DE102017201543A1 - Quantifizierung von Blutverlust auf Basis einer Computertomographie mit einem direkt konvertierenden Detektor - Google Patents

Quantifizierung von Blutverlust auf Basis einer Computertomographie mit einem direkt konvertierenden Detektor Download PDF

Info

Publication number
DE102017201543A1
DE102017201543A1 DE102017201543.8A DE102017201543A DE102017201543A1 DE 102017201543 A1 DE102017201543 A1 DE 102017201543A1 DE 102017201543 A DE102017201543 A DE 102017201543A DE 102017201543 A1 DE102017201543 A1 DE 102017201543A1
Authority
DE
Germany
Prior art keywords
blood
blood loss
image data
pathological
quantification
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.)
Pending
Application number
DE102017201543.8A
Other languages
English (en)
Inventor
Sebastian Schmidt
Philipp Hölzer
Steffen Kappler
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 Healthineers Ag De
Original Assignee
Siemens Healthcare GmbH
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 Healthcare GmbH filed Critical Siemens Healthcare GmbH
Priority to DE102017201543.8A priority Critical patent/DE102017201543A1/de
Priority to US15/874,007 priority patent/US20180218794A1/en
Priority to CN201810095576.9A priority patent/CN108403092A/zh
Publication of DE102017201543A1 publication Critical patent/DE102017201543A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02042—Determining blood loss or bleeding, e.g. during a surgical procedure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/507—Clinical applications involving determination of haemodynamic parameters, e.g. perfusion CT
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Radiology & Medical Imaging (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Optics & Photonics (AREA)
  • General Physics & Mathematics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Pulmonology (AREA)
  • Quality & Reliability (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Cardiology (AREA)

Abstract

Die Erfindung betrifft ein System und ein Verfahren zur Quantifizierung von Blutverlust auf Basis einer kontrastmittelbasierten computertomographischen Bildgebung vom Körperstamm eines Patienten. Dazu werden zunächst Bilddaten (BD) eines Computertomographen (CT) eingelesen, um darauf ein Bildanalyseverfahren (2) zur automatischen Detektion von Blutansammlungen anzuwenden. Anschließend wird ein Differenzierungsverfahren (3) zur Differenzierung zwischen pathologischen und physiologischen Blutansammlungen und ein Quantifizierungsalgorithmus (4) zur Berechnung und Ausgabe (5) eines Blutverlustwertes für die pathologischen Blutansammlungen ausgeführt.

Description

  • Die vorliegende Erfindung liegt auf den Gebieten der medizinischen Bildverarbeitung und der Computertomographietechnik und betrifft die Bestimmung von Blutverlusten bei einem Polytrauma.
  • Von einem Polytrauma wird in der Medizin dann gesprochen, wenn ein Patient mehrere lebensbedrohliche Verletzungen zur selben Zeit hat, was beispielsweise nach einem Verkehrsunfall sehr typisch ist. Üblicherweise werden solche Patienten primär mit einer CT (Computertomographie) untersucht. Ein häufiges Problem bei diesen Patienten sind multiple innere Blutungen. Während bei äußeren Blutungen die Menge des Blutverlusts direkt sichtbar ist, und diese auch von außen zum Stillstand gebracht werden können (z.B. durch Kompression), erfordern innere Blutungen mitunter eine Operation, und das Ausmaß des Blutverlusts ist kurzfristig sehr schlecht schätzbar. Mit der Computertomographie können innere Blutungen erkannt werden. Zu diesem Zweck wird normalerweise Kontrastmittel verabreicht. Der Austritt des Kontrastmittels aus den Gefäßen ist dann im Bild sichtbar und ermöglicht eine qualitative Einschätzung der Blutung. Für eine Entscheidung über die Therapie wäre jedoch eine quantitative Beurteilung der Blutungen notwendig; insbesondere dann, wenn mehrere Blutungen vorliegen, von denen nur eine nach der anderen operativ angegangen werden kann und somit eine Priorisierung der Blutungsbehandlungen zu erfolgen hat. Auch ist es sehr relevant, zu wissen, in welchem Tempo der Patient Blut verliert, um eine Therapie mit Volumenersatz oder Vollblut starten zu können. Gleichzeitig muss diese Information aber in wenigen Sekunden vorliegen, um noch relevant zu sein.
  • Im Stand der Technik ist es bekannt, mittels Labortests den Hämoglobin-Gehalt (Hb) im Blut zu messen. Dieser Wert ist langfristig ein gutes quantitatives Maß für den Blutverlust, sinkt aber akut kaum ab, weil akut das Blutvolumen sinkt, aber die Zusammensetzung unverändert bleibt. Erst wenn der Volumenverlust ersetzt ist, sinkt der Hb-Gehalt. Der Blutdruck ist ebenfalls kein geeignetes Maß für einen akuten Blutverlust, da er zwar durch den Volumenverlust (Schock) sinkt, aber durch die Gegenregulation des Herz-Kreislaufsystems ist dies kein geeignetes Maß für den Blutverlust.
  • Weiterhin ist es bekannt, dass die Volumina von Hämatomen in den Bilddaten durch Segmentierung bestimmt werden können - die manuelle Erkennung und Segmentierung dieser Hämatome ist aber in der Kürze der Zeit komplett undenkbar.
  • Ausgehend von diesem Stand der Technik hat sich die vorliegende Erfindung die Aufgabe gestellt, ein Verfahren und ein System bereitzustellen, das die bekannten Verfahren zur quantitativen Bestimmung des Blutverlustes verbessert und insbesondere eine konkrete, zahlenbasierte Bestimmung des Blutverlustes pro einzelner Läsion in kürzester Zeit ermöglicht.
  • Diese Aufgabe wird durch die beiliegenden einander nebengeordneten Patentansprüche gelöst, insbesondere durch ein Verfahren und System zur Quantifizierung von Blutverlust auf Basis einer kontrastmittelbasierten computertomographischen Bildgebung vom Körperstamm eines Patienten. Weitere Ausbildungen des Verfahrens mit weiteren Merkmalen finden sich in den untergeordneten Patentansprüchen.
  • Gemäß einem Aspekt wird die vorstehende Aufgabe gelöst durch ein Verfahren zur Quantifizierung von Blutverlust auf Basis einer kontrastmittelbasierten computertomographischen Bildgebung vom Körperstamm eines Patienten, mit folgenden Verfahrensschritten:
    • - Einlesen der Bilddaten der Bildgebung;
    • - Anwenden eines Bildanalyseverfahrens zur automatischen Detektion von pathologischen und physiologischen Blutansammlungen;
    • - Ausführen eines Differenzierungsverfahrens zur Differenzierung zwischen den detektierten pathologischen und physiologischen Blutansammlungen und zur Bestimmung der pathologischen Blutansammlungen;
    • - Ausführen eines Quantifizierungsalgorithmus zur Berechnung und Ausgabe eines Blutverlustwertes für die als pathologisch bestimmten Blutansammlungen.
  • In einer vorteilhaften Ausführungsform der Erfindung wird die computertomographische Bildgebung mit einem direkt konvertierenden Detektor ausgeführt, der z.B. eine Halbleiterschicht umfassen kann, die unterschiedliche Energieniveaus von Photonen direkt unterscheiden kann. Röntgendetektoren mit einer direkt konvertierenden Schicht (z.B. aus Halbleitermaterial) ermöglichen eine quantitative und energieselektive Erfassung einzelner Röntgenquanten. Bei dieser Art der Röntgendetektoren erzeugt ein eintreffendes Röntgenquant in der Halbleiterschicht aufgrund von zum Teil mehrstufigen physikalischen Wechselwirkungsprozessen mit einem Halbleitermaterial freie Ladungsträger in Form von Elektron-Loch-Paaren. Zur Detektion von Röntgenquanten eignen sich beispielsweise Halbleitermaterialen in Form von CdTe, CdZnTe, CdTeSe, CdZnTeSe, CdMnTe, InP, TIBr2 oder HGI2, da diese Materialen eine hohe Röntgenabsorption in dem Energiebereich der medizinischen Bildgebung aufweisen. Eine Schicht aus Szintillatormaterial ist nicht mehr erforderlich. Durch Anwendung eines direkt konvertierenden Detektors kann die Auflösung bei der Ausgabe des Ergebnisses in Form von annotierten Bilddaten verbessert werden. Alternative Verfahren für spektral aufgelöste CT-Aufnahmen sind der Betrieb mit zwei Röhren bei unterschiedlichen Spannungen (dual source), das hochfrequente Schalten einer Röhre zwischen zwei Spannungen (kV-Switching), das räumlich selektive Anbringen eines spektralen Filters entweder röhren- oder detektorseitig oder das Aufbringen einer teilweise durchlässigen Detektoreinheit auf einer anderen (dual layer).
  • In einer weiteren, vorteilhaften Ausführungsform der Erfindung umfasst der Blutverlustwert eine Angabe zur erwarteten Blutverlustmenge und/oder eine Angabe zur erwarteten Blutverlustrate und damit auch eine Angabe zum Blutverlust über die Zeit, was ebenfalls ein wichtiger Wert ist zur Priorisierung der Behandlung und zur Einleitung von weiteren medizinischen Notfallmaßnahmen, die aufgrund der Lebensbedrohlichkeit in minimaler Zeit ausgeführt werden müssen.
  • In einer weiteren, vorteilhaften Ausführungsform der Erfindung wird der Blutverlustwert als grafische Annotation in die Bilddaten ortsaufgelöst integriert wird. Dies kann z.B. helligkeitscodiert oder falschfarbencodiert erfolgen und/oder als textuelle Annotation in die Bilddaten - z.B. als Overlaygraphik - eingeblendet werden und hat den Vorteil, dass der Anwender auf einen Blick so schnell und einfach wie möglich sowohl die anatomische Position als auch die Menge des Blutverlustes erkennen zu können.
  • In einer weiteren, vorteilhaften Ausführungsform der Erfindung wird der Blutverlustwert für jede pathologische Blutansammlung gesondert ermittelt. Dies hat den Vorteil, dass nicht nur ein Gesamtwert ermittelt wird, sondern mehrere Einzelwerte pro Blutung. Damit wird es möglich, dass eine Reihenfolge für die Behandlungen der einzelnen Blutungsstellen berechnet werden kann (beginnend mit der Blutung mit dem höchsten Blutverlust in absteigender Reihenfolge).
  • In einer weiteren, vorteilhaften Ausführungsform der Erfindung ist der Quantifizierungsalgorithmus als selbstlernender Algorithmus ausgebildet. Er kann als mehrschichtiges neuronales Netz ausgebildet sein. In einer Trainingsphase wird das Netzwerk trainiert mit Referenzdaten. Zu diesem Zweck kann auf einen Datenspeicher zugegriffen werden, in dem Referenz-Bilddaten und Referenz-Blutverlustwerte (z.B. als Laborwerte) von anderen Patienten gespeichert sind. Weiterhin können zusätzlich oder alternativ für das Training synthetisch generierte anatomische Strukturen verwendet werden, deren Blutaustritt mit Hilfe von fluiddynamischen Modellen simuliert wird (computational fluid dynamics). Das Netzwerk trainiert dann, welche Blutung zu welchem erwarteten Blutverlustwert führt. Dabei werden Trainingsdaten, bei denen der Blutverlustwert bekannt ist (oder nachträglich aus dem Blutbild bestimmt wird (Hämoglobingehalt, Zahl der Blutkörperchen), in einer Eingangsschicht des Netzwerkes erfasst und von den verdeckten Schichten und zugeordneten Gewichten verrechnet, um auf der Ausgangsschicht ein Ergebnis in Form eines Blutverlustwertes bereitzustellen. Anhand dieser Daten „lernt“ das neuronale Netz bzw. die Software, von den Bilddaten auf den Blutverlustwert rückzuschließen. Die einzelnen Schichten des Netzwerkes sind miteinander verbunden. Nach der Trainingsphase wird der Quantifizierungsalgorithmus in trainierter Form an den Kunden im Rahmen des Verfahrens zur Quantifizierung des Blutverlustes ausgeliefert. Das neuronale Netz liefert somit Schätzwerte für den Blutverlust, die auf Basis der Trainingsdaten von anderen Patienten zu erwarten sind.
  • Ein wesentliches Element der vorliegenden Erfindung ist deshalb ein Training des neuronalen Netzwerkes mit Trainingsdaten. Das Training ermöglicht es, dass in der Ausführungsphase ein Ergebnis auf Basis der als pathologisch detektierten Blutungen für den jeweiligen Patienten bereitgestellt werden kann.
  • In einer weiteren, vorteilhaften Ausführungsform der Erfindung umfasst der Quantifizierungsalgorithmus eine Segmentierung des Gefäßbaums. Damit entsteht der Vorteil, dass noch effizienter bzw. mit einer noch weiteren Maßnahme geprüft werden kann, ob sich Blut außerhalb der Gefäße befindet. Damit kann die Zuverlässigkeit des bereitgestellten Ergebnisses verbessert werden.
  • In einer weiteren, vorteilhaften Ausführungsform der Erfindung umfasst der Quantifizierungsalgorithmus einen Austrittsprüfungsschritt, der prüft, ob sich Kontrastmittelanlagerungen in Körperregionen außerhalb der Gefäße befinden. Dieser Austrittsprüfungsschritt ist vorzugsweise in dem neuronalen Netzwerk implementiert. Zum Training werden insbesondere die generierten sogenannten Jodkarten von Patienten ohne innere Blutungen verwendet und solche von Patienten mit Blutungen. Das neuronale Netzwerk lernt dann zwischen intravasalen und extravasalen Blutungen zu differenzieren. Mittels Convolutional Neural Networks kann eine ähnliche Analyse auch ohne vorherige Segmentierung getroffen werden. Hier werden die gesuchten Merkmale (features) stattdessen durch lokal begrenzte Faltungsoperationen ermittelt. Andere Architekturen von Neuronalen Netzwerken, die ebenso für die Erfindung eingesetzt werden können, sind Deep Boltzmann Machines, Autoencoders, Recurrent Neural Networks oder Deep reinforcement learning.
  • Andere Ansätze des maschinellen Lernens, die nicht auf Neuronalen Netzten basieren wären z.B. support vector machines, Bayesian classifiers, k-means clustering, decision trees, convolutional neural networks, deep belief networks, deep residual learning, reinforcement learning, recurrent neural networks, inductive programming.
  • In einer weiteren, vorteilhaften Ausführungsform der Erfindung umfasst die computertomographischen Bildgebung zwei computertomographische Scans in einem konfigurierbaren zeitlichen Abstand, die in einem Zeitfenster von 1 bis 5 Minuten liegen. Auf Basis dieses Bilddatenpaares kann die Menge des Kontrastmittels in den Blutungsstellen für beide Bilddatensätze verglichen werden. Dies gibt eine gute Abschätzung der Blutungsgeschwindigkeit (mit einer Angabe zum gemessenen und erwarteten Blutungsverlauf über die Zeit).
  • In einer weiteren, vorteilhaften Ausführungsform der Erfindung umfasst das Bildanalyseverfahren eine Materialzerlegung, insbesondere zur Differenzierung zwischen 2 unterschiedlichen Materialien (hier: mit und ohne Kontrastmittel, also Blutungsgebiet und anderes Gewebe). Die Materialzerlegung dient zur Detektion aller Voxel, die das Kontrastmittel (z.B. Jod) enthalten und zur Berechnung einer sogenannten Jodkarte. Dies ist möglich, weil Jod ein spezifisches Absorptionsspektrum hat, welches sich deutlich von anderen röntgendichten Substanzen im Bild (z.B. Kalzium) unterscheidet. Dazu werden vorzugsweise energieauflösende Detektoren bei der Bildgebung verwendet. Bei energieauflösenden Detektoren ist es möglich, für jedes gemessene Photon eine Energie zu bestimmen. Diese energieauflösenden Detektoren teilen die gemessenen Photonen in zwei bis zehn Energieniveaus ein. Ein wesentlicher Vorteil dieser Detektoren ist, dass die Kontrastmittelzerlegung anhand jeder einzelnen Aufnahme möglich ist. Es ist also kein Maskenbild mehr notwendig. Jede energieaufgelöste Aufnahme enthält schon intrinsisch die Information zur Berechnung eines reinen Kontrastmittelbildes. Weiterhin bietet die Zerlegung in mehrere Materialien den Vorteil, dass man Bilder erzeugen kann, die nur Kontrastmittel zeigen, z.B. in Form einer sogenannte Jodkarte.
  • Gemäß einem weiteren Aspekt wird die Aufgabe gelöst durch ein Quantifizierungssystem zur Quantifizierung von Blutverlust auf Basis von Bilddaten eines Computertomographen von einer kontrastmittelbasierten computertomographischen Bildgebung vom Körperstamm eines Patienten. Das Quantifizierungssystem weist folgende Bauteile bzw. Module auf:
    • - Eine Bilddatenschnittstelle zum Einlesen der Bilddaten des Computertomographen;
    • - Einen Analysator zur automatischen Detektion von intravasalen (physiologischen)und extravasalen (pathologischen) Blutansammlungen;
    • - Einen Differenzierer, der zur Differenzierung zwischen pathologischen und physiologischen Blutansammlungen bestimmt ist
    • - Einen Quantifizierer, der zur Berechnung und Ausgabe eines Blutverlustwertes für die pathologischen Blutansammlungen bestimmt ist.
  • Der Blutverlustwert umfasst auch eine Angabe zu einem erwarteten Blutverlust. Dieser kann für jede einzelne Blutung ausgegeben werden.
  • Figurenliste
  • Ausführungsbeispiele der Erfindung mit weiteren Merkmalen und Vorteilen sind in den Zeichnungen dargestellt und werden im Folgenden näher beschrieben.
  • Es zeigen:
    • 1 eine schematische Ansicht eines computertomographischen Bildes mit extravasalen und intravasalen Blutungsstellen;
    • 2 ein Ablaufdiagramm eines Verfahren gemäß einer bevorzugten Ausführungsform der Erfindung;
    • 3 eine beispielhafte Darstellung von Ergebnisdaten zu den Blutverlustwerten in annotierter Form; und
    • 4 ein Blockdiagramm eines Quantifizierungssystems.
  • 1 zeigt eine schematische Darstellung eines Bildes von einer kontrastmittelbasierten computertomographischen Bildgebung. Dort ist beispielhaft ein Abdomen bzw. der Bauchbereich eines Patienten dargestellt. Es hat sich gezeigt, dass es zur Bestimmung von Blutverlusten mit zugeordneten Blutverlustwerten sinnvoll ist, dass der CT-Scan vom Körperstamm des Patienten aufgenommen wird, um möglichst alle Blutungsstellen erfassen und auswerten zu können. Das Verfahren zielt darauf ab, dass als Ergebnis ein annotierter Bilddatensatz erzeugt wird, der Blutverlustwerte umfasst.
  • Grundsätzlich können Blutverluste, z.B. nach einem schweren Verkehrsunfall, gleichzeitig an mehreren unterschiedlichen anatomischen Stellen in Körper auftreten, die mitunter sofort zu behandeln sind (Blutung stoppen). Die Blutungen, die über einen CT-Scan sichtbar gemacht werden, umfassen dabei die natürlichen Blutansammlungen in den Gefäßen (physiologische Blutansammlungen), diese werden auch als intravasale Blutansammlungen bezeichnet und pathologische Blutansammlungen, die auch als extravasale Blutansammlungen bezeichnet werden. In 1 sind auf schematische Weise zwei extravasale Blutansammlungen mit dem Bezugszeichen e1, e2 gekennzeichnet, die im Bereich der rechten Lunge und in der rechten Niere liegen. In 1 ist im oberen rechten Bereich das Herz erkennbar, und im mittleren unteren Bereich die Harnblase. Im mittleren Bereich ist die Aorta mit der unteren Hohlvene dargestellt. Da es sich bei diesen beiden Organen um Gefäße handelt, befindet sich in den CT-Bilddaten BD natürlich auch Blut in dem jeweiligen Organ, so dass hier eine intravasale Blutansammlung mit dem Bezugszeichen i gekennzeichnet ist.
  • Bei dem Quantifizierungsalgorithmus muss deshalb in einem vorbereitenden Schritt differenziert werden, ob es sich um eine pathologische oder physiologische (natürliche) Blutansammlung handelt, um in sinnvoller Weise den Blutverlustwert bestimmen zu können. Dies erfolgt mittels eines Differenzierungsverfahrens. Dabei kann in einer bevorzugten Ausführungsform der Erfindung auf eine 2-Materialzerlegung zurückgegriffen werden, die auf Basis der kontrastmittelbasierten CT-Bildgebung möglich ist, weil z.B. das Kontrastmittel Jod ein spezifisches Absorptionsspektrum hat, welches sich deutlich von anderen röntgendichten Substanzen im Bild (z.B. Kalzium) unterscheidet. Dann kann eine sogenannte Jodkarte erstellt werden, in der nur die Kontrastmittelansammlungen von Jod sichtbar sind.
  • Anschließend kann für die als pathologisch detektierten Blutansammlungen der Quantifizierungsalgorithmus ausgeführt werden, um eine Blutverlustwert für eine pathologische Blutansammlung zu berechnen. Der Blutverlustwert kann als Gesamtwert für die Summe aller Läsionen angegeben werden. Er kann auch als Folge von Einzelwerten ausgegeben werden und somit für jede einzelne Blutung spezifisch einen Blutverlustwert ausgeben. Dies ist vorteilhaft, um die weitere Behandlung der Blutungen zu priorisieren. Der Quantifizierungsalgorithmus basiert vorzugsweise auf einem trainierten neuronalen Netz mit mehreren Schichten.
  • 2 zeigt ein Ablaufdiagramm für ein Verfahren zur Quantifizierung von Blutverlusten. Nach dem Start des Verfahrens werden in Schritt 1 die Bilddaten einer kontrastmittelgestützten CT-Bildgebung eingelesen. Dabei kann es sich um eine herkömmliche (nicht energie-selektive) Computertomographie ohne Unterscheidung zwischen der spektralen Verteilung unterschiedlicher Röntgenenergien handeln. Es kann jedoch auch eine Multi- oder Dual-Energy-Computertomographie zum Einsatz kommen, bei der mehrere oder zwei Röntgenquellen mit unterschiedlichen Energien betrieben werden und somit zwei unabhängige tomographische Schichtstapel erzeugen. Als vorteilhaft hat es sich erwiesen, einen direkt konvertierenden Detektor zu verwenden, insbesondere mit einer direkt konvertierenden Halbleiterschicht oder einem optisch zählenden Detektor.
  • In Schritt 2 wird ein Bildanalyseverfahren ausgeführt, um die pathologischen und physiologischen Blutansammlungen zu erfassen.
  • Schritt 3 dient dazu, aus der in Schritt 2 erfassten Gesamtmenge von Blutungen, die pathologischen Blutungen außerhalb der Gefäße zu bestimmen.
  • Auf Basis dieser Bestimmung kann dann im nachfolgenden Schritt 4 der Quantifizierungsalgorithmus zur Berechnung des Blutverlustwertes ausgeführt werden.
  • In Schritt 5 wird das ermittelte Ergebnis ausgegeben. Danach kann das Verfahren wiederholt angewendet oder beendet werden.
  • In 3 ist ein Beispiel für eine mögliche Ausgabeart der Ausgabe von Schritt 5 des Verfahrens gezeigt. Die Ausgabe umfasst die Positionsangabe der anatomischen Blutungsstelle, bevorzugt direkt in den Bilddaten BD - in 3 als schraffierte Ellipse an der jeweiligen Position hervorgehoben. Die Positionsangabe bzw. die Ellipse kann ein Zusatzinformationsfeld umfassen, das auf Wunsch (z.B. bei Anklicken der Blutung oder bei Mausbewegung über die entsprechende Stelle im Bild) oder als Voreinstellung immer angezeigt wird. Das Zusatzinformationsfeld umfasst den jeweiligen Blutverlustwert der Blutung (500, 30, 300 ml). Alternativ kann die Information über den errechneten erwarteten Blutungswert auch optisch bzw. graphisch dargestellt werden, z.B. in Falschfarbenkodierung. Die Informationen im Zusatzinformationsfeld können Angaben zur erwarteten Menge und/oder Rate des Blutverlustes, vorgeschlagenen Behandlungsmaßnahmen, Risiken, Zeitaspekte für die Maßnahmen umfassen.
  • 4 zeigt ein Blockdiagramm eines Quantifizierungssystems 10. Das Quantifizierungssystem 10 interagiert mit einem Computertomographen CT. Das Quantifizierungssystem 10 kann auch direkt in ein bildgebendes System integriert sein oder auf einem Rekonstruktionsrechner implementiert sein.
  • Das Quantifizierungssystem 10 umfasst eine Eingangsschnittstelle, nämlich die Bilddatenschnittstelle BDS zum Erfassen der tomographischen Datensätze BD des Computertomographen CT. Es umfasst weiter einen Analysator A zum Ausführen des Bildanalyseverfahrens 2 zur automatischen Detektion von Blutansammlungen und einen Differenzierer D, der zur Differenzierung zwischen pathologischen und physiologischen Blutansammlungen bestimmt ist und einen Quantifizierer Q, der zur Berechnung und Ausgabe eines Blutverlustwertes für die pathologischen Blutansammlungen bestimmt ist. Der Quantifizierer dient somit auch als Ausgabeschnittstelle für das Ergebnis. Das Ergebnis kann einen annotierten Bilddatensatz umfassen, der den berechneten Blutverlustwert enthält.
  • Das am Beispiel eines Polytraumas beschriebene Prinzip zur Berechnung von Blutansammlungen im Gewebe eines Patienten kann auch auf Schädigungen des Gewebes und andere Ansammlungen von Stoffen im Körper angewandt werden, wie beispielsweise eine Überwachung der Ansammlung von schädlichen Substanzen oder karzinogenen Strukturen.
  • Alle in Verbindung mit einzelnen Ausführungsformen der Erfindung erläuterten und gezeigten Merkmale können in unterschiedlicher Kombination in dem erfindungsgemäßen Gegenstand vorgesehen sein, um gleichzeitig deren vorteilhafte Wirkungen zu realisieren.
  • Alle Verfahrensschritte können durch Vorrichtungen implementiert werden, die zum Ausführen des jeweiligen Verfahrensschrittes geeignet sind. Alle Funktionen, die von gegenständlichen Merkmalen ausgeführt werden, können ein Verfahrensschritt eines Verfahrens sein.
  • Der Schutzbereich der vorliegenden Erfindung ist durch die Ansprüche gegeben und wird durch die in der Beschreibung erläuterten oder den Figuren gezeigten Merkmale nicht beschränkt.

Claims (11)

  1. Verfahren zur Quantifizierung von Blutverlust auf Basis einer kontrastmittelbasierten computertomographischen Bildgebung vom Körperstamm eines Patienten, mit folgenden Verfahrensschritten: - Einlesen (1) der Bilddaten (BD) der Bildgebung - Anwenden eines Bildanalyseverfahrens (2) zur automatischen Detektion von Blutansammlungen - Ausführen eines Differenzierungsverfahrens (3) zur Differenzierung zwischen pathologischen und physiologischen Blutansammlungen - Ausführen eines Quantifizierungsalgorithmus (4) zur Berechnung und Ausgabe (5) eines Blutverlustwertes für die pathologischen Blutansammlungen.
  2. Verfahren nach Patentanspruch 1, bei dem die computertomographische Bildgebung einen direkt konvertierenden Detektor umfasst, der eine Halbleiterschicht umfasst, die unterschiedliche Energieniveaus von Photonen direkt unterscheiden kann.
  3. Verfahren nach einem der vorangehenden Patentansprüche, bei dem der Blutverlustwert eine Angabe zur erwarteten Blutverlustmenge und/oder eine Angabe zur erwarteten Blutverlustrate umfasst.
  4. Verfahren nach einem der vorangehenden Patentansprüche, bei dem der Blutverlustwert als grafische Annotation in die Bilddaten ortsaufgelöst integriert wird.
  5. Verfahren nach einem der vorangehenden Patentansprüche, bei dem der Blutverlustwert für jede pathologische Blutansammlung gesondert ermittelt wird.
  6. Verfahren nach einem der vorangehenden Patentansprüche, bei dem der Quantifizierungsalgorithmus (4) als selbstlernender Algorithmus ausgebildet ist und auf einen Datenspeicher zugreift, in dem Referenz-Bilddaten und Referenz-Blutverlustwerte von anderen Patienten gespeichert sind.
  7. Verfahren nach einem der vorangehenden Patentansprüche, bei dem der Quantifizierungsalgorithmus (4) eine Segmentierung des Gefäßbaums umfasst.
  8. Verfahren nach einem der vorangehenden Patentansprüche, bei dem der Quantifizierungsalgorithmus (4) einen Austrittsprüfungsschritt umfasst, der prüft, ob sich Kontrastmittelanlagerungen in Körperregionen außerhalb der Gefäße befinden.
  9. Verfahren nach einem der vorangehenden Patentansprüche, bei dem die computertomographische Bildgebung zwei computertomographische Scans umfasst in einem konfigurierbaren zeitlichen Abstand.
  10. Verfahren nach einem der vorangehenden Patentansprüche, bei dem das Bildanalyseverfahren eine 2-Materialzerlegung zur Berechnung einer Jodkarte umfasst.
  11. Quantifizierungssystem (10) zur Quantifizierung von Blutverlust auf Basis von Bilddaten (BD) eines Computertomographen (CT) von einer kontrastmittelbasierten computertomographischen Bildgebung vom Körperstamm eines Patienten, mit: - Einer Bilddatenschnittstelle (BDS) zum Einlesen der Bilddaten (BD) des Computertomographen (CT) - Einem Analysator (A) zum Ausführen eines Bildanalyseverfahrens (2) zur automatischen Detektion von Blutansammlungen - Einem Differenzierer (D), der zur Differenzierung zwischen pathologischen und physiologischen Blutansammlungen bestimmt ist - Einem Quantifizierer (Q), der zur Berechnung und Ausgabe eines Blutverlustwertes für die pathologischen Blutansammlungen bestimmt ist.
DE102017201543.8A 2017-01-31 2017-01-31 Quantifizierung von Blutverlust auf Basis einer Computertomographie mit einem direkt konvertierenden Detektor Pending DE102017201543A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
DE102017201543.8A DE102017201543A1 (de) 2017-01-31 2017-01-31 Quantifizierung von Blutverlust auf Basis einer Computertomographie mit einem direkt konvertierenden Detektor
US15/874,007 US20180218794A1 (en) 2017-01-31 2018-01-18 Quantification of blood loss on the basis of computed tomography with a directly converting detector
CN201810095576.9A CN108403092A (zh) 2017-01-31 2018-01-31 基于计算机断层摄影来量化血液损失

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102017201543.8A DE102017201543A1 (de) 2017-01-31 2017-01-31 Quantifizierung von Blutverlust auf Basis einer Computertomographie mit einem direkt konvertierenden Detektor

Publications (1)

Publication Number Publication Date
DE102017201543A1 true DE102017201543A1 (de) 2018-08-02

Family

ID=62843260

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102017201543.8A Pending DE102017201543A1 (de) 2017-01-31 2017-01-31 Quantifizierung von Blutverlust auf Basis einer Computertomographie mit einem direkt konvertierenden Detektor

Country Status (3)

Country Link
US (1) US20180218794A1 (de)
CN (1) CN108403092A (de)
DE (1) DE102017201543A1 (de)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11210779B2 (en) * 2018-09-07 2021-12-28 Siemens Healthcare Gmbh Detection and quantification for traumatic bleeding using dual energy computed tomography
EP3671649A1 (de) * 2018-12-19 2020-06-24 Siemens Healthcare GmbH Verfahren und computersystem zur erzeugung einer kombinierten gewebe-gefäss-darstellung
CN110151177A (zh) * 2019-05-28 2019-08-23 长春理工大学 基于表面肌电信号的足下垂检测装置及检测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009032252B3 (de) 2009-07-08 2010-08-05 Siemens Aktiengesellschaft Verfahren zur Erzeugung von Röntgenbildern mit einem Mehrenergie-Röntgendetektionssystem sowie Vorrichtung zur Durchführung des Verfahrens

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9712524D0 (en) * 1997-06-16 1997-08-20 Nycomed Imaging As Method
ES2431520T3 (es) * 2003-01-25 2013-11-26 Seno Medical Instruments, Inc. Procedimiento de formación de imágenes optoacústicas de contraste elevado utilizando nanopartículas no esféricas
US20080234567A1 (en) * 2007-03-19 2008-09-25 The General Hospital Corporation Apparatus and method for providing a noninvasive diagnosis of internal bleeding
AU2008278605A1 (en) * 2007-07-26 2009-01-29 Nanoscan Imaging, Llc Methods for imaging using improved nanoparticulate contrast agents
US20110244589A1 (en) * 2009-10-14 2011-10-06 Klein Jeffrey A In-vivo platelet function test by online bleeding volume measurement
DE102011090047A1 (de) * 2011-12-28 2013-07-25 Klinikum der Universität München - Campus Innenstadt Kontrollverfahren und Kontrollsystem
WO2013173356A1 (en) * 2012-05-14 2013-11-21 Gauss Surgical System and methods for managing blood loss of a patient
JP6623479B2 (ja) * 2015-02-08 2019-12-25 トンリ・バイオメディカル・カンパニー・リミテッド 脂質ナノ粒子及びその使用
CN105303496A (zh) * 2015-11-19 2016-02-03 李涛 基于移动互联网的智能外科手术信息管理系统
CN106204720A (zh) * 2016-06-30 2016-12-07 深圳市智汇十方科技有限公司 一种模拟骨折钢板预弯折的方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009032252B3 (de) 2009-07-08 2010-08-05 Siemens Aktiengesellschaft Verfahren zur Erzeugung von Röntgenbildern mit einem Mehrenergie-Röntgendetektionssystem sowie Vorrichtung zur Durchführung des Verfahrens

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHIKAMATSU, Y. u.a.: Quantification of bleeding volume using computed tomography and clinical complications after percutaneous renal biopsy. In: Clinical Kidney Journal. Published online 25.01.2017. URL: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5469571/ [abgerufen am 18.09.2017]
WON, S.-Y. u.a.: Imaging of Contrast Medium Extravasation in Anticoagulation-Associated Intracerebral Hemorrhage With Dual-Energy Computed Tomography. In: Stroke. 2013, Vol. 44, No. 10, S. 2883 - 2890

Also Published As

Publication number Publication date
US20180218794A1 (en) 2018-08-02
CN108403092A (zh) 2018-08-17

Similar Documents

Publication Publication Date Title
EP3332710B1 (de) Charakterisierung von plaque
DE102010027227B4 (de) Verfahren und Computertomographiegerät zur Durchführung einer angiographischen Untersuchung
DE10319546A1 (de) Verfahren und Vorrichtung zur automatischen Detektion von Anomalien in Gefäßstrukturen
WO2013098074A2 (de) Kontrollverfahren und kontrollsystem
DE102008012893A1 (de) Erfassung von Thromben bei CT, die Energie-Diskrimination nutzen
DE102004006188A1 (de) Verfahren zum Bestimmen physikalischer Parameter körperlicher Strukturen
DE102007046514A1 (de) Verfahren zur Erkennung und Markierung von Kontrastmittel in Blutgefäßen der Lunge mit Hilfe einer CT-Untersuchung und Bildauswerteeinheit eines CT-Systems
DE102016219887A1 (de) Verfahren und System zur Nutzung von Messdaten
DE10347971B3 (de) Verfahren und Vorrichtung zur Bestimmung des Flüssigkeitstyps einer Flüssigkeitsansammlung in einem Objekt
DE102006025759A1 (de) Verfahren zur Bildrekonstruktion eines Objektes mit Projektionen und Vorrichtung zur Durchführung des Verfahrens
EP3619631A1 (de) Verbesserungen bei der radiologischen erkennung chronisch thromboembolischer pulmonaler hypertonie
DE102017217543B4 (de) Verfahren und System zur Klassifikation von Materialien mittels maschinellen Lernens
DE102018222606A1 (de) Verfahren und Vorrichtung zur Detektion eines anatomischen Merkmals eines Blutgefäßabschnittes
DE102016205507A1 (de) Verfahren zur Ermittlung einer den Blutfluss in Kollateralen beschreibenden Kollateralinformationen, medizinische Bildaufnahmeeinrichtung, Computerprogramm und elektronisch lesbarer Datenträger
DE102015207107A1 (de) Verfahren zur Erzeugung einer virtuellen Röntgenprojektion anhand eines mittels Röntgenbildaufnahmevorrichtung erhaltenen Bilddatensatzes, Computerprogramm, Datenträger sowie Röntgenbildaufnahmevorrichtung
DE102017201543A1 (de) Quantifizierung von Blutverlust auf Basis einer Computertomographie mit einem direkt konvertierenden Detektor
DE102008021835A1 (de) Verfahren und Tomographiegerät zur Normierung von Bilddaten hinsichtlich eines durch ein Kontrastmittel in den Bilddaten hervorgerufenen Kontrastes
DE102005058217A1 (de) Verfahren und System zur computergestützten Erkennung von Hochkontrastobjekten in tomographischen Aufnahmen
DE102016222093A1 (de) Simultaner Einsatz von unterschiedlichen Kontrastmitteln bei CT-Bildgebungsverfahren
DE102013220018A1 (de) Berechnung eines Untersuchungsparameters
DE102009032257A1 (de) Verfahren und Vorrichtung zur automatisierten Ermittlung der Mittellinie zumindest eines Teilstücks einer tubulären Gewebestruktur
DE102008045633B4 (de) Verfahren zur verbesserten Darstellung von Mehr-Energie-CT-Aufnahmen und zugehöriges Computersystem
DE112007003474T5 (de) Diskriminierungsparameterberechnungsverfahren für Photonendetektoren und Nuklearmedizindiagnosevorrichtung, die letzteres verwendet
EP3797698A1 (de) Verfahren zum erzeugen eines synthetischen mammogramms basierend auf einer dual-energy-tomosyntheseaufnahme
DE102016204709A1 (de) Verfahren zur Bildrekonstruktion

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R081 Change of applicant/patentee

Owner name: SIEMENS HEALTHINEERS AG, DE

Free format text: FORMER OWNER: SIEMENS HEALTHCARE GMBH, MUENCHEN, DE