CN108573487B - 用于找出医学图像数据中的异常的方法及医学成像装置 - Google Patents

用于找出医学图像数据中的异常的方法及医学成像装置 Download PDF

Info

Publication number
CN108573487B
CN108573487B CN201810208289.4A CN201810208289A CN108573487B CN 108573487 B CN108573487 B CN 108573487B CN 201810208289 A CN201810208289 A CN 201810208289A CN 108573487 B CN108573487 B CN 108573487B
Authority
CN
China
Prior art keywords
patient
image data
examined
region
area
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.)
Active
Application number
CN201810208289.4A
Other languages
English (en)
Other versions
CN108573487A (zh
Inventor
M.克罗尔
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 Medical Ag
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
Publication of CN108573487A publication Critical patent/CN108573487A/zh
Application granted granted Critical
Publication of CN108573487B publication Critical patent/CN108573487B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0037—Performing a preliminary scan, e.g. a prescan for identifying a region of interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4842—Monitoring progression or stage of a disease
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • A61B5/748—Selection of a region of interest, e.g. using a graphics tablet
    • A61B5/7485—Automatic selection of region of interest
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • 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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/488—Diagnostic techniques involving pre-scan acquisition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/10104—Positron emission tomography [PET]
    • 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
    • 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
    • G06T2207/30084—Kidney; Renal
    • 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
    • G06T2207/30168—Image quality inspection

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Mathematical Physics (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Child & Adolescent Psychology (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明涉及一种用于找出医学图像数据中的异常的方法及医学成像装置。用于找出布置在患者的待检查区域之外的患者的区域的医学图像数据中的异常的方法包括以下方法步骤：提供映射布置在患者的待检查区域之外的患者的区域的医学图像数据，其中已经根据预检查数据选择了患者的待检查区域；借助控制单元自动分析布置在患者的待检查区域之外的区域的医学图像数据；借助控制单元生成布置在患者的待检查区域之外的区域的医学图像数据的异常信息；以及借助输出单元显示异常信息。

Description

用于找出医学图像数据中的异常的方法及医学成像装置
技术领域
本发明涉及一种用于找出布置在患者的待检查区域之外的患者的区域的医学图像数据中的异常的方法。此外，本发明涉及一种具有图像数据采集单元、控制单元和显示单元的医学成像装置，其中医学成像装置设计为用于执行用于找出布置在患者的待检查区域之外的患者的区域的医学图像数据中的异常的方法。本发明还涉及一种计算机程序产品，使得程序设计为用于执行用于找出布置在患者的待检查区域之外的患者的区域的医学图像数据中的异常的方法。
背景技术
医学成像检查通常在时间压力下进行。在此，对医学成像检查的规划、执行以及分析大多仅限于和/或聚焦于患者的待检查区域。例如如果患者的待检查区域是患者的肾脏，则对医学图像数据的规划、执行以及分析限于和/或聚焦于和/或专注于映射患者的肾脏的图像数据。
由此，不采集并且也不定位映射布置在患者的待检查区域之外的患者的区域的医学图像数据中的异常。
发明内容
本发明要解决的技术问题特别地是，搜寻布置在待检查区域之外的患者的区域的医学图像数据中的异常。上述技术问题通过本发明的特征来解决。在本发明中描述有利的实施。
本发明涉及一种用于找出布置在患者的待检查区域之外的患者的区域的医学图像数据中的异常的方法，包括以下方法步骤：
-提供映射布置在患者的待检查区域之外的患者的区域的医学图像数据，其中已经根据预检查数据选择了患者的待检查区域，
-借助控制单元自动分析布置在患者的待检查区域之外的区域的医学图像数据，
-借助控制单元生成布置在患者的待检查区域之外的区域的医学图像数据的异常信息，和
-借助输出单元显示异常信息。
在此，医学图像数据中的异常特别是应当理解为分析的医学图像数据中的异常，其中可以确定分析的医学图像数据中的颜色变化和/或对比度变化方面的异常，其中颜色变化和/或对比度变化在此不是由于患者的解剖结构引起的。特别地，在分析的医学图像数据中具有异常的部分区域在对比度的变化方面和/或在颜色的变化方面被映射异常的周围的部分区域衬托出来。医学图像数据中的异常也可以包括医学图像数据中与正常状态的偏差。这样的异常例如可以是映射的患者的器官内的暗斑点。
医学图像数据优选包括借助医学成像装置采集的医学成像数据。医学成像装置例如可以包括计算机断层成像装置、正电子发射断层成像装置(PET装置)、磁共振装置等。医学图像数据相应地可以包括计算机断层成像数据、PET数据、磁共振数据等。
患者的待检查区域包括患者体内的有限的局部区域。待检查区域和/或有限的局部区域例如延伸到患者的器官或关节区域。在对患者的待检查区域的诊断成像检查中，特别地对患者的待检查区域进行采集和映射。
要对异常进行搜寻和/或检查的患者的区域优选不包含在待检查区域内，而是特别是布置在患者的待检查区域之外。如果例如患者的待检查区域是器官，则可以在位于器官周期的区域内搜寻和/或检查医学图像数据中的异常。对医学图像数据中的异常进行检查和/或搜寻的区域在此可以直接与患者的待检查区域相邻。此外，对医学图像数据中的异常进行检查和/或搜寻的区域也可以与患者体内的待检查区域间隔开地布置。
提供映射布置在患者的待检查区域之外的患者的区域的医学图像数据，优选可以包括采集医学图像数据、特别是采集概览测量和/或定位测量的医学图像数据。优选对布置在患者的待检查区域之外的、由此不包含在患者的待检查区域内并且要对异常进行查找和/或检查的患者的区域进行概览测量和/或定位测量。对布置在患者的待检查区域之外的患者的区域的概览测量和/或定位测量，在此一般具有比患者的待检查区域的医学和/或诊断图像数据更低的分辨率、特别是更低的位置分辨率。
此外，提供映射布置在患者的待检查区域之外的患者的区域的医学图像数据，也可以与采集诊断图像数据一起进行，该诊断图像数据是为了澄清患者的待检查区域的诊断问题而采集的。患者的待检查区域例如可以包括患者的肾脏。由此在所采集的诊断图像数据中映射患者的肾脏，并且例如也在所采集的诊断图像数据的边缘区域中显示和/或映射布置在患者的待检查区域之外的区域。该边缘区域例如可能映射和/或显示患者的另外的器官、例如患者的肝脏。由此可以检查和/或搜寻该边缘区域的异常。
优选根据预检查的预检查数据选择患者的待检查区域。优选地，在预检查期间提出要借助对患者的医学成像检查来澄清的、关于患者的待检查区域的诊断问题。
借助医学成像检查的控制单元对布置在患者的待检查区域之外的区域的医学图像数据进行自动分析。控制单元为此具有分析程序和/或分析软件，其存储在存储单元中并且由控制单元的处理器运行。存储单元在此同样可以包含在控制单元和/或医学成像装置中。此外，存储单元可以包括外部存储单元，诸如布置在云内的存储单元等。借助分析程序和/或分析软件来分析布置在待检查区域之外的区域的医学图像数据的异常和/或偏差。
优选同样借助医学成像装置的控制单元自动化和/或自动地生成异常信息。
异常信息优选包括是否针对所分析的布置在待检查区域之外的区域的医学图像数据识别出和/或确定了医学图像数据中的异常的信息。此外，异常信息也可以包括对布置在患者的待检查区域之外的患者的区域的可能的鉴定需要另外的医学成像检查的提示。特别地，控制单元根据所分析的医学图像数据生成异常信息。
本发明具有如下优点，即，自动直接向照料医学成像检查的医学操作人员指出患者的图像数据中的可能的异常。由此可以有利地在对图像数据进行鉴定时减少和/或避免错误，因为在进行鉴定时不仅考虑待检查区域的诊断图像数据，而且鉴定可以基于异常信息。
在本发明的优选扩展中提出，提供医学图像数据包括采集患者的区域的医学图像数据，其中该区域布置在患者的待检查区域之外。优选借助概览测量和/或定位测量来采集布置在患者的待检查区域之外的患者的区域的医学图像数据。这具有如下优点，即，可以特别快速地提供用于找出异常的医学图像数据，这样在测量过程中几乎不产生延迟。患者也感觉到他处于患者容纳区域内的测量时间基本上没有延长，从而不会加剧患者的不适。
此外可以设置为，在用于采集患者的待检查区域的诊断图像数据的诊断成像检查期间，采集布置在患者的待检查区域之外的患者的区域的医学图像数据。优选在诊断成像检查期间，诸如在两次成像测量之间的测量间歇期间，或也在用于为诊断成像检查的待检查区域的即将进行的成像测量设置测量参数的规划阶段期间，采集布置在患者的待检查区域之外的区域的医学图像数据。借助诊断成像检查采集患者的待检查区域的数据、特别是诊断成像数据。本发明的该实施具有如下优点，即，基本上不必延长采集患者的待检查区域的诊断图像数据并且附加地采集布置在患者的待检查区域之外的区域的医学图像数据的、对患者进行的成像检查的总持续时间，从而可以特别省时间且快速地进行布置在待检查区域之外的患者的区域的医学图像数据的采集。由此可以使患者在医学成像装置的患者容纳区域内的滞留时间和/或停留时间最短。
优选地，借助控制单元自动进行用于采集布置在患者的待检查区域之外的区域的医学图像数据的医学成像测量的规划和/或实施。在此，医学成像装置的控制单元自动化和/或自动地控制用于采集布置在患者的待检查区域之外的区域的医学图像数据的医学成像测量的规划以及优选地还有实施。甚至优选借助控制单元自动化和/或自动地开始布置在待检查区域之外的区域的医学图像数据的采集，从而医学操作人员既不必规划也不必实施布置在待检查区域之外的区域的医学图像数据的采集。特别地由此可以取消使用者、特别是医学操作人员用于找出异常的额外开销，尽管如此仍向使用者提供关于是否存在异常的结果。
在本发明的另外的实施中可以设置为，患者的区域的医学图像数据包括患者的全身记录，其中该区域布置在患者的待检查区域之外。全身记录和/或全身扫描在此尤其应当理解为映射和/或采集患者的全身的医学成像检查。也可以借助概览测量和/或定位测量来采集患者的全身记录的该医学图像数据。由此优选可以为找出异常提供患者的所有身体区域的医学图像数据。
在本发明的优选扩展中可以设置为，患者的区域的医学图像数据的图像质量，其中该区域布置在患者的待检查区域之外，比患者的待检查区域的诊断图像数据的图像质量差。在此，布置在患者的待检查区域之外的患者的区域的医学图像数据，优选具有比患者的待检查区域的诊断图像数据的分辨率低的分辨率，特别是比患者的待检查区域的诊断图像数据的位置分辨率低的位置分辨率。这能够实现采集布置在患者的待检查区域之外的患者的区域的医学图像数据的特别短的采集时间。
优选借助控制单元自动分析这样采集的布置在患者的待检查区域之外的区域的医学图像数据是否存在异常。基于其，也不必针对人工分析准备这样采集的布置在患者的待检查区域之外的区域的医学图像数据，从而可以特别省时间地进行采集以及还有分析。
根据本发明可以设置为，借助控制单元所包含的自学习算法自动分析布置在患者的待检查区域之外的区域的医学图像数据。
自学习算法一般基于由经验产生知识的机器学习。机器学习借助人工神经网络进行。自学习算法可以借助机器学习识别学习数据和/或训练数据中、特别是定位的医学图像数据及其对此的鉴定中的模式和规律。自学习算法在此可以根据示例学习并且在学习阶段结束之后使其普遍化。
自学习算法和/或机器学习例如可以基于由经验产生知识的深度学习方法。在深度学习方法中，优选将人工神经网络布置到使用更复杂的特征的平面，以便例如识别图像数据的内容和/或图像数据中的对比度。这尤其使得能够对大的数据库进行分类。
为此，控制单元具有包含自学习算法的人工智能。优选地，人工智能致力于使得计算机能够解决当由人来解决时需要智能的问题的方法。特别地，计算机可以构造为和/或包括程序和软件，使得借助计算机可以独立地处理问题。人工智能优选致力于智能行为的自动化。优选单元和/或计算机包括学习能力以及处理不确定性和/或概率信息的能力。
通过本发明的该实施，可以特别省时间地分析布置在待检查区域之外的区域的医学图像数据是否存在异常。此外，在此可以实现用于找出布置在患者的待检查区域之外的区域的医学图像数据中的异常的特别可靠且有效的分析。此外，分析也可以特别低成本地进行，因为不需要附加的人员开销。
还可以设置为，自学习算法基于训练数据，该训练数据基于在已经存在的医学图像数据和/或诊断图像数据的发现中定位的异常。优选地，将该已经存在的发现与位于其中的异常存储在数据库中，其中控制单元可以借助数据传输单元访问数据库、特别是数据库存储的数据。借助训练数据，自学习算法可以自动学习医学图像数据中的问题识别和/或异常识别，由此为医学操作人员进行的鉴定提供对医学图像数据的可靠分析。
本发明的优选扩展可以设置为，在分析医学图像数据时，自学习算法考虑疾病过程和/或预检查的数据和/或患者的其它医学数据。患者的其它医学数据例如也可以包括关于患者的血液值和/或循环值的信息。患者的疾病过程尤其可以包括患者的一个或多个病史。预检查例如也可以包括不进行成像的预检查，或者也可以包括利用与当前的成像装置不同的成像装置进行成像的检查。在此，除了当前采集的布置在患者的待检查区域之外的区域的医学图像数据之外，在分析医学图像数据时，还可以考虑患者的其它医学相关数据。这也允许有针对性地查找映射和/或显示定义的和/或划定的患者的区域的医学图像数据中的异常，其中定义的和/或划定的区域布置在待检查区域之外。如果例如预检查和/或疾病过程和/或其它医学数据指出患者的肺部病症，则在分析医学图像数据时，可以特别地聚焦于医学图像数据中的映射患者的肺部区域的区域。特别地在分析医学图像数据时，自学习算法也可以考虑包含已经采集的患者的医学图像数据的数据。
此外，可以设置为，在显示的诊断图像数据的图像中显示和/或示出异常信息。由此可以实现异常信息对于医学操作人员良好的可见性。特别地，这样可以在例如定位诊断图像数据期间直接向医学操作人员显示异常信息。
特别有利地，异常信息包括用于针对异常的另外的鉴定措施的信息，由此医学操作人员可以简单且省时间地规划和/或实施用于鉴定异常的另外的检查。该另外的鉴定措施例如可以包括对于具有异常的区域进行附加检查的建议。该附加检查也可以已经包含包括对具有异常的区域进行另外的医学成像检查的建议。这样的建议也可以包含附加信息，诸如对于另外的医学成像检查的造影剂施用和/或参数设置。使用者、特别是医学操作人员可以确认、特别是采纳这样的建议，从而也可以立即对患者进行另外的医学成像检查。如果已经存在其它患者在医学成像装置处对于即将进行的医学成像检查的等待时间，则也可以设置为较晚地对患者进行另外的医学成像检查。这能够实现另外的医学成像检查的简单的执行。
此外，本发明涉及一种医学成像装置，具有图像数据采集单元、控制单元和显示单元，其中医学成像装置设计为，用于执行用于找出布置在患者的待检查区域之外的患者的区域的医学图像数据中的异常的方法。
医学成像装置例如可以包括计算机断层成像装置、正电子发射断层成像装置(PET装置)、磁共振装置等。医学图像数据相应地可以包括计算机断层成像数据、PET数据、磁共振数据等。
图像数据采集单元在此可以包括计算机断层成像装置的检测器单元或PET装置的检测器单元或具有用于接收磁共振装置的磁共振信号的接收天线单元的磁体单元等。
本发明具有如下优点，即，直接自动向照料医学成像检查的医学操作人员指出患者的图像数据中的可能的异常。由此可以有利地在对图像数据进行鉴定时避免错误，因为在进行鉴定时不仅考虑待检查区域的诊断图像数据，而且鉴定也可以基于异常信息。
根据本发明的医学成像装置的优点基本上相应于上面详细描述的根据本发明的用于找出布置在患者的待检查区域之外的患者的区域的医学图像数据中的异常的方法的优点。在此提到的特征、优点或替换实施方式同样也可以转用到要求保护的其它对象，反之亦然。
特别有利地，控制单元具有自学习算法，其设置为用于分析布置在患者的待检查区域之外的患者的区域的医学图像数据。由此，可以特别省时间地分析布置在待检查区域之外的区域的医学图像数据是否存在异常。此外，在此可以实现用于找出布置在患者的待检查区域之外的区域的医学图像数据中的异常的特别可靠且有效的分析。此外，分析也可以特别低成本地进行，因为不需要附加的人员开销。
本发明还涉及一种计算机程序产品，其包括程序并且能够直接加载到医学成像装置的可编程控制单元的存储器中，具有程序装置，用于当在医学成像装置的控制单元中运行程序时，执行用于找出布置在患者的待检查区域之外的患者的区域的医学图像数据中的异常的方法。在此，计算机程序可能需要程序装置，例如，程序库和辅助函数，以便实现该方法的相应实施方式。计算机程序在此可以包括具有还需编译并绑定或仅需解释的源代码的软件或为了执行还仅需要加载到相应的计算单元中的可执行的软件代码。
本发明还涉及一种电子可读的数据载体，其包括程序，该程序设置为用于执行用于找出布置在患者的待检查区域之外的患者的区域的医学图像数据中的异常的方法。
附图说明
本发明的其它优点、特征和细节借助于附图由下面对实施例的描述给出。
图1以示意图示出了根据本发明的医学成像装置，和
图2示出了根据本发明的用于找出布置在患者的待检查区域之外的患者的区域的医学图像数据中的异常的方法。
具体实施方式
图1示意性地示出了医学成像装置30。医学成像装置30在本实施例中由磁共振装置10形成，其中示例性地借助磁共振装置10解释本发明。但是本发明不限于将医学成像装置30实施为磁共振装置10，任何时候都可以想到医学成像装置30的其它实施，诸如计算机断层成像装置、PET装置等。
医学成像装置30包括图像数据采集单元31。在本实施例中，磁共振装置10包括磁体单元11，磁体单元11由图像数据采集单元31形成。磁体单元11包括超导主磁体12，用于产生强的、特别是恒定的主磁场13。此外，磁共振装置10具有用于容纳患者15的患者容纳区域14。患者容纳区域14在本实施例中被构造为圆柱形的，并且在圆周方向上被磁体单元11圆柱形地包围。然而，原则上任何时候都可以想到患者容纳区域14的与此不同的构造。可以借助磁共振装置10的患者安置装置16将患者15移动和/或移入到患者容纳区域14中。患者安置装置16为此具有被设计为在患者容纳区域14内部可移动的患者台17。
此外，磁体单元11具有用于产生磁场梯度的梯度线圈单元18，磁场梯度用于在成像期间进行位置编码。梯度线圈单元18借助磁共振装置10的梯度控制单元19控制。磁体单元11还包括高频天线单元20，用于激励在由主磁体12产生的主磁场13中产生的极化。高频天线单元20由磁共振装置10的高频天线控制单元21控制，并且向基本上由磁共振装置10的患者容纳区域14形成的检查空间中入射高频磁共振序列。
为了控制主磁体12、梯度控制单元19，并且为了控制高频天线控制单元21，磁共振装置10具有控制单元22。控制单元22对磁共振装置10进行中央控制，例如执行预先确定的成像梯度回波序列。
此外，磁共振装置10包括与控制单元22连接的用户接口23。可以在用户接口23的输出单元24上、例如在至少一个监视器上为医学操作人员显示控制信息、例如成像参数以及重建的磁共振图像。此外，用户接口23具有输入单元25，借助其医学操作人员可以在测量过程期间输入信息和/或参数。
图2示出了根据本发明的用于找出布置在患者15的待检查区域33之外的区域32的医学图像数据、特别是磁共振图像数据中的异常的方法。为了执行和/或控制用于找出布置在患者15的待检查区域33之外的区域32的医学图像数据、特别是磁共振图像数据中的异常的方法，设置磁共振装置10、特别是磁共振装置10的控制单元22。
为此，控制单元22具有能够直接加载到存储单元中的计算机程序和/或软件，具有程序装置，用于当在控制单元22中运行计算机程序和/或软件时，执行用于找出布置在患者15的待检查区域33之外的区域32的医学图像数据、特别是磁共振图像数据中的异常的方法。控制单元22为此具有：未详细示出的处理器，其设计为用于运行计算机程序和/或软件；以及存储单元，在其中存储和/或储存软件和/或计算机程序。
替换地或附加地，软件和/或计算机程序也可以存储和/或储存在与控制单元22分开地和/或与磁共振装置10分开地构造的电子可读的数据载体和/或存储单元云上。在此，控制单元22可以借助在此未详细示出的数据网络对电子可读的数据载体进行访问。
要针对异常进行搜寻和/或检查的患者15的区域32优选不包含在待检查区域33内，特别是布置在患者15的待检查区域33之外。如果例如患者15的待检查区域33是器官，则搜寻和/或检查处于器官周围的区域32的医学图像数据中的异常。针对医学图像数据中的异常进行检查和/或搜寻的区域32在此可以与患者15的待检查区域33直接相邻。此外，针对医学图像数据中的异常进行检查和/或搜寻的区域32也可以构造为与患者15的待检查区域33间隔开。
在第一方法步骤100中，提供映射布置在患者15的待检查区域33之外的患者15的区域32的医学图像数据、特别是磁共振图像数据。已经根据之前对患者15进行的医学成像检查、特别是磁共振检查的预检查数据选择和/或确定了患者15的待检查区域33。
提供医学图像数据、特别是磁共振图像数据在此可以包括采集布置在患者15的待检查区域33之外的患者15的区域32的医学图像数据、特别是磁共振图像数据。在此，可以借助控制单元22自动进行用于采集布置在患者15的待检查区域33之外的患者15的区域32的医学图像数据、特别是磁共振图像数据的医学成像测量、特别是磁共振测量的规划和/或实施。控制单元22可以作为后台处理执行用于采集医学图像数据、特别是磁共振图像数据的医学成像测量、特别是磁共振测量的规划和/或实施，从而在对患者15进行诊断成像检查期间，使用者、特别是医学操作人员的活动不受干扰。
特别地，可以借助概览测量和/或定位测量来采集布置在患者15的待检查区域33之外的患者15的区域32的医学图像数据、特别是磁共振图像数据。优选对要在患者15的待检查区域33之外针对异常进行搜寻和/或检查的患者15的区域32进行概览测量和/或定位测量。
替换地或附加地，布置在患者15的待检查区域33之外的患者15的区域32的医学图像数据、特别是磁共振图像数据，也可以包括患者15的全身记录。患者15的全身记录同样可以借助概览测量和/或定位测量来采集。
布置在患者15的待检查区域33之外的患者15的区域32的医学图像数据、特别是磁共振图像数据，具有比患者15的待检查区域33的诊断图像数据的图像质量差的图像质量。例如，在所采集的布置在患者15的待检查区域33之外的区域32的医学图像数据中，概览测量和/或定位测量的医学图像数据、特别是磁共振图像数据在此一般具有比患者15的待检查区域33的医学和/或诊断图像数据的图像质量差的图像质量、特别是低的位置分辨率。
优选在用于采集患者15的待检查区域33的诊断图像数据的诊断成像检查期间，进行布置在患者15的待检查区域33之外的患者15的区域32的医学图像数据、特别是磁共振图像数据的采集。例如可以在两个成像测量之间的测量间歇期间，或者也可以在用于为诊断成像检查的即将进行的成像测量设置测量参数的规划阶段期间，进行布置在患者15的待检查区域33之外的区域32的医学图像数据的采集。
替换地或附加地，映射布置在患者15的待检查区域33之外的患者15的区域32的医学图像数据的提供，也可以与诊断图像数据的采集一起进行，诊断图像数据是为了澄清患者15的待检查区域33的诊断问题而采集的。患者15的待检查区域33例如可以包括患者15的肾脏。由此，在所采集的诊断图像数据中映射患者15的肾脏，并且例如还在所采集的诊断图像数据的边缘区域中显示和/或映射布置在患者15的待检查区域33之外的区域32。该边缘区域例如可以包括布置在患者15的待检查区域33之外的患者15的区域32，并且映射和/或显示患者15的另外的器官、例如患者15的肝脏。
在另外的方法步骤101中，对布置在患者15的待检查区域33之外的患者15的区域32的医学图像数据、特别是磁共振图像数据进行分析。分析优选借助控制单元22自动化和/或自动地进行。为此，控制单元22具有自学习算法，借助其自动分析布置在患者15的待检查区域33之外的患者15的区域32的医学图像数据、特别是磁共振图像数据。在此，自学习算法基于训练数据，训练数据基于在已经存在的发现中定位的异常。
自学习算法一般基于由经验产生知识的机器学习。机器学习借助人工神经网络进行。自学习算法可以借助机器学习识别学习数据和/或训练数据中、特别是定位的医学图像数据及其对此的分析和/或鉴定中的模式和规律。自学习算法在此可以根据示例学习并且在学习阶段结束之后使其普遍化。
此外，在分析医学图像数据时，自学习算法在此还考虑患者15的疾病过程和/或预检查的数据和/或其它医学数据，例如患者15的已经采集并分析的医学和/或诊断图像数据。患者15的疾病过程尤其可以包括患者15的一个或多个病史。预检查例如也可以包括对患者15的不进行成像的预检查，或者也可以包括利用与当前成像装置不同的成像装置进行的成像检查。患者15的其它医学数据例如也可以包括关于患者15的血液值和/或循环值的信息。这也允许在分析医学图像数据期间借助自学习算法有针对性地查找映射和/或显示患者15的定义的区域32和/或目标区域32的医学图像数据中的异常。借助控制单元22和/或自学习算法根据其它医学数据和/或疾病过程和/或预检查，自动化和/或自动地选择患者15的该定义的区域32和/或目标区域32，其中患者15的该定义的区域32和/或目标区域32布置在患者15的待检查区域33之外。如果例如预检查和/或疾病过程和/或其它医学数据指出患者15的肺部病症，则在分析医学图像数据时，可以特别地聚焦于医学图像数据中映射患者15的肺部区域的区域32。特别地在分析医学图像数据时，自学习算法也可以考虑包含已经采集的患者15的医学图像数据的数据。
在进行分析的该方法步骤101中，分析和/或搜寻布置在患者15的待检查区域33之外的患者15的区域32的医学图像数据的异常。在此，可以在所分析的医学图像数据中，确定医学图像数据在颜色变化和/或对比度变化方面的异常。特别地，所分析的医学图像数据中的具有异常的部分区域，在对比度的变化方面和/或在颜色的变化方面，被显示异常的周围的部分区域衬托出来，其中周围例如可以具有一致和/或恒定的颜色。异常例如可以是映射的患者15的器官内的暗斑点。
在分析医学图像数据的方法步骤101之后，执行另外的方法步骤102。在该另外的方法步骤102中，生成布置在患者15的待检查区域33之外的患者15的区域32的医学图像数据的异常信息。借助磁共振装置10的控制单元22自动化和/或自动地生成异常信息。异常信息包括布置在患者15的待检查区域33之外的患者15的区域32是否具有异常的信息。
此外，异常信息还可以包括用于要针对所确定的异常采取的另外的鉴定措施的信息。这样的另外的鉴定措施例如可以是针对识别出了异常并且不包含在患者15的待检查区域内的、患者15的区域32的另外和/或附加的医学成像检查的建议。在此，用于另外的鉴定措施的信息也可以包括用于另外和/或附加的医学成像检查的参数设置、待检查区域、关于可能的造影剂施用的信息、针对用以尽可能好地执行另外和/或附加的医学成像检查的医学成像装置的建议等。
随后，在另外的方法步骤103中，借助医学成像装置30、特别是磁共振装置10的用户接口23的输出单元24显示异常信息。在此，优选与所显示的患者15的待检查区域33的诊断图像数据的图像数据一起显示异常信息。这使得能够向使用者、特别是向诊断图像数据的医学鉴定者完整地提供对于鉴定有意义和/或重要的所有信息。
虽然在细节上通过优选的实施例对本发明进行详细阐述和描述，但是本发明不限于所公开的示例，本领域技术人员可以从中导出其它变形，而不脱离本发明的保护范围。

Claims (14)

1.一种用于找出布置在患者的待检查区域之外的患者的区域的医学图像数据中的异常的方法，包括以下方法步骤：
-采集映射布置在患者的待检查区域之外的患者的区域的医学图像数据，其中，已经根据预检查数据选择了患者的待检查区域，
-采集映射患者的待检查区域的诊断图像数据，
-其中，映射布置在患者的待检查区域之外的患者的区域的医学图像数据具有比从患者的待检查区域采集的诊断图像数据的位置分辨率低的位置分辨率，
-自学习算法考虑患者的医学相关数据，用以有针对性地查找映射布置在患者的待检查区域之外的患者的区域的医学图像数据中的异常，其中医学图像数据中的异常应当理解为所分析的医学图像数据中的异常，其中能够确定所分析的医学图像数据中的颜色变化和/或对比度变化方面的异常，其中颜色变化和/或对比度变化不是由于患者的解剖结构引起的，其中对医学图像数据中的异常进行检查和/或搜寻的区域直接与患者的待检查区域相邻，
-借助控制单元自动分析布置在患者的待检查区域之外的患者的区域的医学图像数据，
-借助控制单元生成布置在患者的待检查区域之外的患者的区域的医学图像数据的异常信息，和
-借助输出单元显示异常信息。
2.根据权利要求1所述的方法，其特征在于，在用于采集患者的待检查区域的诊断图像数据的诊断成像检查期间，采集布置在患者的待检查区域之外的患者的区域的医学图像数据。
3.根据权利要求1所述的方法，其特征在于，借助控制单元自动规划和/或执行用于采集布置在患者的待检查区域之外的区域的医学图像数据的医学成像测量。
4.根据权利要求1所述的方法，其特征在于，患者的区域的医学图像数据包括患者的全身记录，其中，该区域布置在患者的待检查区域之外。
5.根据权利要求1所述的方法，其特征在于，借助控制单元所包含的自学习算法自动分析布置在患者的待检查区域之外的区域的医学图像数据。
6.根据权利要求5所述的方法，其特征在于，自学习算法基于训练数据，所述训练数据基于在已经存在的医学图像数据和/或诊断图像数据的鉴定结果中鉴定出的异常。
7.根据权利要求5所述的方法，其特征在于，在分析医学图像数据时，自学习算法考虑患者的疾病过程和/或预检查的数据和/或医学数据。
8.根据权利要求5所述的方法，其特征在于，在分析医学图像数据时，自学习算法考虑包含已经采集的患者的医学图像数据的数据。
9.根据权利要求1所述的方法，其特征在于，在显示的诊断图像数据的图像中显示异常信息。
10.根据权利要求1所述的方法，其特征在于，异常信息包括用于针对异常的另外的鉴定措施的信息。
11.根据权利要求10所述的方法，其特征在于，控制单元自动建议对包含异常的区域的另外的医学成像检查。
12.一种医学成像装置，具有图像数据采集单元、控制单元和显示单元，其中，医学成像装置设计为，用于执行根据上述权利要求中任一项所述的用于找出布置在患者的待检查区域之外的患者的区域的医学图像数据中的异常的方法。
13.根据权利要求12所述的医学成像装置，其特征在于，控制单元具有自学习算法，其设置为用于分析布置在患者的待检查区域之外的患者的区域的医学图像数据。
14.一种电子可读的数据载体，其上存储有电子可读的控制信息，所述控制信息构造为，在医学成像装置的控制单元中使用数据载体时，所述控制信息执行根据权利要求1至11中任一项所述的用于找出布置在患者的待检查区域之外的患者的区域的医学图像数据中的异常的方法。
CN201810208289.4A 2017-03-14 2018-03-14 用于找出医学图像数据中的异常的方法及医学成像装置 Active CN108573487B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102017204175.7 2017-03-14
DE102017204175.7A DE102017204175A1 (de) 2017-03-14 2017-03-14 Verfahren zu einem Auffinden von Auffälligkeiten in medizinischen Bilddaten eines Bereichs des Patienten, der außerhalb eines zu untersuchenden Bereichs des Patienten angeordnet ist, sowie eine medizinische Bildgebungsvorrichtung hierzu

Publications (2)

Publication Number Publication Date
CN108573487A CN108573487A (zh) 2018-09-25
CN108573487B true CN108573487B (zh) 2023-05-02

Family

ID=63372440

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810208289.4A Active CN108573487B (zh) 2017-03-14 2018-03-14 用于找出医学图像数据中的异常的方法及医学成像装置

Country Status (3)

Country Link
US (1) US20180268569A1 (zh)
CN (1) CN108573487B (zh)
DE (1) DE102017204175A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102019212103A1 (de) 2019-08-13 2021-02-18 Siemens Healthcare Gmbh Surrogatmarker basierend auf medizinischen Bilddaten
DE102019213813B4 (de) * 2019-09-11 2024-05-16 Siemens Healthineers Ag Bereitstellen eines Prognosedatensatzes
DE102019214887A1 (de) * 2019-09-27 2021-04-01 Siemens Healthcare Gmbh Verfahren zu einem automatischen Positionieren eines zu untersuchenden Bereichs eines Patienten für eine medizinische Bildgebungsuntersuchung sowie eine medizinische Bildgebungsvorrichtung, die zu einem Durchführen des Verfahrens ausgelegt ist
EP3865066A1 (en) * 2020-02-17 2021-08-18 Koninklijke Philips N.V. Automated scout scan examination

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004254742A (ja) * 2003-02-24 2004-09-16 Konica Minolta Holdings Inc 医用画像処理装置及び悪性度の判定方法
CN101360453A (zh) * 2005-11-23 2009-02-04 美的派特恩公司 医学图像的计算机辅助定性定量分析的方法和系统
CN103781403A (zh) * 2011-02-17 2014-05-07 宜扬医疗有限公司 用于执行自动的且自我指导的医学检查的系统和方法
CN106308797A (zh) * 2015-06-30 2017-01-11 西门子保健有限责任公司 确定至少一个患者特定的安全参数的方法和医学成像装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7263214B2 (en) 2002-05-15 2007-08-28 Ge Medical Systems Global Technology Company Llc Computer aided diagnosis from multiple energy images
CN101727537A (zh) * 2009-11-16 2010-06-09 杭州电子科技大学 基于双视角信息融合的乳腺cr图像的计算机确定方法
US9295406B2 (en) 2011-05-05 2016-03-29 Siemens Medical Solutions Usa, Inc. Automatic or semi-automatic whole body MR scanning system
US9013184B2 (en) * 2011-07-18 2015-04-21 Siemens Medical Solutions Usa, Inc. MR imaging system for automatically providing incidental findings
US20130044927A1 (en) * 2011-08-15 2013-02-21 Ian Poole Image processing method and system
DE102012216327B4 (de) * 2012-09-13 2021-01-14 Siemens Healthcare Gmbh Verfahren zur Erfassung einer Bewegung eines Patienten während einer medizinischen Bildgebungsuntersuchung
CN105232081A (zh) * 2014-07-09 2016-01-13 无锡祥生医学影像有限责任公司 医学超声辅助自动诊断装置及方法
DE102015211148A1 (de) * 2015-06-17 2016-12-22 Siemens Healthcare Gmbh Verfahren zu einem Auswählen von zumindest einer Untersuchungsinformation für eine medizinische Bildgebungsuntersuchung sowie eine medizinische Bildgebungsvorrichtung hierzu
CN105718952B (zh) * 2016-01-22 2018-10-30 武汉科恩斯医疗科技有限公司 使用深度学习网络对断层医学影像进行病灶分类的系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004254742A (ja) * 2003-02-24 2004-09-16 Konica Minolta Holdings Inc 医用画像処理装置及び悪性度の判定方法
CN101360453A (zh) * 2005-11-23 2009-02-04 美的派特恩公司 医学图像的计算机辅助定性定量分析的方法和系统
CN103781403A (zh) * 2011-02-17 2014-05-07 宜扬医疗有限公司 用于执行自动的且自我指导的医学检查的系统和方法
CN106308797A (zh) * 2015-06-30 2017-01-11 西门子保健有限责任公司 确定至少一个患者特定的安全参数的方法和医学成像装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Gabor wavelet based features for medical image analysis and classification;Ioan Buciu等;《2009 2nd International Symposium on Applied Sciences in Biomedical and Communication Technologies》;第1-4页 *
医学图像病变区域的识别与仿真分析;沈博渊等;《激光杂志》;第37卷(第2期);第E072-87页 *
基于灰阶超声序列图像的乳腺肿瘤计算机辅助诊断;哈章;《中国博士学位论文全文数据库 医药卫生科技辑》;第54-56页 *

Also Published As

Publication number Publication date
DE102017204175A1 (de) 2018-09-20
CN108573487A (zh) 2018-09-25
US20180268569A1 (en) 2018-09-20

Similar Documents

Publication Publication Date Title
CN108573487B (zh) 用于找出医学图像数据中的异常的方法及医学成像装置
CN109567843B (zh) 一种成像扫描自动定位方法、装置、设备及介质
CN102239495B (zh) 用于采集医学图像数据的方法、装置和计算机程序产品
US20170311841A1 (en) Magnetic resonance apparatus and operating method therefor
KR101652387B1 (ko) 영상 데이터를 생성하는 방법
US10185018B2 (en) Method for motion correction in magnetic resonance imaging and magnetic resonance imaging apparatus
US20080298664A1 (en) Method for data evaluation
CN112568891B (zh) 自动定位患者的待检查区域以用于医学成像检查的方法及设计用于执行方法的医学成像设备
US20150260819A1 (en) Transfer of validated cad training data to amended mr contrast levels
US20200281539A1 (en) Creation of a digital twin for medical examinations
US20190008411A1 (en) Method for supporting a user when positioning an accessory for a magnetic resonance examination
KR20030047790A (ko) 의료 영상 진단 장치를 작동시키기 위한 방법
US20220068472A1 (en) System and method for standardized mri examinations with patient-centric scan workflow adaptations
EP2787882A1 (en) Magnetic resonance spectroscopic imaging volume of interest positioning
RU2689893C2 (ru) Система визуализации для одновоксельной спектроскопии
US10663547B2 (en) Automatic detection and setting of magnetic resonance protocols based on read-in image data
CN106466183B (zh) 工作站、包括其的医学成像设备和对其的控制方法
US10402974B2 (en) Method and apparatus for evaluation of medical data having a temporal resolution
CN108523889B (zh) 支持磁共振检查的规划的方法及执行该方法的磁共振装置
US8461839B2 (en) Magnetic resonance control system, method and apparatus for producing a 2D MR image
US20230070444A1 (en) Method and System for Image-Based Operational Decision Support
EP4133298B1 (en) Automated detection of critical stations in multi-station magnetic resonance imaging
US20230293040A1 (en) Method for Determining a Position of at Least One Coil Element of a Radiofrequency Coil That Can Be Inserted in a Patient Placement Region of a Magnetic Resonance Apparatus
US20240090791A1 (en) Anatomy Masking for MRI
US20230072095A1 (en) Decision module and method for image-based operational decision support

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20240902

Address after: German Phu F Haim

Patentee after: Siemens Medical AG

Country or region after: Germany

Address before: Erlangen

Patentee before: SIEMENS HEALTHCARE GmbH

Country or region before: Germany

TR01 Transfer of patent right