durchführung 59 aufgezeichnet wird, um sie später zu wiederholen.
  • Die Auswertung kann dann gestartet werden, indem ein Anwender die Art des Abbildungsdatensatzes 31 und eine bestimmte medizinische Fragestellung 55 auswählt, worauf die hierzu passenden und hinterlegten Verfahrensschritte 35, die am Referenzmodell 33 definiert worden sind, für das weitere Verfahren herangezogen werden.
  • In einer vorteilhaften Ausgestaltung des Verfahrens kann das Verfahren, wenn vom Anwender gewünscht, vollautomatisch ablaufen, der Anwender kann jedoch in herkömmlicher Weise bestimmte Verfahrensschritte im Rahmen einer manuellen Inter vention 61 anpassen, um so eine zu große Abweichung von Referenzsystem 33 und Abbildungsdatensatz 31, die von der Wechselbeziehung 41 nicht erfasst wird, auszugleichen.
  • Das angewendete Verfahren ist nicht auf die medizinische Bildgebung beschränkt, sondern kann auch bei jeglicher Bildgebung, bei der auszuwertende Abbildungen von Objekten angefertigt werden, angewendet werden.

Claims (16)

  1. Verfahren zur automatisierten Auswertung eines Abbildungsdatensatzes (31) eines Objektes, aufweisend folgende Schritte. – Extrahieren von ersten Merkmalen (37), die dem Objekt zugeordnet sind, aus dem Abbildungsdatensatz (31), – Ermitteln einer Wechselbeziehung (41) zwischen dem Abbildungsdatensatz (31) des Objektes und einem Referenzsystem (33), das dem Abbildungsdatensatz (31) entspricht, indem die extrahierten ersten Merkmale (37) zu korrespondierenden zweiten Merkmalen (39) im Referenzsystem (33) in Beziehung gesetzt werden, – Anpassen von Verfahrensschritten (35), die am Referenzsystem (33) vordefiniert sind, an den Abbildungsdatensatz (31) anhand der ermittelten Wechselbeziehung (41), – Auswertung des Abbildungsdatensatzes (31), indem die angepassten Verfahrensschritte (43) am Abbildungsdatensatz (31) ausgeführt werden, und – Speichern des ausgewerteten Abbildungsdatensatzes (45) in einem Speichermedium und/oder Darstellen des ausgewerteten Abbildungsdatensatzes.
  2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das zu abzubildende Objekt ein menschlicher oder tierischer Körper oder ein Teil davon ist.
  3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass das Referenzsystem (33) ein Koordinatensystem mit anatomischen Merkmalen des abzubildenden Objektes ist.
  4. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass das Referenzsystem (33) ein Atlas des abzubildenden Objektes ist.
  5. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass das Referenzsystem (33) durch eine Beispielmessung festgelegt wird.
  6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass die Wechselbeziehung (41) durch eine affine, rigide oder nichtlineare Transformation (22, 23, 24) beschrieben wird.
  7. Verfahren nach einem der Ansprüche 2 bis 6, dadurch gekennzeichnet, dass die Wechselbeziehung (41) durch einen Vergleich charakteristischer anatomischer Landmarken (18, 19) im Abbildungsdatensatz (31) und im Referenzsystem (33) ermittelt wird.
  8. Verfahren nach einem der Ansprüche 2 bis 7, dadurch gekennzeichnet, dass die Wechselbeziehung (41) durch einen Vergleich von Intensitätsverteilungen im Abbildungsdatensatz (31) und im Referenzsystem (33) ermittelt wird.
  9. Verfahren nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass die am Referenzsystem (33) vordefinierten Verfahrensschritte (35) in Form von script-artigen Anweisungen (57) definiert sind.
  10. Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, dass die am Referenzsystem (33) vordefinierten Verfahrensschritte (35) definiert werden, indem sie von einem Anwender am Referenzsystem (33) interaktiv durchgeführt werden.
  11. Verfahren nach einem der Ansprüche 2 bis 10, dadurch gekennzeichnet, dass die vordefinierten Verfahrensschritte (35) in Abhängig keit einer medizinischen Fragestellung (35) festgelegt werden.
  12. Verfahren nach einem der Ansprüche 1 bis 11, dadurch gekennzeichnet, dass die vordefinierten Verfahrensschritte (35) anhand einer Eingabe von Parametern (61) modifiziert werden.
  13. Verfahren nach einem der Ansprüche 1 bis 12, dadurch gekennzeichnet, dass der Abbildungsdatensatz (31) ein 3D-Volumendatensatz ist.
  14. Verfahren nach Anspruch 13, dadurch gekennzeichnet, dass der 3D-Volumendatensatz ein von einem Computer-Tomographen (51) aufgezeichneter 3D-Volumendatensatz ist.
  15. Verfahren nach Anspruch 13, dadurch gekennzeichnet, dass der 3D-Volumendatensatz ein von einem Magnet-Resonanz-Tomographen (53) aufgezeichneter 3D-Volumendatensatz ist.
  16. Medizinisches Abbildungssystem mit einer Rechnereinheit, die zur Durchführung des Verfahrens gemäß einem der Ansprüche 1 bis 15 ausgebildet ist.
DE102006012943A 2006-03-21 2006-03-21 Verfahren zur automatischen Auswertung eines Abbildungsdatensatzes eines Objektes und medizinisches Abbildungssystem Expired - Fee Related DE102006012943B4 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE102006012943A DE102006012943B4 (de) 2006-03-21 2006-03-21 Verfahren zur automatischen Auswertung eines Abbildungsdatensatzes eines Objektes und medizinisches Abbildungssystem
US11/688,986 US20070223796A1 (en) 2006-03-21 2007-03-21 Method and system for automatic evaluation of an image data set of a subject

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102006012943A DE102006012943B4 (de) 2006-03-21 2006-03-21 Verfahren zur automatischen Auswertung eines Abbildungsdatensatzes eines Objektes und medizinisches Abbildungssystem

Publications (2)

Publication Number Publication Date
DE102006012943A1 true DE102006012943A1 (de) 2007-10-11
DE102006012943B4 DE102006012943B4 (de) 2009-11-19

Family

ID=38513107

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102006012943A Expired - Fee Related DE102006012943B4 (de) 2006-03-21 2006-03-21 Verfahren zur automatischen Auswertung eines Abbildungsdatensatzes eines Objektes und medizinisches Abbildungssystem

Country Status (2)

Country Link
US (1) US20070223796A1 (de)
DE (1) DE102006012943B4 (de)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9271651B2 (en) * 2009-11-30 2016-03-01 General Electric Company System and method for integrated quantifiable detection, diagnosis and monitoring of disease using patient related time trend data
US20110129130A1 (en) * 2009-11-30 2011-06-02 General Electric Company System and method for integrated quantifiable detection, diagnosis and monitoring of disease using population related time trend data
US20110129129A1 (en) * 2009-11-30 2011-06-02 General Electric Company System and method for integrated quantifiable detection, diagnosis and monitoring of disease using population related data for determining a disease signature
US20110129131A1 (en) * 2009-11-30 2011-06-02 General Electric Company System and method for integrated quantifiable detection, diagnosis and monitoring of disease using population related time trend data and disease profiles
US10299751B2 (en) 2016-03-16 2019-05-28 General Electric Company Systems and methods for color visualization of CT images
US10475217B2 (en) 2016-03-16 2019-11-12 General Electric Company Systems and methods for progressive imaging

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010031073A1 (en) * 2000-03-31 2001-10-18 Johji Tajima Face recognition method, recording medium thereof and face recognition device
US20020106135A1 (en) * 2000-06-26 2002-08-08 Waro Iwane Information converting system

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4054402B2 (ja) * 1997-04-25 2008-02-27 株式会社東芝 X線断層撮影装置
US5787889A (en) * 1996-12-18 1998-08-04 University Of Washington Ultrasound imaging with real time 3D image reconstruction and visualization
US6195409B1 (en) * 1998-05-22 2001-02-27 Harbor-Ucla Research And Education Institute Automatic scan prescription for tomographic imaging
US6102861A (en) * 1999-04-23 2000-08-15 General Electric Company Method and apparatus for three-dimensional ultrasound imaging using surface-enhanced volume rendering
DE19943404B4 (de) * 1999-09-10 2009-10-15 Siemens Ag Verfahren zum Betrieb eines MR-Tomographiegeräts
JP3846851B2 (ja) * 2001-02-01 2006-11-15 松下電器産業株式会社 画像のマッチング処理方法及びその装置
US6823205B1 (en) * 2001-02-08 2004-11-23 Boston University Radiology Associates Synthetic images for a magnetic resonance imaging scanner using linear combination of source images to generate contrast and spatial navigation
US6490335B1 (en) * 2001-11-21 2002-12-03 Ge Medical Systems Global Technologies Company Llc Helical segment image reconstruction
US7324842B2 (en) * 2002-01-22 2008-01-29 Cortechs Labs, Inc. Atlas and methods for segmentation and alignment of anatomical data
JP2005521947A (ja) * 2002-03-25 2005-07-21 データ クオリティー ソリューションズ、インコーポレイテッド ビジネス・プロセス・マネジメントを企業する方法及びシステム
DE10254942B3 (de) * 2002-11-25 2004-08-12 Siemens Ag Verfahren zur automatischen Ermittlung der Koordinaten von Abbildern von Marken in einem Volumendatensatz und medizinische Vorrichtung
US7221787B2 (en) * 2002-12-10 2007-05-22 Eastman Kodak Company Method for automated analysis of digital chest radiographs
US7490085B2 (en) * 2002-12-18 2009-02-10 Ge Medical Systems Global Technology Company, Llc Computer-assisted data processing system and method incorporating automated learning
EP1597701A1 (de) * 2003-02-27 2005-11-23 Agency for Science, Technology and Research Verfahren und vorrichtung zur extraktion eines gehirnventrikelsystems aus bildern
US20040224292A1 (en) * 2003-05-09 2004-11-11 Fazio Gene Steve Method and system for coaching literacy
US7640051B2 (en) * 2003-06-25 2009-12-29 Siemens Medical Solutions Usa, Inc. Systems and methods for automated diagnosis and decision support for breast imaging
US7300398B2 (en) * 2003-08-14 2007-11-27 Siemens Medical Solutions Usa, Inc. Method and apparatus for registration of virtual endoscopic images
DE102004003381B4 (de) * 2004-01-22 2007-02-01 Siemens Ag Verfahren zur Bestimmung der Lage einer Schicht in einem Untersuchungsgebiet, in welcher Schicht eine Schichtbildaufnahme erfolgen soll
US20050246350A1 (en) * 2004-04-30 2005-11-03 Opence Inc. System and method for classifying and normalizing structured data
US7348774B2 (en) * 2004-05-25 2008-03-25 Esaote, S.P.A. Method and an apparatus for image acquisition and display by means of nuclear magnetic resonance imaging
US7505037B2 (en) * 2004-10-02 2009-03-17 Accuray, Inc. Direct volume rendering of 4D deformable volume images
US20060136259A1 (en) * 2004-12-17 2006-06-22 General Electric Company Multi-dimensional analysis of medical data
US7599542B2 (en) * 2005-04-08 2009-10-06 John Philip Brockway System and method for detection and display of diseases and abnormalities using confidence imaging
DE102005023167B4 (de) * 2005-05-19 2008-01-03 Siemens Ag Verfahren und Vorrichtung zur Registrierung von 2D-Projektionsbildern relativ zu einem 3D-Bilddatensatz
EP1736907A3 (de) * 2005-06-10 2016-07-06 Siemens Healthcare GmbH Verbesserung von Messdaten-Erfassung- und Bild-Rekonstruktion bei MR-Bildern
DE102005029243A1 (de) * 2005-06-23 2007-01-04 Siemens Ag Verfahren zur Darstellung und Aufbereitung wenigstens eines Untersuchungsbildes eines Untersuchungsobjekts
US7685001B2 (en) * 2005-12-14 2010-03-23 Siemens Aktiengesellschaft Method and system to offer and to acquire clinical knowledge using a centralized knowledge server

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010031073A1 (en) * 2000-03-31 2001-10-18 Johji Tajima Face recognition method, recording medium thereof and face recognition device
US20020106135A1 (en) * 2000-06-26 2002-08-08 Waro Iwane Information converting system

Also Published As

Publication number Publication date
DE102006012943B4 (de) 2009-11-19
US20070223796A1 (en) 2007-09-27

Similar Documents

Publication Publication Date Title
DE102006012945B4 (de) Verfahren zur virtuellen Schichtpositionierung in einem 3D-Volumendatensatz und medizinisches Abbildungssystem
DE102008032006B4 (de) Verfahren zur Steurung der Bildaufnahme bei einer Bildaufnahmeeinrichtung, sowie eine Bildaufnahmeeinrichtung
EP1191476B1 (de) Vorrichtung und Verfahren zur Berechnung einer zwei Abbildungen verbindenden Transformation
DE10357203B4 (de) Verfahren und Steuereinrichtung zum Betrieb eines Magnetresonanztomographie-Geräts sowie Magnetresonanztomographie-Gerät
EP3185215A1 (de) Automatisierte ermittlung von konturen auf basis einer iterativen rekonstruktion
DE102010022266A1 (de) Verfahren und Vorrichtung zur Registrierung von medizinischen Bilddaten
DE102018203786B4 (de) Verfahren zur Ermittlung und/oder Reduktion von Artefakten, Verfahren zur Ermittlung einer örtlichen Konzentrationsverteilung, System zur visuellen Darstellung eines korrigierten Gesamtbilddatensatzes
DE102016219887A1 (de) Verfahren und System zur Nutzung von Messdaten
DE102014200303B4 (de) Verfahren zur Durchführung einer Positronenemissionstomographie in einer Hybridanlage und entsprechende Hybridanlage
DE102014224656A1 (de) Verfahren und Vorrichtung zum Segmentieren eines medizinischen Untersuchungsobjekts mit quantitativen MR-Bildgebungsmethoden
DE102006012943B4 (de) Verfahren zur automatischen Auswertung eines Abbildungsdatensatzes eines Objektes und medizinisches Abbildungssystem
DE112015004952T5 (de) Magnetresonanzabbildungsprotokoll zur Segmentierung eines Bilddetails
DE102008048045A1 (de) Verfahren zur Erzeugung von computertomographischen Bilddatensätzen eines Patienten in der Herz-CT bei einer Perfusionskontrolle unter Kontrastmittelapplikation
DE102013220018A1 (de) Berechnung eines Untersuchungsparameters
EP1869620B1 (de) Verfahren zur verarbeitung von bild- und volumendaten auf basis statistischer modelle
DE102004003381B4 (de) Verfahren zur Bestimmung der Lage einer Schicht in einem Untersuchungsgebiet, in welcher Schicht eine Schichtbildaufnahme erfolgen soll
DE10163813A1 (de) Verfahren zur Darstellung von unterschiedlichen Bildern eines Untersuchungsobjektes
EP3583902B1 (de) Verfahren zum automatischen anpassen eines mittels eines röntgengeräts gewonnenen bilddatensatzes, computerprogramm, datenspeicher und röntgengerät
DE102019212929A1 (de) Registrieren eines 2D Bildes mit einem 3D Bild
DE102017203048B3 (de) Verfahren zum Bestimmen eines Projektionsdatensatzes, Projektionsbestimmungssystem, Computerprogrammprodukt und computerlesbares Speichermedium
DE102016209885B4 (de) Automatische Charakterisierung von Lebergewebe
EP3579010A1 (de) Verbesserte bestimmung von quantitativen gewebeparametern
DE102019217576B4 (de) Identifizieren und Bereitstellen von Fehlausrichtungsbildmerkmalen
DE102021202672A1 (de) Verfahren zum Bereitstellen einer trainierbaren Funktion zur Bestimmung von synthetischen Bilddaten
DE102006035617A1 (de) Automatische Bestimmung von Tumorlast

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
8320 Willingness to grant licences declared (paragraph 23)
8364 No opposition during term of opposition
R081 Change of applicant/patentee

Owner name: SIEMENS HEALTHCARE GMBH, DE

Free format text: FORMER OWNER: SIEMENS AKTIENGESELLSCHAFT, 80333 MUENCHEN, DE

R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee