CN109859823B - 计算个性化患者模型的方法、计算单元和计算机程序产品 - Google Patents
计算个性化患者模型的方法、计算单元和计算机程序产品 Download PDFInfo
- Publication number
- CN109859823B CN109859823B CN201811138161.1A CN201811138161A CN109859823B CN 109859823 B CN109859823 B CN 109859823B CN 201811138161 A CN201811138161 A CN 201811138161A CN 109859823 B CN109859823 B CN 109859823B
- Authority
- CN
- China
- Prior art keywords
- patient
- model
- medical image
- metadata
- image data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000004590 computer program Methods 0.000 title abstract description 14
- 238000004364 calculation method Methods 0.000 title description 8
- 210000000056 organ Anatomy 0.000 claims abstract description 102
- 230000011218 segmentation Effects 0.000 claims description 19
- 210000001015 abdomen Anatomy 0.000 claims description 17
- 238000002059 diagnostic imaging Methods 0.000 claims description 13
- 238000003384 imaging method Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 4
- 230000015654 memory Effects 0.000 claims description 4
- 210000000038 chest Anatomy 0.000 description 15
- 238000012549 training Methods 0.000 description 15
- 238000000611 regression analysis Methods 0.000 description 13
- 210000003484 anatomy Anatomy 0.000 description 11
- 210000002216 heart Anatomy 0.000 description 9
- 210000004072 lung Anatomy 0.000 description 9
- 210000004185 liver Anatomy 0.000 description 8
- 238000013178 mathematical model Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 210000000683 abdominal cavity Anatomy 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 230000004223 radioprotective effect Effects 0.000 description 2
- 210000000115 thoracic cavity Anatomy 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000004980 dosimetry Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000009607 mammography Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 210000000952 spleen Anatomy 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2004—Aligning objects, relative positioning of parts
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种用于计算个性化患者模型的方法，所述个性化患者模型具有患者的外表面模型和所述患者的器官模型，所述方法具有如下步骤：‑获取所述患者的元数据，其中所述元数据与至少一个元数据类别关联；‑通过使用所述患者的元数据确定所述患者的外表面模型和所述患者的内部解剖模型，其中所述内部解剖模型具有所述患者的体腔；‑通过使用所述患者的元数据和所述患者的内部解剖模型确定所述患者的器官模型；以及‑计算所述个性化患者模型，其中将所述患者的外表面模型和所述患者的器官模型进行组合。此外，本发明还涉及一种用于计算个性化患者模型的计算单元和计算机程序产品。
Description
技术领域
本发明涉及一种用于计算个性化患者模型的方法、一种相关的计算单元和一种相关的计算机程序产品。
背景技术
在多种医学应用中使用个性化患者模型，所述个性化患者模型例如示出患者的表面模型或患者的解剖模型。
例如，在诊断影像检查中，例如在计算机断层扫描中，借助深度相机获取患者的表面模型并且借助于患者的表面模型改善患者的定位。在US 2016/0306924A1中公开了Singh等人的用于借助于深度相机估计患者的表面模型的方法。
典型地，个性化患者模型使用在连续观察剂量测定值、例如患者的皮肤剂量(英文“peak skin dose”，最高皮肤剂量)中，或用于在影像检查中改善系统设置。另一应用领域例如是基于X光的C型臂系统与患者的相对定位。尤其在不参考相应的患者的具体解剖结构或形态的情况下，而是仅基于例如来自较大患者群体的经验值和/或教科书确定个性化患者模型。
在一些应用情况下，根据体质指数调整个性化患者模型。例如，根据第二患者的体质指数调整个性化患者模型，所述个性化患者模型尤其曾针对第一患者计算或在教科书中定义。通常，与第二患者的体质指数相关地按比例确定第一患者的个性化患者模型的表面模型的脂肪含量。换言之，在一些应用情况下，仅改变第一患者的个性化患者模型的表面模型的范围，而没有针对第二患者计算个体的个性化患者模型。在一些情况下，解剖模型通常保持不变，这意味着极大的限制，因为体质指数通常对患者的解剖结构和形态有影响。
发明内容
本发明基于的目的是，提出一种用于借助于少量输入参数计算个性化患者模型的鲁棒的方法。
所述目的通过本发明的实施例的特征实现。
根据本发明的用于计算个性化患者模型的方法，所述个性化患者模型具有患者的外表面模型和患者的器官模型，所述方法具有如下步骤：
-获取患者的元数据，其中元数据与至少一个元数据类别关联；
-通过使用患者的元数据，确定患者的外表面模型和患者的内部解剖模型，其中内部解剖模型具有患者的体腔；
-通过使用患者的元数据和患者的内部解剖模型，确定患者的器官模型；以及
-计算个性化患者模型，其中将患者的外表面模型和患者的器官模型进行组合。
个性化患者模型尤其具有患者的基于计算机的、典型数字的拷贝。根据患者的元数据能够优选针对患者个体地计算个性化患者模型。个性化患者模型典型地能够称作为基于计算机的幻像(Phantom)。外表面模型尤其具有患者的表面的数字呈现。患者的表面例如能够对应于患者的皮肤。患者的器官模型尤其具有患者的一个器官，例如心脏、肺、脾、肾或肝。器官模型尤其能够具有多个器官，例如心脏或肝。器官模型尤其具有相应的器官的位置和/或体积。
外表面模型、内部解剖模型和器官模型能够例如分别基于图像地或数学模型化地示出。可考虑其他显示或呈现。基于图像的、尤其基于体素的显示例如对应于借助于光学相机的或在诊断成像设备中的拍摄。数学模型化的显示能够对应于数学模型、网格、多边形、体积和/或坐标集。优选地，器官模型的基于图像的显示能够转换为数学模型化的显示，反之亦然。
患者的元数据例如由用户或医生获取。尤其在患者的患者问卷的过程中本来就收集过元数据，或者元数据例如已经是患者的患者档案的部分。例如，用户能够询问患者的元数据和/或在患者档案中调用所述患者的元数据。元数据尤其具有如下数据，所述数据描述了患者。元数据例如能够由用户测量。元数据尤其能够在患者档案中并且附加地以适合的格式，例如以DICOM格式(Digital Imaging and Communications in Medicine(医学数字图像和通信))存在。元数据典型地不包括个性化患者模型。
至少一个元数据类别尤其能够实现：将分别关联的元数据进行分类和比较。至少一个元数据类别能够例如根据DICOM格式选择标准的部分，或者相反在一定程度上可作为自定义文本(Freitext)选择。
患者的体腔尤其对应于患者内部的自由空间。体腔能够替选地或附加地具有器官，例如心脏。优选地，体腔能够具有多个器官，例如心脏和肺。换言之，在此情况下器官例如心脏和肺设置在体腔内。体腔换言之也能够称作为解剖包络(anatomische Hülle)或凸面包络(konvexe Hülle)。
内部解剖模型优选包括患者的体腔的显示。尤其是，内部解剖模型对应于该显示。患者的内部解剖模型和患者的器官模型尤其与表面模型不同，即其分别具有患者的结构、内部形态和/或解剖结构，而表面模型描述患者的外部形态和/或解剖结构。在此，典型地不能从患者外部用肉眼获取内部形态和/或解剖结构。相反，典型地能够用肉眼获取患者的外部形态和/或解剖结构。
患者的元数据优选用作为用于确定患者的外表面模型和患者的内部解剖模型的输入参数。在此情况下，患者的元数据是患者的唯一的参数，所述参数用作为输入参数。例如，能够使用模型生成器，所述模型生成器构成和/或训练为用于确定患者的外表面模型和患者的内部解剖模型。当患者的元数据用作为输入参数时，患者的外表面模型和患者的内部解剖模型尤其是模型生成器的输出数据。在此情况下，患者的元数据尤其是模型生成器的输入参数。模型生成器能够访问其他数据，所述数据典型地不与该患者关联。其他数据能够具有医学图像数据组和/或相机图像拍摄。其他数据典型地不由用户或医生获取。
患者的元数据和患者的内部解剖模型优选用作为用于确定器官模型的输入参数。典型地，患者的元数据和患者的内部解剖模型在此是与该患者关联的唯一的输入参数。例如，构成用于确定患者的外表面模型和患者的内部解剖模型的模型生成器或另外的器官模型生成器能够构成和/或训练为用于确定患者的器官模型。在此情况下，当将患者的元数据和患者的内部解剖模型用作输入参数时，尤其模型生成器的和/或器官模型生成器的输出数据具有器官模型。患者的元数据和患者的内部解剖模型在此情况下尤其是模型生成器的和/或器官模型生成器的输入参数。
模型生成器的和/或表面模型生成器的训练能够在训练阶段中进行。例如能够由模型生成器的和/或表面模型生成器的制造商或由用户执行所述训练阶段。在训练阶段期间通常确定患者的至少一个元数据类别和外表面模型、患者的内部解剖模型和/或患者的器官模型之间的相互关系。在应用阶段中，根据患者的元参数(Metaparametern)尤其计算个性化患者模型。
患者的外表面模型和患者的器官模型的组合例如能够意味着，外表面模型的坐标系和器官模型的坐标系彼此匹配。匹配意味着：患者的外表面模型和患者的器官模型相对于相应的坐标系进行合并。替选地或附加地，患者的外表面模型和患者的器官模型能够具有彼此间的关系，其中所述关系在确定患者的外表面模型、患者的内部解剖模型和患者的器官模型时保持不变。
尤其提供计算出的个性化患者模型，例如在屏幕上显示和/或储存在数据库中。尤其，针对应用情况提供个性化患者模型。
个性化患者模型的应用能够至少在如下应用情况之一中进行：
-根据个性化患者模型定位患者，以进行影像检查或治疗疗程；
-根据个性化患者模型的信息，避免医学成像设备或治疗设备与患者的碰撞；
-在影像检查或治疗疗程期间，根据个性化患者模型计算尤其在皮肤上的剂量分配(“peak skin dose(皮肤峰值计量)”)和/或在患者内部的剂量分配(“organ dose(器官剂量)，equivalent patient dose(等同于患者剂量)”)；
-根据个性化患者模型计算在检查室中的剂量分布，在所述检查室中例如设置有医学成像设备或治疗设备，其中尤其计算用于医生或用户的剂量分布(“staff dose(人员剂量)”)；
-尤其在影像检查或治疗疗程期间，例如针对借助于基于X光的C型臂系统或血管造影设备的患者的心脏的后前位拍摄，根据个性化患者模型自动地定位医学成像设备或治疗设备；
-鉴于最优的剂量和/或成像质量，尤其与基于X光的C型臂系统的成角(Angulation)相关地，根据个性化患者模型，优化医学成像设备的测量参数，尤其基于X光的C型臂系统的管电流和/或管电压。
因此，根据本发明的用于计算个性化患者模型的方法尤其提供如下优点：尤其仅基于患者的元数据作为输入参数计算个性化患者模型。多级的方式，例如首先计算内部解剖模型并且随后计算器官模型，通常能够实现个性化患者模型的特别鲁棒的计算。个性化患者模型尤其具有外表面模型以及器官模型，仅通过使用患者的元数据计算所述外表面模型以及器官模型。个性化患者模型优选不使用深度相机来计算。典型地可特别灵活地应用个性化患者模型，因为所述患者模型包括患者的内部的以及外部的信息。优选地，个性化患者模型提供患者的整个身体的、尤其体腔的和器官的三维显示。
一个实施方式提出，至少一个元数据类别具有如下列表中的至少一个记录：
-患者的体重；
-患者的身高；
-患者的性别。
患者的体重例如对应于患者的体重而患者的身高尤其对应于体高。患者的性别典型为男性或女性。这些元数据的使用是特别有利的，因为通常总是存在患者的元数据并且可简单地获取患者的元数据。替选地或附加地，至少一个元数据类别能够具有患者的四肢的成角。四肢的成角例如能够描述，四肢处于患者的头部的高度上或替选地沿着患者的上身伸展。四肢的成角尤其是可测量的和/或与影像检查或相应的测量记录相关。典型地，在患者的上身的计算机断层扫描检查中将手臂伸展到头上方。在一个特别优选的实施方式中，能够自动地，例如借助于光学相机或深度相机获取四肢的成角。典型地，患者的外表面模型、患者的内部解剖模型和/或患者的器官模型与四肢的成角相关。
一个实施方式提出，在确定患者的外表面模型时考虑患者的姿势。患者的姿势例如能够描述站立的、躺下的或坐下的姿态。例如，在确定外表面模型时能够考虑患者的姿势，使得外表面模型具有站立的、躺下的或坐下的姿态。在特定情况下，患者能够具有如下姿势，即患者的四肢部分地交叉和/或伸展和/或弯曲。换言之，患者的姿势尤其与患者的四肢的成角相关。通过考虑患者的姿势，患者的外表面模型，尤其个性化患者模型能够有利地与患者的相应的定位和/或姿态匹配。
一个实施方式提出，确定患者的外表面模型包括：使用外部变形模型，其中外部变形模型与患者的姿势匹配。外部变形模型尤其具有至少一个数学变换。使用外部变形模型尤其包括：将外部变形模型应用于来自表面模型数据库中的外表面模型，使得外表面模型适配于相应的患者。在此情况下，应用外表面模型尤其包括：使外表面模型的姿势与患者的实际姿势适配。例如，站立的外表面模型能够借助于外部变形模型的使用变换为躺下的外表面模型。外部变形模型尤其能够实现外表面模型根据患者的姿态和/或定位(Lagerung)的变形。例如，借助于外部变形模型能够计算俯卧在病床上的患者的个性化患者模型，尤其表面模型。在另一实例中，外部变形模型能够实现确定患者的表面模型，其中表面模型例如具有坐下的姿态，其中四肢伸展。外部变形模型例如能够使伸展的臂弯曲，反之亦然。
一个实施方式提出，外部变形模型与物理力相匹配并且其中物理力影响患者的姿势。物理力例如描述重力、局部存在的重力场和/或作用于患者的惯性作用。典型地，外部变形模型与患者的姿势相对于物理力的方向矢量的定向相关。当患者例如比病床的支承面更宽时，物理力例如能够通过病床的形状预设。尤其当外部变形模型描述从站立姿态到坐下姿态的变换时，物理力不等于0。物理力影响姿势，尤其使得例如肥胖的患者的肚子在站立姿势或在躺下姿势中不同地显示。
一个实施方式提出，通过使用具有外表面模型的表面模型数据库并且通过使用具有医学影像数据组的医学影像数据库，确定患者的外表面模型和患者的内部解剖模型，其中表面模型相关的元数据与每个外表面模型关联，其中医学元数据与每个医学影像数据组关联，其中与表面模型相关的元数据和医学元数据与至少一个元数据类型关联。
表面模型数据库的外表面模型尤其在从外部测量多个训练人员期间生成。典型地，借助于深度相机或光学相机获取处于站立姿势或坐下姿势的多个训练人员，用以三维映像多个训练人员。附加地，通常三维映像同与表面模型相关的元数据关联，其中与表面模型相关的元数据描述相应的训练人员。由多个训练人员的三维映像尤其计算外表面模型，其中相应地关联有与表面模型相关的元数据。表面模型数据库例如能够由服装业构成。替选地或附加地，表面模型数据库能够具有外表面模型，所述外表面模型例如在辐射防护检查中被获取。辐射防护检查通常以站立姿势进行。
医学影像数据库的医学影像数据组尤其在借助于医学成像设备对训练人员进行影像检查期间生成。典型地，在执行影像检查或者在影像检查中获取的医学影像数据组被处理的地方，有医学影像数据库可用。医学影像数据库例如能够对应于放射学信息系统(RIS)或影像归档系统(PACS，Picture Archiving and Communication System(影像归档和通信系统))。与影像检查相关地，医学影像数据组具有相应的被检查的训练人员的相应的姿势。典型地，计算机断层扫描或磁共振断层扫描检查的医学影像数据组具有躺下的姿态或姿势，而例如基于X线的乳房X线照相术检查的医学影像数据组能够具有站立姿势。医学影像数据组尤其能够来源于任意医学成像设备。医学影像数据组优选形成被检查的训练人员的解剖结构、结构和/或形态。内部解剖模型尤其基于结构、形态和/或解剖结构在医学影像数据组中的映像。由医学影像数据组尤其能够计算内部解剖模型。典型地，相应被检查的训练人员的医学元数据与相应的医学成像设备的每个医学影像数据组关联。通常，将DICOM格式用于医学影像数据组，以便将相应的图像信息与相应的医学元数据链接。典型地，可提供多个外表面模型作为医学影像数据组。
医学影像数据组通常仅在极少情况下提供训练人员的整个身体的映像。与之相反，外表面模型典型地具有整个身体的映像。医学数据组典型地具有整个身体的部段，例如训练人员的腿和/或训练人员的胸部。尤其当医学影像数据组具有表面，优选皮肤时，由医学影像数据组优选能够至少分部段地计算医学外表面模型。
患者的元数据，表面模型相关的元数据和医学元数据与至少一个元数据类别关联，尤其意味着：患者的元数据，表面模型相关的元数据和医学元数据优选具有共同的特征和/或共同性。因此，至少一个元数据类别尤其具有类似的参数，其中患者的元数据，与表面模型相关的元数据和医学元数据具有类似的参数。可考虑的是，患者的元数据具有其他元数据类别，所述其他元数据类别典型地都不具有与表面模型相关的元数据和/或医学元数据，反之亦然。至少一个元数据类别尤其形成医学影像数据组和外表面模型之间的连接。
一个实施方式提出，通过使用表面模型数据库和医学影像数据库，确定患者的外表面模型，并且其中仅通过使用医学影像数据库，确定患者的内部解剖模型。优选地，医学影像数据库的医学影像数据组具有姿势或至少一个与表面模型数据库的外表面模型相比类似的姿势。尤其，当医学影像数据组和外表面模型具有相同的姿势时，外部变形模型的应用会是多余的。在此情况下，优选仅确定外表面模型并且典型地外部变形模型既不应用于外表面模型也不应用于内部解剖模型。换言之，尤其通过使用表面模型数据库和医学影像数据库来计算外部变形模型。
一个实施方式提出，通过使用医学影像数据库确定患者的内部解剖模型，所述医学影像数据库具有医学影像数据组，其中医学元数据与每个医学影像数据组关联，其中医学元数据与至少一个元数据类别关联，以及包括：根据患者的元数据，从医学影像数据库的医学影像数据组中选择至少一个医学影像数据组；以及通过使用至少一个医学影像数据组确定患者的内部解剖模型的体腔。选择至少一个医学影像数据组能够包括：学习至少一个元数据类别和医学影像数据组之间的第一相互关系，医学影像数据组与医学元数据关联。根据第一相互关系，根据患者的元数据选择优选至少一个医学影像数据组。有利地，尽可能匹配于患者地选择至少一个医学影像数据组，因为患者的元数据用作为用于选择的输入参数。例如借助于求平均值或类似的数学方法，根据患者的元数据能够尽可能由多个医学影像数据组计算至少一个医学影像数据组。
学习第一相互关系能够具有一阶回归分析。一般而言，回归分析是统计学方法，以便将相关的和不相关的变量之间的相互关系模型化。变量之间的相互关系通常以回归规则描绘。回归分析典型地求解回归问题。
为了求解回归问题，通常使用不同的方法，尤其线性回归或多元线性回归、支持向量机(SVM)、核SVM和/或借助于人工神经网络的深度学习法。借助于回归分析优选能够通过使用输入参数确定或估计输出数据。这样，确定患者的外表面模型和患者的内部解剖模型也能够具有：应用回归分析，其中患者的元数据用作为输入参数。确定患者的器官模型尤其具有：进一步应用回归分析，其中将患者的元数据用作为输入参数。在这些情况下，确定尤其对应于将患者的外表面模型和患者的内部解剖模型以及患者的器官模型作为相应的回归分析的输出数据提供。
一个实施方式提出，通过使用表面模型数据库，确定患者的外表面模型，所述表面模型数据库具有外表面模型，其中表面模型相关的元数据与每个外表面模型关联，其中表面模型相关的元数据与至少一个元数据类别关联，并且包括如下步骤：
-根据患者的元数据从表面模型数据库的外表面模型中选择所估计的外表面模型；
-通过使用所估计的外表面模型计算外部变形模型；以及
-将外部变形模型应用于所估计的外部变形模型，其中产生患者的外表面模型。
选择所估计的外表面模型能够包括：学习至少一个元数据类别和外表面模型之间的第二相互关系，所述外表面模型同与表面模型相关的元数据关联。通常，学习第二相互关系具有二阶回归分析。根据第二相互关系，优选根据患者的元数据选择所估计的外表面模型。有利地，尽可能匹配于患者地选择所估计的外表面模型，因为患者的元数据被用作为用于选择的输入参数。根据患者的元数据尤其能够尽可能由多个类似的外表面模型计算所估计的外表面模型，例如借助于求平均值或类似的数学方法。
基于所估计的外表面模型，外部变形模型尤其与患者的姿势匹配。所估计的外表面模型尤其是用于计算外部变形模型的第一输入参数。在将外部变形模型应用于所估计的外表面模型时，所估计的外表面模型例如根据患者的姿势变换。所估计的外表面模型例如具有站立姿势，而患者的外表面模型尤其具有躺下的姿势。所估计的外表面模型和患者的外表面模型区别尤其在于外部变形模型的应用。
替选地或附加地，外部变形模型能够应用于患者的内部解剖模型。在此情况下，根据外表面模型例如调整体腔，尤其体腔的位置和/或体积。相应地调整患者的外表面模型和患者的器官模型之间的关系。这尤其在如下情况下是有利的：外部变形模型与患者的四肢的成角相关。例如，当外部变形模型描述从患者手臂伸展过头变换到患者手臂交叉搁在肚子上时，肺相对于皮肤的位置移动。
一个实施方式提出，通过使用医学影像数据库计算外部变形模型，所述医学影像数据库具有医学影像数据组，其中医学元数据与每个医学影像数据组关联，其中医学元数据与至少一个元数据类别关联，并且包括如下步骤：
-根据患者的元数据，从医学影像数据库的医学影像数据组中选择至少一个医学影像数据组；以及
-配准所估计的外表面模型和至少一个医学影像数据组。
例如能够根据第一相互关系或通过使用一阶回归分析选择至少一个医学影像数据组。原则上可考虑的是，进行另外的回归分析，以学习至少一个元数据类别和医学影像数据组之间的另外的相互关系，所述医学影像数据组尤其具有医学元数据。在此情况下，患者的元数据是用于另外的回归分析的输入参数并且输出数据尤其具有至少一个医学影像数据组。通常，根据一个刚性配准进行配准。尤其根据刚性配准能够计算外部变形模型。
一个实施方式提出，在配准所估计的外部变形模型之前，根据第一分割规则将至少一个医学影像数据组分割；和/或通过根据第二分割规则分割至少一个医学影像数据组确定患者的内部解剖模型的体腔。
第一分割规则尤其能够根据相应的患者的皮肤和/或表面构成。换言之，在根据第一分割规则分割时，尤其在至少一个医学影像数据组中确定皮肤。皮肤尤其在医学影像数据组中以形态、以结构和/或以解剖结构来映像。被分割的至少一个第一医学影像数据组优选对应于医学外表面模型。在用所估计的外表面模型配准时优选代替至少一个医学影像数据组使用医学外表面模型。医学外表面模型尤其是用于计算外部变形模型的第二输入参数。
第二分割规则尤其能够实现：确定解剖包络或凸面包络，例如围绕在至少一个医学影像数据组中映像的器官。在医学影像数据组中的形态、结构和/或解剖结构尤其具有解剖包络，典型地具有体腔，并且尤其具有由解剖包络包围的器官。体腔尤其对应于解剖包络或凸面包络。解剖包络的两个典型的实例尤其是胸腔(Cavitas thoracis)和腹腔(Cavitasabdominalis)。
一个实施方式提出，内部解剖模型除了所述体腔之外具有另外的体腔，其中所述体腔具有患者的胸部而所述另外的体腔具有患者的腹部，并且其中在确定患者的器官模型时，使体腔“胸部”和另外的体腔“腹部”之间的间距最小。体腔“胸部”尤其对应于胸腔而另外的体腔“腹部”尤其对应于腹腔。器官尤其能够设置在所述体腔或另外的体腔之内。多个器官尤其能够分别设置在所述体腔或另外的体腔之内。例如，体腔“胸部”能够具有患者的心和/或肺，而另外的体腔“腹部”具有患者的肝。换言之，体腔“胸部”形成围绕心或肺的第一凸面包络而另外的体腔“腹部”形成围绕肝的第二凸面包络。典型地，该体腔和另外的体腔之间的交集为空。在此情况下，在心和肝之间的间距或在肺和肝之间的间距尤其例如能够最小化。最小化的预设例如可以具有医学标准文献。器官模型能够具有体腔和另外的体腔，尤其具有体腔“胸部”和另外的体腔“腹部”。例如，代替在确定内部解剖模型时最小化，在确定器官模型时使体腔“胸部”和体腔“腹部”之间的间距最小。
一个实施方式提出，通过使用医学影像数据库，确定患者的器官模型，所述医学影像数据库具有医学影像数据组，其中医学元数据与每个医学影像数据组关联，其中医学元数据与至少一个元数据类别关联。典型地，仅将患者的元数据和医学影像数据库用于确定患者的器官模型。通常，用于确定患者的器官模型的医学影像数据库尤其能够对应于用于确定患者的表面模型和患者的内部解剖模型的医学影像数据库。换言之，医学影像数据库能够用于确定患者的器官模型以及用于确定患者的表面模型和患者的内部解剖模型。
一个实施方式提出，确定器官模型包括如下步骤：
-根据患者的元数据从医学影像数据库的医学影像数据组中选择至少一个医学影像数据组；
-根据第三分割规则，将至少一个医学影像数据组分割；
-通过使用患者的内部解剖模型和被分割的至少一个医学影像数据组计算至少一个内部变形模型；
-将至少一个内部变形模型应用于被分割的至少一个医学影像数据组；以及
-根据变形的至少一个医学影像数据组将患者的内部解剖模型分类，其中产生器官模型。
优选根据第一相互关系或通过使用一阶回归分析选择至少一个医学影像数据组。原则上可考虑的是，进行另外的回归分析，以学习至少一个元数据类别和医学影像数据组之间的另外的相互关系，所述医学影像数据组尤其具有医学元数据。在此情况下，能够通过使用另外的回归分析选择至少一个医学影像数据组。
第三分割规则尤其能够实现：确定解剖包络或凸面包络，尤其围绕在至少一个医学影像数据组中的器官。优选地，被分割的至少一个医学影像数据组具有围绕器官的解剖包络和器官本身。尤其是，当除了该器官之外还在至少一个医学影像数据组中映像另外的器官并且解剖包络具有该器官和另外的器官时，被分割的至少一个医学影像数据组具有围绕器官和另外的器官的解剖包络以及器官和另外的器官。与器官的和另外的器官相互间的位置相关地，解剖包络能够具有该器官、另外的器官和填充空间，其中由该器官、另外的器官和填充空间构成的总和得出解剖包络的体积。解剖包络、凸面包络和体腔通常相互对应。典型地，第三分割规则能够对应于第二分割规则。
计算至少一个内部变形模型尤其具有患者的内部解剖模型的和被分割的至少一个医学影像数据组的非刚性配准。例如，在非刚性配准之前，患者的内部解剖模型的数学模型显示和至少一个医学影像数据组的数学模型显示能够被转换为相应的基于影像的显示。典型地，基于影像地执行刚性配准和/或非刚性配准。刚性配准尤其包括旋转和平移，而非刚性配准尤其具有弹性变换。例如，能够针对刚性配准和/或非刚性配准设置标记(Landmarken)，尤其在至少一个医学影像数据组中的标记，其中标记能够简化配准。
借助于应用至少一个内部变形模型，尤其至少一个医学影像数据组变形。当至少一个医学影像数据组具有体腔和例如在体腔之内的器官时，优选体腔和该器官根据至少一个内部变形模型变形。
内部解剖模型典型地在分类之前不具有器官，而是仅具有体腔，其中应当嵌入有器官。变形的和尤其被分割的至少一个影像数据组优选具有器官，例如附加地具有另外的器官，以及体腔。通常，在应用至少一个内部变形模型之后，内部解剖模型的体腔和在至少一个医学影像数据组中的体腔，尤其围绕器官和另外的器官的解剖包络是全等的。优选地，将患者的内部解剖模型分类能够包括基于体素的检验：在至少一个医学影像数据组中的相应的体素是否具有该器官。如果相应的体素具有该器官，那么患者的内部解剖模型的相应的体素同样分类为该器官。在分类之后，当变形的至少一个医学影像数据组同样具有该器官时，患者的内部解剖模型优选具有该器官。由此，尤其产生器官模型。
根据本发明的用于计算个性化患者模型的计算单元具有计算模块。计算单元尤其构成用于计算个性化患者模型。计算模块尤其具有处理器和工作存储器，其中处理器优选能够执行用于计算个性化患者模型的方法步骤。计算单元能够附加地具有输入设备和屏幕，其中例如用户借助于输入设备获取患者的元数据并且尤其能够在屏幕上显示。优选地，屏幕能够显示个性化患者模型和/或保存在计算单元的硬盘上。计算单元例如能够经由适合的接口将个性化患者模型和/或患者的元数据传输给计算机网络或医学成像设备或外部的存储器单元和/或从那里调取。计算单元优选与计算机网络，尤其表面模型数据库和/或医学影像数据库连接。替选地或附加地，计算单元或连接于计算单元的外部的存储器单元能够具有表面模型数据库和/或医学影像数据库。计算单元尤其能够具有模型生成器和/或器官模型生成器。
根据本发明的计算机程序产品，其可直接加载在可编程的计算单元的存储器中，该计算机程序产品具有程序代码介质，以便当在计算单元中执行计算机程序产品时，执行根据本发明的实施例所述的方法。计算机程序产品能够是计算机程序或包括计算机程序。由此能够快速地、可相同重复地且鲁棒地执行根据本发明的方法。计算机程序产品优选配置为，使得能够借助于计算单元执行根据本发明的方法步骤。计算机程序产品例如存储在计算机可读的介质上或存储在计算机网络中或服务器上，从那里能够将所述计算机程序产品加载到计算单元的处理器中。此外，计算机程序产品的控制信息能够存储在电子可读的数据载体上。电子可读的数据载体的控制信息能够设计为，使得在数据载体应用在计算单元中时所述控制信息执行根据本发明的方法。因此，计算机程序产品也能够是电子可读的数据载体。用于电子可读的数据载体的实例是DVD、磁带、硬盘或U盘，在所述数据载体上存储有电子可读的控制信息，所述控制信息尤其对应于程序编码介质。在将这些控制信息从数据载体读取并且存储在计算单元中时，能够执行之前所描述的方法的所有根据本发明的实施方式。因此，本发明也能够以所述的计算机可读的介质和/或所述的电子可读的数据载体为出发点。计算机程序产品尤其能够具有模型生成器和/或器官模型生成器。
根据本发明的用于计算个性化患者模型和/或相关的计算单元和/或相关的计算机程序产品的方法的其他特征、优点或替选的实施方式同样也能够转用于相应的其他要求保护的主题，反之亦然。
附图说明
下面，根据在附图中示出的实施例详细描述和阐述本发明。
附图示出：
图1示出在第一实施例中的方法；
图2示出在第二实施例中的方法；
图3示出在第三实施例中的方法；
图4示出在第四实施例中的方法；以及
图5示出个性化患者模型。
具体实施方式
图1示出在第一实施例中的用于计算个性化患者模型的方法。个性化患者模型具有患者的外表面模型和患者的器官模型。用于计算个性化患者模型的方法具有方法步骤100至103。
方法步骤100表示，获取患者的元数据，其中元数据与至少一个元数据类别关联。
方法步骤101表示，通过使用患者的元数据确定患者的外表面模型和患者的内部解剖模型，其中内部解剖模型具有患者的体腔。
方法步骤102表示，通过使用患者的元数据和患者的内部解剖模型确定患者的器官模型。
方法步骤103表示，计算个性化患者模型，其中将患者的外表面模型和患者的器官模型组合。
下文中对下面的实施例的描述基本上限于与在图1中的实施例的不同之处，其中对于保持不变的方法步骤参照图1中的实施例的描述。基本上保持不变的方法步骤原则上用相同的附图标记编号。
图2示出在第二实施例中的用于计算个性化患者模型的方法。至少一个元数据类别在本实施例中具有患者的体重、患者的身高和患者的性别。
方法步骤200表示，在确定患者的外表面模型时考虑患者的姿势。
方法步骤201表示，外部变形模型与物理力匹配，并且其中物理力影响患者的姿势。
方法步骤202表示，确定患者的外表面模型包括：使用外部变形模型，其中外部变形模型与患者的姿势匹配。
图3示出在第三实施例中的用于计算个性化患者模型的方法。
通过使用表面模型数据库DB1和通过使用医学影像数据库DB2确定患者的外表面模型和患者的内部解剖模型，所述表面模型数据库具有外表面模型，其中表面模型相关的元数据与每个外表面模型关联，并且所述医学影像数据库具有医学影像数据组，其中医学元数据与每个医学影像数据组关联，其中表面模型相关的元数据和医学元数据与至少一个元数据类别关联。在本实施例中，通过使用表面模型数据库DB1和医学影像数据库DB2确定患者的外表面模型，其中仅通过使用医学影像数据库DB2确定患者的内部解剖模型。
确定患者的内部解剖模型包括如下方法步骤300、301.S和301。
方法步骤300表示，根据患者的元数据从医学影像数据库DB2的医学影像数据组中选择至少一个医学影像数据组。
方法步骤301.S表示，通过根据第二分割规则分割至少一个医学影像数据组，确定患者的内部解剖模型的体腔。第二分割规则构成用于分割在所述至少一个医学影像数据组中的解剖包络或凸面包络，尤其体腔。
方法步骤301表示，通过使用至少一个医学影像数据组，确定患者的内部解剖模型的体腔。
方法步骤302表示，根据患者的元数据从表面模型数据库DB1的外表面模型中选择所估计的外表面模型。
方法步骤303表示，通过使用所估计的外表面模型，计算外部变形模型，其中，计算外部变形模型包括方法步骤300和如下方法步骤303.S和303.R。
方法步骤303.S表示，在配准所估计的外部变形模型之前，根据第一分割规则分割所述至少一个医学影像数据组。第一分割规则构成用于在所述至少一个医学影像数据组中分割表面，尤其皮肤。
方法步骤303.R表示，配准所估计的外表面模型和所述至少一个医学影像数据组。
方法步骤304表示，将外部变形模型应用于所估计的外表面模型，其中产生患者的外表面模型。
图4示出在第四实施例中的用于计算个性化患者模型的方法。
通过使用医学影像数据库DB2确定患者的器官模型，所述医学影像数据库具有医学影像数据组，其中医学元数据与每个医学影像数据组关联，其中医学元数据与至少一个元数据类别关联。
确定器官模型包括如下方法步骤400至404。
方法步骤400表示，根据患者的元数据从医学影像数据库中的医学影像数据组中选择至少一个医学影像数据组。在本实施例中，选择数量N大于1的医学影像数据组。这尤其对于将患者的内部解剖模型分类是有利的。通常，从医学影像数据库的医学影像数据组中选择N个最类似的医学影像数据组。
方法步骤401表示，根据第三分割规则分割至少一个医学影像数据组。在本方法步骤中，在N个最类似的医学影像数据组中进行N次分割。
方法步骤402表示，通过使用患者的内部解剖模型并且被分割的至少一个医学影像数据组，计算至少一个内部变形模型。在本方法步骤中，通过使用患者的内部解剖模型和N个最类似的医学影像数据组，单独地计算N个内部变形模型。
方法步骤403表示，将至少一个内部变形模型应用于被分割的至少一个医学影像数据组。在本方法步骤中，将N个内部变形模型应用于相应的N个最类似的医学影像数据组。
方法步骤404表示，根据变形的至少一个医学影像数据组将患者的内部解剖模型分类，其中产生器官模型。分类根据多数决定原则进行：即被检查的体素是否具有器官。通常，类似的医学影像数据组选择得越多，也就是说N越大，则分类越鲁棒。对于分类决定性的尤其是至少一个医学影像数据组的相似性的程度。相似性的程度尤其与个性化患者模型的质量相关。例如借助于最邻近分类(k-nearest-Neighbor，k最近邻)来确定医学影像数据组的相似性。有利地，选择N个具有高相似性的医学影像数据组。
方法步骤405表示，内部解剖模型除了所述体腔之外具有另外的体腔，其中所述体腔具有患者的胸部而另外的体腔具有患者的腹部，并且其中在确定患者的器官模型时使体腔“胸部”和另外的体腔“腹部”之间的间距最小。
图5示出在一个可能的实施方案中的个性化患者模型。图5尤其示出个性化患者模型的抽象。除了在图5中示出的实施方案以外，当然也可考虑个性化患者模型的其他实施方案。个性化患者模型P具有患者的外表面模型E、患者的内部解剖模型I和患者的器官模型O。患者的外表面模型E示出患者的上身的局部并且限界患者的皮肤。患者的内部解剖模型I具有体腔“胸部”T和另外的体腔“腹部”A。患者的器官模型O设置在内部解剖模型I之内。患者的器官模型O具有多个器官，在此情况下具有患者的肺L1和患者的肝L2。体腔“胸部”T具有患者的肺L1而另外的体腔“腹部”A具有患者的肝L2。体腔“胸部”T和另外的体腔“腹部”A之间的交集为空，尽管在图5中的个性化患者模型P的示图表明体腔“胸部”T和另外的体腔“腹部”A的重叠。
尽管本发明的细节通过优选的实施例详细说明和描述，但是本发明并不局限于公开的实例和本领域技术人员能够从中推导出的其他变型方案，而不会偏离本发明的保护范围。
Claims (13)
1.一种用于计算个性化患者模型的方法，所述个性化患者模型具有患者的外表面模型和所述患者的器官模型，所述方法具有如下步骤：
- 获取所述患者的元数据，其中所述元数据与至少一个元数据类别关联；
- 通过使用所述患者的元数据确定所述患者的外表面模型和所述患者的内部解剖模型，其中所述内部解剖模型具有所述患者的体腔，其中通过使用表面模型数据库并且通过使用医学影像数据库，确定所述患者的外表面模型和所述患者的内部解剖模型，所述表面模型数据库具有外表面模型，其中与表面模型相关的元数据与每个外表面模型相关联，所述医学影像数据库具有医学影像数据组，其中医学元数据与每个医学影像数据组关联，其中所述与表面模型相关的元数据和所述医学元数据与至少一个元数据类别关联；
- 通过使用所述患者的元数据和所述患者的内部解剖模型确定所述患者的器官模型；其中通过使用医学影像数据库，确定所述患者的器官模型，
- 计算所述个性化患者模型，其中将所述患者的外表面模型和所述患者的器官模型进行组合，和
- 针对应用情况提供个性化患者模型，
其中将所述个性化患者模型应用于如下应用情况中的至少一个应用情况中：
- 根据所述个性化患者模型定位患者，以进行影像检查或治疗疗程；
- 根据所述个性化患者模型的信息，避免医学成像设备或治疗设备与患者的碰撞；
- 在影像检查或治疗疗程期间，根据所述个性化患者模型计算剂量分配；
- 根据所述个性化患者模型计算在检查室中的剂量分配；
- 根据所述个性化患者模型自动地定位所述医学成像设备或所述治疗设备；
- 鉴于最优的剂量和/或成像质量，根据个性化患者模型，优化所述医学成像设备的测量参数。
2.根据权利要求1所述的方法，其中所述至少一个元数据类别具有如下列表中的至少一个记录：
- 所述患者的体重；
- 所述患者的身高；
-所述患者的性别。
3.根据权利要求1或2所述的方法，其中在确定所述患者的外表面模型时，考虑所述患者的姿势。
4.根据权利要求3所述的方法，其中，确定所述患者的外表面模型包括：使用外部变形模型，其中所述外部变形模型与所述患者的姿势匹配。
5.根据权利要求4所述的方法，其中所述外部变形模型与物理力匹配，并且其中所述物理力影响所述患者的姿势。
6.根据权利要求1或2所述的方法，其中，通过使用所述表面模型数据库和所述医学影像数据库，确定所述患者的外表面模型，并且其中，仅通过使用所述医学影像数据库，确定所述患者的内部解剖模型。
7.根据权利要求1或2所述的方法，其中，通过使用所述医学影像数据库，确定所述患者的内部解剖模型，并且所述方法包括如下步骤：
- 根据所述患者的元数据，从所述医学影像数据库的医学影像数据组中选择至少一个医学影像数据组；以及
- 通过使用所述至少一个医学影像数据组，确定所述患者的内部解剖模型的体腔，其中通过根据第二分割规则分割所述至少一个医学影像数据组确定患者的内部解剖模型的体腔。
8.根据权利要求4所述的方法，其中，通过使用所述表面模型数据库，确定所述患者的外表面模型，并且所述方法包括如下步骤：
- 根据所述患者的元数据从所述表面模型数据库的外表面模型中选择所估计的外表面模型；
- 通过使用所估计的外表面模型，计算所述外部变形模型；以及
- 将所述外部变形模型应用于所估计的外部变形模型，其中产生所述患者的外表面模型。
9.根据权利要求8所述的方法，其中通过使用所述医学影像数据库，计算所述外部变形模型，并且所述方法包括如下步骤：
- 根据所述患者的元数据从所述医学影像数据库的医学影像数据组中选择至少一个医学影像数据组；以及
- 配准所估计的外表面模型和所述至少一个医学影像数据组，其中在配准所估计的外部变形模型之前，根据第一分割规则将所述至少一个医学影像数据组分割。
10.根据权利要求1或2所述的方法，其中，所述内部解剖模型除了所述体腔之外还具有另外的体腔，其中所述体腔具有所述患者的胸部而所述另外的体腔具有所述患者的腹部，并且其中在确定所述患者的器官模型时，使所述体腔“胸部”与所述另外的体腔“腹部”之间的间距最小。
11.根据权利要求1或2所述的方法，其中，确定所述器官模型包括如下步骤：
- 根据所述患者的元数据从所述医学影像数据库的医学影像数据组中选择至少一个医学影像数据组；
- 根据第三分割规则，分割所述至少一个医学影像数据组；
- 通过使用所述患者的内部解剖模型和被分割的所述至少一个医学影像数据组，计算至少一个内部变形模型；
- 将所述至少一个内部变形模型应用于被分割的所述至少一个医学影像数据组；以及
- 根据变形的所述至少一个医学影像数据组，将所述患者的内部解剖模型分类，其中产生所述器官模型。
12.一种用于计算个性化患者模型的计算单元，其具有计算模块，其中所述计算单元构成用于执行根据权利要求1至11中任一项所述的方法。
13.一种计算机存储介质，其能够直接加载到可编程的计算单元的存储器中，所述计算机存储介质具有程序代码，以便当在所述计算单元中执行所述程序代码时，执行根据权利要求1至11中任一项所述的方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP17193766.7A EP3462461A1 (de) | 2017-09-28 | 2017-09-28 | Personalisiertes patientenmodell |
| EP17193766.7 | 2017-09-28 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109859823A CN109859823A (zh) | 2019-06-07 |
| CN109859823B true CN109859823B (zh) | 2024-02-02 |
Family
ID=60037375
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811138161.1A Active CN109859823B (zh) | 2017-09-28 | 2018-09-28 | 计算个性化患者模型的方法、计算单元和计算机程序产品 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11295852B2 (zh) |
| EP (1) | EP3462461A1 (zh) |
| CN (1) | CN109859823B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11430564B2 (en) * | 2019-11-27 | 2022-08-30 | Shanghai United Imaging Intelligence Co., Ltd. | Personalized patient positioning, verification and treatment |
| CN112420143B (zh) * | 2019-11-27 | 2024-08-02 | 上海联影智能医疗科技有限公司 | 提供个性化健康护理的系统，方法和装置 |
| CN110880366B (zh) * | 2019-12-03 | 2022-10-25 | 上海联影智能医疗科技有限公司 | 一种医学影像处理系统 |
| US20220319673A1 (en) * | 2021-03-31 | 2022-10-06 | GE Precision Healthcare LLC | Methods and systems for new data storage and management scheme for medical imaging solutions |
| DE102021210991A1 (de) | 2021-09-30 | 2023-03-30 | Friedrich-Alexander-Universität Erlangen-Nürnberg | Simulation einer Bildgebungsmodalität |
| DE102022209888B3 (de) * | 2022-09-20 | 2023-11-02 | Siemens Healthcare Gmbh | Verfahren zum Bereitstellen eines Kollisionsmodells und System |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5740802A (en) * | 1993-04-20 | 1998-04-21 | General Electric Company | Computer graphic and live video system for enhancing visualization of body structures during surgery |
| CN102915400A (zh) * | 2011-08-02 | 2013-02-06 | 西门子公司 | 用于计算机支持地显示或分析医学检查数据的方法和装置 |
| CN103065358A (zh) * | 2013-01-14 | 2013-04-24 | 中国科学院合肥物质科学研究院 | 一种基于影像体元运算的器官几何重建方法 |
| CN103295234A (zh) * | 2013-05-17 | 2013-09-11 | 上海大图医疗科技有限公司 | 基于形变表面模型的医学图像分割系统及方法 |
| CN105474219A (zh) * | 2013-08-28 | 2016-04-06 | 西门子公司 | 用于根据医学图像和临床数据来估计生理学心脏测量的系统和方法 |
| CN107004269A (zh) * | 2014-11-28 | 2017-08-01 | 皇家飞利浦有限公司 | 对解剖结构的基于模型的分割 |
| CN107016717A (zh) * | 2015-09-25 | 2017-08-04 | 西门子保健有限责任公司 | 用于患者的透视视图的系统和方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6236878B1 (en) * | 1998-05-22 | 2001-05-22 | Charles A. Taylor | Method for predictive modeling for planning medical interventions and simulating physiological conditions |
| ATE522242T1 (de) * | 2009-05-29 | 2011-09-15 | Fluidda Respi | Verfahren zur festlegung von behandlungen mittels patientenspezifischer lungenmodelle und computerverfahren |
| US9769912B2 (en) * | 2010-10-20 | 2017-09-19 | Medtronic Navigation, Inc. | Gated image acquisition and patient model construction |
| US9875339B2 (en) * | 2011-01-27 | 2018-01-23 | Simbionix Ltd. | System and method for generating a patient-specific digital image-based model of an anatomical structure |
| US10037820B2 (en) * | 2012-05-29 | 2018-07-31 | Medical Avatar Llc | System and method for managing past, present, and future states of health using personalized 3-D anatomical models |
| US10331850B2 (en) | 2014-01-28 | 2019-06-25 | Siemens Healthcare Gmbh | Estimating body surface models of patients |
| US9779505B2 (en) * | 2014-09-30 | 2017-10-03 | Toshiba Medical Systems Corporation | Medical data processing apparatus and method |
| WO2016073841A1 (en) * | 2014-11-06 | 2016-05-12 | Siemens Medical Solutions Usa, Inc. | Scan data retrieval with depth sensor data |
-
2017
- 2017-09-28 EP EP17193766.7A patent/EP3462461A1/de not_active Withdrawn
-
2018
- 2018-09-19 US US16/135,168 patent/US11295852B2/en active Active
- 2018-09-28 CN CN201811138161.1A patent/CN109859823B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5740802A (en) * | 1993-04-20 | 1998-04-21 | General Electric Company | Computer graphic and live video system for enhancing visualization of body structures during surgery |
| CN102915400A (zh) * | 2011-08-02 | 2013-02-06 | 西门子公司 | 用于计算机支持地显示或分析医学检查数据的方法和装置 |
| CN103065358A (zh) * | 2013-01-14 | 2013-04-24 | 中国科学院合肥物质科学研究院 | 一种基于影像体元运算的器官几何重建方法 |
| CN103295234A (zh) * | 2013-05-17 | 2013-09-11 | 上海大图医疗科技有限公司 | 基于形变表面模型的医学图像分割系统及方法 |
| CN105474219A (zh) * | 2013-08-28 | 2016-04-06 | 西门子公司 | 用于根据医学图像和临床数据来估计生理学心脏测量的系统和方法 |
| CN107004269A (zh) * | 2014-11-28 | 2017-08-01 | 皇家飞利浦有限公司 | 对解剖结构的基于模型的分割 |
| CN107016717A (zh) * | 2015-09-25 | 2017-08-04 | 西门子保健有限责任公司 | 用于患者的透视视图的系统和方法 |
Non-Patent Citations (3)
| Title |
|---|
| Deformable adult human phantoms for radiation protection dosimetry: anthropometric data representing size distributions of adult worker populations and software algorithms;Yong Hum Na，et all；;《PHYSICS INMEDICINE ANDBIOLOGY》;20100517;正文第3791-3797、3807页 * |
| Muhammad Sajjad Akbar ; Hongnian Yu ; Shuang Cang.A holistic simulation model for remote patient monitoring systems using Wireless Body Area Sensor Networks (WBASNs).《2015 9th International Conference on Software, Knowledge, Information Management and Applications (SKIMA)》.2016,全文. * |
| 仿真环境下医学器官的三维有限元建模方法;胡志刚;李洪波;;中国组织工程研究与临床康复(48);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| US20190096520A1 (en) | 2019-03-28 |
| EP3462461A1 (de) | 2019-04-03 |
| US11295852B2 (en) | 2022-04-05 |
| CN109859823A (zh) | 2019-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109859823B (zh) | 计算个性化患者模型的方法、计算单元和计算机程序产品 | |
| JP7225295B2 (ja) | 医用画像表示装置、方法およびプログラム | |
| US10699410B2 (en) | Automatic change detection in medical images | |
| JP6220310B2 (ja) | 医用画像情報システム、医用画像情報処理方法及びプログラム | |
| US9639938B2 (en) | Matching patient images of different imaging modality using atlas information | |
| Han et al. | A nonlinear biomechanical model based registration method for aligning prone and supine MR breast images | |
| CN108697402B (zh) | 在三维图像中确定深度脑刺激电极的旋转方位 | |
| US9336457B2 (en) | Adaptive anatomical region prediction | |
| EP2252204A1 (en) | Ct surrogate by auto-segmentation of magnetic resonance images | |
| CN112639998A (zh) | 解剖结构与体表电极定位的计算模拟 | |
| US11327773B2 (en) | Anatomy-aware adaptation of graphical user interface | |
| JP5415245B2 (ja) | 医用画像表示装置および方法並びにプログラム | |
| CN110546685A (zh) | 图像分割和分割预测 | |
| US20220399107A1 (en) | Automated protocoling in medical imaging systems | |
| US11657519B2 (en) | Method for deformation correction | |
| US20150278471A1 (en) | Simulation of objects in an atlas and registration of patient data containing a specific structure to atlas data | |
| US20210133356A1 (en) | Anonymization of Medical Image Data | |
| EP3629931B1 (en) | Heatmap and atlas | |
| US20210287368A1 (en) | Estimating patient biographic data parameters | |
| Danch-Wierzchowska et al. | FEM-based MRI deformation algorithm for breast deformation analysis | |
| CN112488289A (zh) | 预测数据组的提供 | |
| US12033366B2 (en) | Matching apparatus, matching method, and matching program | |
| US20240312603A1 (en) | Whole-Body Anatomical Digital Twin from Partial Medical Images | |
| EP4318494A1 (en) | Method and apparatus for providing confidence information on result of artificial intelligence model | |
| JP2022148868A (ja) | 画像位置合わせ装置、方法およびプログラム、並びに位置特定装置、方法およびプログラム |
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 | ||
| 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 |