CN110459298B - 用于求出结果值的方法和设备、诊断站和成像系统 - Google Patents
用于求出结果值的方法和设备、诊断站和成像系统 Download PDFInfo
- Publication number
- CN110459298B CN110459298B CN201910382709.5A CN201910382709A CN110459298B CN 110459298 B CN110459298 B CN 110459298B CN 201910382709 A CN201910382709 A CN 201910382709A CN 110459298 B CN110459298 B CN 110459298B
- Authority
- CN
- China
- Prior art keywords
- result value
- value
- image
- reference points
- reference point
- 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 66
- 238000003384 imaging method Methods 0.000 title description 5
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 28
- 230000000399 orthopedic effect Effects 0.000 claims abstract description 14
- 238000002059 diagnostic imaging Methods 0.000 claims abstract description 13
- 230000033001 locomotion Effects 0.000 claims description 43
- 230000008859 change Effects 0.000 claims description 22
- 238000012360 testing method Methods 0.000 claims description 14
- 238000012800 visualization Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000007689 inspection Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 description 19
- 238000004422 calculation algorithm Methods 0.000 description 14
- 239000000306 component Substances 0.000 description 13
- 239000013598 vector Substances 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000002591 computed tomography Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000002601 radiography Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 210000003127 knee Anatomy 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 210000000629 knee joint Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000002746 orthostatic effect Effects 0.000 description 1
- 210000004417 patella Anatomy 0.000 description 1
- 210000000426 patellar ligament Anatomy 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 210000003314 quadriceps muscle Anatomy 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 210000002303 tibia Anatomy 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1071—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring angles, e.g. using goniometers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
- A61B5/4585—Evaluating the knee
-
- 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
-
- 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
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- 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
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/505—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of bone
-
- 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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
- 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
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/10132—Ultrasound image
-
- 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
- G06T2207/30008—Bone
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Dentistry (AREA)
- Primary Health Care (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Pulmonology (AREA)
- Physiology (AREA)
- Mathematical Physics (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Fuzzy Systems (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Physical Education & Sports Medicine (AREA)
Abstract
本发明涉及一种用于基于骨骼医学影像照片(B)求出结果值的方法,其包括如下步骤:提供骨骼医学影像照片(B);自动地确定所述影像照片(B)中的参考点(R1,R2,R3);至少基于两个参考点(R1,R2,R3)之间的间距(A1,A2)和/或基于由所述参考点(R1,R2,R3)限定的角来计算矫形的结果值(OE)。本发明还涉及一种与此相关的设备,一种用于诊断骨骼医学影像照片的相应的诊断站,以及一种相应的医学成像系统。
Description
技术领域
本发明涉及用于基于骨骼医学影像照片来求出结果值的方法和设备。本发明还涉及一种相应的用于诊断骨骼医学影像照片的诊断站以及一种相应的医学成像系统。
背景技术
在(肌肉)骨骼放射学中通常对骨骼执行长度和角测量。例如,在膝关节中测量髌骨、股骨和胫骨的不同的间距和角,以便诊断那里的错位,确定适当的治疗措施或者检验治疗进程。通常,在这些测量中如下进行:
首先,由诊断者例如医生来测量相关的图像。在该过程中,测量图像中的特定的长度和角并且从所述量值中计算参数,如例如两个长度的比值。这种参数下文中称作为“矫形的结果值”。长度和角从图像中的参考点得出,所述参考点也称作为(解剖)“标志”(英语为:“Landmarks”)。测量在实践中手动地进行并且在数字图像的情况下通常通过图像诊断软件的测量工具(例如间距测量功能)支持。
在测量之后,借助于之前规定的正常范围将测量结果分类。在此,将所述正常范围与在测量中求出的矫形的结果值比较并且之后判断:将所测量的图像局部归入哪个分类。
在分类之后,创建测量结果和分类的报告或文档。
已知的方式的重大缺点是,医生、如放射科医生、矫形医生或外科医生必须手动地执行测量。对于医生而言,这种手动的方式是耗时的并且通常也是不受欢迎的。此外,手动的方式要求相当多的时间,这最后对于患者而言尤其负面地作用于检查的花费。
手动的测量和评估的另一缺点是,上述正常范围与不同因素相关,例如正常范围与年纪相关。由此在手动的方式中,通常诊断者必须使用外部参考来查阅正常范围,这会导致错误,所述错误例如由值的错误读取或输入造成。
此外,在治疗的进程控制中,通常在特定的时间段中拍摄多个照片,负面作用的是,不同的照片由不同的医生执行和评估。由于手动的评估,测量结果会受主观影响,这会引起解释测量结果的变难,如例如识别特定的时间段中的变化。
发明内容
本发明的目的是,提出替选的、更舒适的用于基于骨骼医学影像照片来求出结果值的方法或相应的设备,以及相应的用于诊断骨骼医学影像照片的诊断站和相应的医学成像系统,借助其避免上述缺点。
所述目的通过根据本发明的方法、根据本发明的设备以及通过根据本发明的诊断站和根据本发明的医学成像系统来实现。
根据本发明的方法和根据本发明的设备用于基于骨骼医学影像照片来求出结果值,尤其用于自动化的测量和可选地也用于分类和/或测量点的定位对结果值的影响的可能的可视化。这种影像照片不仅能够是投影图像,例如借助于射线照相学系统拍摄的投影图像,而且能够是断层扫描的图像数据,例如借助于CT、MRT、锥束CT或超声波拍摄的图像数据。原则上只要可识别对于检查而言重要的区域,那么不重要的是,如何完成影像照片。结果值根据数据来求出,所述数据从影像照片中得出,尤其直接从图像数据中(例如在数字影像照片的情况下)或者从如下数据中得出,所述数据从坐标系中得出,所述坐标系投影到影像照片上(例如在模拟影像照片的情况下)。
根据本发明的方法包括如下步骤:
-提供影像照片在所述步骤中,提供骨骼医学影像照片。这能够通过如下方式进行:产生用于方法的影像照片,即通过影像照片系统拍摄并且可选地从原始数据中重建影像照片。但是,影像照片也能够更老并且例如通过射线照相术信息系统(“RIS”)从PACS(Picture Archiving and Communication System=图像归档与通信系统)中提供。影像照片在此能够是二维的或三维的。提供和在下文中描述的步骤也能够在“云计算”的范围中进行,如下面仍更详尽地示出的那样。
-确定参考点
在所述步骤中,自动地确定影像照片中的参考点。自动的确定能够优选地借助于如下算法来实现,所述算法基于机器学习的原理。这特别优选借助于如在下文中进一步描述的根据本发明的设备来实现。通过确定参考点,其在影像照片中的坐标(例如在图像中或在投影到图像上的坐标系中的像素位置)对于方法是已知的。
-计算结果值
在所述步骤中,计算矫形的结果值。术语“矫形的结果值”在此表示,描绘所述矫形重要的值,所述值是执行的计算的结果。计算至少基于两个参考点之间的间距和/或由参考点限定的角。角例如能够限定成三角形中的角,所述三角形通过三个参考点展开,其中参考点之一作为角的角的顶点。但是,该角例如也能够经由四个参考点限定,其中各两个点限定一条直线,所述直线以一角相交。
借助于已知的参考点的坐标(参见上述步骤),计算间距或角。随后,例如作为结果值能够从间距中求出间距关系。
根据本发明的设备包括:
-用于检测骨骼医学影像照片的图像数据的数据接口。这能够是在RIS或PACS的范围下的常规的数据接口,也能够是医学成像系统中的数据接口(例如数据总线),所述数据接口例如直接检测图像重建单元或图像探测器的图像数据。但是,所述数据接口也能够检测扫描器的图像数据,经由所述扫描器能够扫描进模拟的影像照片。通过数字地传输影像照片,自动地提供坐标系,即像素在影像照片中的位置。所述坐标系可选地能够通过变换单元变换,例如变换成所拍摄的地区的或患者的空间坐标中的真实大小。
-参考点确定单元,设计用于自动地确定影像照片中的参考点。参考点确定单元对此优选地包括在机器学习的过程中被训练的算法,优选神经网络。自动确定影像照片中的参考点随后能够借助于所述算法进行。
-结果值求出单元,设计用于至少基于两个参考点之间的间距和/或基于由参考点限定的角(如上所述)计算矫形的结果值。
根据本发明的用于诊断骨骼医学影像照片的诊断站设计用于执行根据本发明的方法。替选地或补充地,所述诊断站包括根据本发明的设备。诊断站在RIS的范围中能够与医学成像拍摄单元或PACS数据连接或者所述诊断站至少设计为集成到RIS中或与医学成像拍摄单元或PACS数据连接。
根据本发明的医学成像系统包括根据本发明的设备,尤其根据本发明的诊断站。
设备或诊断站的上述部件的大部分能够完全地或部分地以软件模块的形式在相应的设备或诊断站的处理器中实现。尽可能以软件方式的实现方案具有如下优点,也能够以简单的方式通过软件升级改装迄今已经使用的设备或诊断站,以便以根据本发明的方式工作。只要所述目的也通过具有计算机程序的相应的计算机程序产品实现,所述计算机程序可直接加载到诊断站的计算系统或存储装置中,所述计算机程序具有程序段,以便当程序在计算系统或诊断站中执行时,执行根据本发明的方法的全部步骤。这种计算机程序产品除了计算机程序之外可选地能够具有附加的组成部分,如例如文档和/或附加的部件,还有硬件部件,如例如用于使用软件的硬件密钥(软件狗等)。
为了运输至计算系统或诊断站和/或为了存储在计算系统或诊断站上或中,能够使用计算机可读介质、例如记忆棒、硬盘或其他可运输的或固定装入的数据载体,在所述数据载体上存储有计算机程序的可由计算系统或诊断站的计算单元读入和执行的程序段。计算单元例如对此能够具有一个或多个协作的微处理器等。
本发明的其他的特别有利的设计方案和改进方案在下面的描述中得出,其中尤其也能够将不同实施例或变型形式的各个特征组合成新的实施例或变型形式。
如在上文中已经注意的,该方法也能够包括“云计算”的元件(德语如:Berechnungin einer“Datenwolke”(在“数据云”中的计算))。在“云计算”中,IT基础设施、例如存储空间或计算能力但也有应用软件经由网络提供。用户和“云”之间的通信在此借助于数据接口和数据传输协议进行。
在“云计算”的范围中,在根据本发明的方法的一个优选的实施方式中,经由数据通道(例如网络)将骨骼医学影像照片提供给“云”。所述“云”包括(远程)计算系统,例如计算机集群,所述计算机集群通常不包括用户的计算机。所述云尤其能够通过医学装置提供,所述医学装置也提供医学成像系统。尤其地,影像照片的数据经由RIS或PACS发送给(远程)计算系统(“云”)。优选地,“云”的计算系统、网络以及医学成像系统为数据意义上的组合结构。方法在此能够借助于网络中的指令集实现。
自动确定参考点优选在“云”中进行。然而优选地,用户能够已经在其本地计算机上处理影像照片(也在根据本发明的方法的范围内),例如通过如下方式:所述用户在预览中已经(可能粗略地)输入或者要求计算几个参考点。
计算矫形的结果值同样优选地在“云”中进行,尽管所述计算根据应用情况和计算的复杂性也能够在用户的本地计算机上进行(例如在上述预览的过程中或基于通过云通知的间距/角)。至少,在“云”中优选确定所需的间距和/或角。
在云中计算的数据或所述数据的结果优选再次经由数据通道(例如网络)发送给用户的本地计算机。在上面提到的实例中,所提供的影像照片的数据于是通过医院的计算系统按照根据本发明的方法处理并且将所述处理的结果(即间距或角连同参考点的坐标和/或结果值)再次通过RIS或PACS向回发送给用户。
在根据本发明的设备的一个优选的实施方式的范围中,上述单元(数据接口、参考点确定单元和尤其还有结果值求出单元)在“云”侧存在。优选的求出系统除了这种设备之外还包括本地计算单元,所述本地计算单元经由数据通道(例如网络,尤其构成为RIS或PACS)与设备连接,其中本地计算单元具有至少一个数据接收接口,以便接收数据(尤其关于间距或角连同参考点的坐标和/或结果值)。此外优选的是,本地计算机此外具有发送接口,以便将数据发送给设备。但是,所述发送接口在如下情况下不一定是必需的:存在数据通道的架构,所述架构允许,将医学成像系统(例如X射线设备)的照片连同关于期望的结果值的类型的信息一起直接地提供给设备。
在上述实施方式的范围中能够有利的是,所提供的计算能力与用户的身份或选择相关。例如,可用于确定参考点和/或间距/角的算法能够具有不同的复杂性并且引起精确度不同的结果。用户在此优选能够选择通过“云”处理的程度,尤其要使用何种算法或结果要具有何种质量。例如,在粗略概览的情况下,对质量的要求是相对小的,使得能够选择“更快的”算法,以便尽可能快地得到结果。
如在上文中已经提到的那样,为了自动地确定参考点,可以使用在机器学习的过程中训练的算法,优选神经网络,尤其设计用于深度(机器)学习。随后,自动确定影像照片中的参考点借助于所述算法进行。算法在此应在求出结果值之前基于多个骨骼医学影像照片训练。
为了训练,有利地使用大量具有已经输入的参考点的影像照片,例如具有由放射科医生确定的参考点的X射线图像。参考点在此要尽可能精确地输入,以便训练能够在时间上优化地进行。这样训练的算法那么能够自动地生成新的骨骼影像照片上的参考点。
就此而论,优选的是用于创建用于根据本发明的设备的参考点确定单元的训练方法,包括如下步骤:
-提供学习计算设备,其中学习计算设备设计用于,根据具有输入的参考点的影像照片训练可在机器学习的过程中训练的算法,优选神经网络。
-在学习计算设备上或在学习计算设备处提供参考点确定单元,所述参考点确定单元包括这种算法,所述算法然而未经训练或至少未最优地训练。
-提供具有输入的参考点的多个影像照片,
-根据机器学习的原理训练参考点确定单元的算法,尤其基于识别影像照片中的参考点并且将影像照片中的图案与参考点的位置相关联。
在该方面,优选的还有包括处理器和具有指令的数据存储器的学习计算设备,所述指令能够在其执行时使处理器实现:
-检测具有输入的参考点的提供给计算设备的骨骼医学影像照片。
-将影像照片中的参考点识别成对象。
-根据机器学习的原理来训练上述算法,优选基于影像照片中的参考点的识别并且影像照片中的图案与参考点的位置的相关联来训练。
优选的方法附加地包括如下步骤:
-显示影像照片连同参考点,并且优选地也显示间距和/或角。所述显示在检验图像的范围中进行。检验图像因此包括影像照片和附加地示出的呈图像信息形式的分量。
-提供用于检验图像中的参考点的手动移动可能性。在此,将移动可能性理解成如下功能(或单元),所述功能能够使用户实现,移动检验图像中的参考点。对此,移动可能性优选地包括询问移动指令和/或确认指令,所述移动指令和/或确认指令引起参考点的移动或安置。
一个优选的设备对此包括输出数据接口,用于将检验图像的图像数据输出给图像显示单元。
一个尤其优选的设备此外包括移动单元,所述移动单元设计用于检验图像中的参考点的手动的移动可能性。将其尤其理解成如下单元,所述单元设计用于,处理移动指令和确认指令的询问,并且根据所述指令来定位检验图像中的参考点。
优选地,为一个参考点、尤其为每个参考点确定参考值相关性RWA。所述参考值相关性RWA在此代表矫形的结果值与参考点的空间移动的相关性。例如,参考值相关性RWA说明,当将参考点移动(小的)移动矢量时,以多大程度偏离结果值。借此能够估计,如何精确地计算结果值,甚至当参考点未被最优地定位时也如此。
确定的参考值相关性RWA优选连同参考点(或相关的参考点)一起可视化,尤其作为上述检验图像中的分量。参考值相关性在此能够作为具体值示出,所述具体值也能够称作为“参考值相关值”,作为一组点,所述点在点云中根据相关的移动矢量设置在参考点周围,并且在所述点处描绘相应的参考值相关性。但参考值相关性也能够以图形元件形式可视化,如例如线、彩色标记或阴影。特别优选地,该方法补充地提供上述移动可能性。
一个优选的设备对此包括参考值相关性确定单元,用于针对参考点确定参考值相关性RWA。
关于用于参考点的参考值相关性RWA的确定,优选地执行如下步骤:
-从一组对于相关的矫形的结果值重要的参考点中形成基本结果值。
这能够针对全部重要的参考点执行。
优选地,确定绝对参考值相关性aRWA。所述绝对参考值相关性优选从比较结果值和基本结果值的差中确定。
特别优选地,从绝对参考值相关性aRWA中确定相对参考值相关性rRWA。这尤其通过如下方式实现:绝对参考值相关性aRWA借助于基本结果值归一化。
基本结果值和比较结果值优选根据与矫形的结果值相同的方式计算。
参考值相关性RWA例如基于用于具有坐标(L1,L2,...,LN)的数量为N的参考点的结果值M=M(L1,L2,...,LN)来计算。就结果值M而言,存在多个不同的测量,所述测量能够在X射线图像上执行。测量的类型例如与诊断提问或身体区域相关。函数是测量的数学描述。对于用于确定Insall-Salvati指数的常见的矫形的测量例如适用的是:M(L1,L2,L3)=|L1-L2|/|L2-L3|。
那么用于k阶参考点Rk的相对参考值相关性rRWA从绝对参考值相关性aRWA中例如根据下式得出:
优选地,对于用于参考点的(相对)参考值相关性RWA求出等值线(和可选地还有可视化)。所述等值线表示参考点的位置,所述参考点对应于矫形的结果值的特定的、可能的绝对的、但优选百分比的变化。如果观察用于计算(相对的)参考值相关性RWA的上述实例,那么为了求出等值线能够计算具有不同的移动矢量的不同的参考值相关性。但是也能够转换公式并且为固定的(可能百分比的)变化确定移动矢量的集,所述移动矢量会引起这种(可能百分比的)变化。关于等值线也参照下面的实例。
所述等值线优选在检验图像中可视化或显示(例如作为值,所述值也能够称作为“参考值相关值”或以图形元件的形式)并且以所述方式指示:参考值的移动可能具有何种影响。
优选地,为用于参考点的(相对的)参考值相关性RWA求出局部的容许范围(和可选地也可视化)。所述局部的容许范围表示如下区域,在所述区域之内,参考点的移动引起在预定的全局容许范围之内的矫形的结果值的相对变化。对于局部的容许范围也参照下面的实例。
优选在检验图像中可视化或显示所述局部的容许范围(例如作为也能够称作为“参考值相关值”或呈图形元件的形式的值),尤其具有(色彩的)标记并且以所述方式用作对可接受参考点的哪些移动的指示。
优选地,附加地基于矫形的结果值借助于正常范围对骨骼医学影像照片的至少部分进行自动分类。所述分类将相关的图像部分按照医学观点分类,其中例如能够确定身体区域的增大、缩小或错位。
分类优选根据边界值进行,所述边界值确定正常范围。边界值在此特别优选地存在于数据库中。如果例如存在如下情况:求出低于边界值G的结果值,那么该结果值是不引人注意的。然而,如果结果值等于G或超过所述值,那么可能存在特定的病理,所述病理可能借助所选择的边界值也医学上清楚地限定。正常范围或边界值可能与患者相关。例如,正常范围或边界值可能与年龄相关、与体重相关、与身高相关或与性别相关。
优选地,为用于参考点的(相对)参考值相关性RWA求出类别边界(和可选地也可视化)。所述类别边界表示如下范围,在所述范围之内,相关的参考点的移动仅引起矫形的结果值(尤其相对)变化,所述变化位于分类之内。关于类别边界也参照下面的实例。
优选在检验图像中可视化或显示所述类别边界(例如作为也能够称作为“参考值相关值”或者呈图形元件形式的值),并且以所述方式用作对参考点的移动可能有哪些影响的指示。例如,在非最优地定位的参考点处一眼便会识别出:是否应进行位置的再调节,或者对此的耗费是否是不必要的,因为对所述分类没有发生任何变化。
与此相关的优选的设备包括用于视化等值线和/或局部的容许范围和/或类别边界的可视化单元。所述可视化单元能够构成为用于操控显示单元、例如监视器的控制装置。所述控制装置在此设计用于控制显示单元,使得显示等值线和/或局部的容许范围和/或类别边界。
优选的是由上述移动可能性与等值线和/或局部的容许范围和/或类别边界的显示构成的组合,其中特别优选地借助每个移动步骤重新计算等值线和/或局部的容许范围和/或类别边界,因为它们会因参考点的移动而变化,也针对其他参考点。
根据一个优选的方法,自动地创建报告。所述报告包含如下组的信息:
-矫形的结果值,
-间距,
-角,
-参考点的坐标,
-分类,和优选
-其他患者特定的信息。
在此优选地产生计算机可读的文件,例如pdf文件,所述文件包含呈表格形式的信息和/或参考点或间距和/或角,作为图示。与此相关地,一个优选的设备包括报告创建单元和尤其软件库,其中报告创建单元设计用于,生成具有相关的报告的文件。
附图说明
在下文中参照附图根据实施例再次详细阐述本发明。在此,在不同的附图中相同的部件设有相同的附图标记。附图通常并不按照比例。其示出:
图1示出根据本发明的方法的一个优选的实施方式的方框图,
图2示出一个优选的设备的视图,
图3示出由本发明创建的检验图像的实例,
图4示出由本发明创建的包括等值线的检验图像的另一实例,
图5示出由本发明创建的包括局部的容许范围的检验图像的另一实例,
图6示出由本发明创建的包括类别边界的检验图像的另一实例,
图7示出具有根据本发明的用于执行该方法的控制装置的实施例的成像系统的粗略示意图。
具体实施方式
图1示出根据本发明的用于基于骨骼医学影像照片B来求出结果值的方法的一个优选的实施方式的方框图。
在步骤I中,提供骨骼医学影像照片B,其中在此示出人类膝盖的照片。
在步骤II中自动地确定影像照片B中的参考点R1、R2、R3,所述参考点在此作为圆圈示出。
在步骤III中,至少基于两个参考点R1、R2、R3之间的间距A1、A2和/或基于由参考点R1、R2、R3限定的角来计算矫形的结果值OE。
在步骤IV中,针对在步骤II中确定的参考点R1、R2、R3各确定一个参考值相关性RWA。
针对参考点R1、R2、R3中的一个确定所述参考值相关性RWA,使得基于矫形的结果值OE的计算,计算基本结果值,并且计算比较结果值,其中为了计算比较结果值,将所观察的参考点R1、R2、R3移动了移动矢量。从归一化到基本结果值的由基本结果值和比较结果值构成的差中,那么得到参考值相关性RWA,所述参考值相关性在所述情况下是相对参考值相关性rRWA。
在步骤V中,显示检验图像KB,所述检验图像包括影像照片B连同参考点R1、R2、R3和间距A1、A2和附加地连同从参考值相关性RWA中导出的容许范围AB。
在步骤VI中,提供用于检验图像KB中的参考点R1、R2、R3的手动的移动可能性,这允许用户根据意愿移动参考点R1、R2、R3。优选地,在移动时基于移动的参考点R1、R2、R3重新确定和可视化检验图像中的相对参考值相关性rRWA。
图2草绘一个优选的用于基于骨骼医学影像照片B求出结果值OE的设备6。所述设备6包括如下部件:
用于检测骨骼医学影像照片B的图像数据的数据接口7,例如经由由PACS(图像归档与通信系统)或医学影像照片装置构成的射线照相术信息系统(“RIS”)。因为数据在该实例中是数字的,所以在此能够将影像照片B等同图像数据。
参考点确定单元8,设计用于自动地确定影像照片B中的参考点R1、R2、R3。
结果值求出单元9,设计用于至少基于两个参考点R1、R2、R3之间的间距A1、A2和/或基于由参考点R1、R2、R3限定的角来计算矫形的结果值OE。
附加地,设备6还包括如下部件,所述部件原则上是可选的:
输出数据接口14,用于将检验图像KB的图像数据输出给图像显示单元20,例如计算机终端20,如在图7中示出的那样。
参考值相关性确定单元19,用于针对参考点R1、R2、R3确定参考值相关性RWA,和附加地可视化单元19a,用于将等值线I、局部的容许范围A或类别边界KG(参见下面的附图)可视化。所述可视化单元19a构成为用于操控显示单元20的控制装置。所述可视化单元控制显示单元,使得示出等值线I、局部的容许范围A或类别边界KG。
在此处示出的实例中,参考值相关性确定单元19从参考值确定单元8得到其数据,确定参考值相关性RWA并且将要可视化的数据转发给输出数据接口14。也能够考虑如下实施方式,其中参考值相关性确定单元19尤其连同可视化单元19a一起是结果值求出单元9的一部分。
移动单元21,所述移动单元设计用于参考点R1、R2、R3的手动的移动可能性。所述移动单元在该实例中从参考点确定单元8获得其数据并且将关于被移动的参考点R1、R2、R3的数据提供给结果值求出单元9,使得基于被移动的参考点能够计算新的结果值。在其他实例中,移动单元21的输出也能够与参考值相关性确定单元19耦合,使得基于被移动的参考点也能够计算匹配的参考值相关性RWA。移动单元21也能够是结果值求出单元9或参考值相关性确定单元19的一部分。
图3示出用于由本发明从人类膝关节的骨骼影像照片B中创建的检验图像KB的实例。在影像照片B中已将点“髌底”、“髌尖”和“胫骨结节”标记成参考点R1、R2、R3。从参考点R1、R2、R3的在该图中描绘的间距A1、A2中,作为矫形的结果值OE,例如Insall-Salvati指数能够从该图像中在下部描绘的在“髌尖”和“胫骨结节”之间的间距A2除以在图像中在“胫骨结节”和“髌底”之间的上部间距得出。Insall-Salvati指数在健康膝盖的情况下位于0.8和1.2之间。如果确定小于0.8的Insall-Salvati指数,那么能够推断出髌腱撕裂,如果所述Insall-Salvati指数大于1.2,那么可能存在股四头肌撕裂。
在下面的通过图4、5和6阐明的实例中,如果刚好如在图3中那样存在人类膝盖的影像照片B,在所述影像照片中将点“髌底”、“髌尖”和“胫骨结节”标记成参考点R1、R2、R3并且描绘其间距A1、A2。Insall-Salvati指数被再次视为矫形的结果值OE。
针对各个参考点R1、R2、R3现在能够求出相应的参考值相关性RWA。为了计算绝对参考值相关性aRWA,例如首先计算Insall-Salvati指数作为基本结果值,即针对参考点正常地计算下部绘制的在“髌尖”和“胫骨结节”之间的间距A2除以在“胫骨结节”和“髌底”之间的上部间距,随后计算Insall-Salvati指数作为比较结果值,而将参考点R1、R2、R3之一分别移动了移动矢量随所述计算之后,随后根据上式(1)计算参考点R1、R2、R3的绝对参考值相关性aRWA,其中
aRWA=比较结果值-基本结果值。相对参考值相关性rRWA能够根据上式(2)从下式中求出:
rRWA=aRWA/基本结果值即
rRWA=(比较结果值/基本结果值)-1。
图4示出用于由本发明创建的包括等值线I的检验图像KB的实例。所述等值线I说明参考点R1、R2、R3的可能的移动位置连同在所述位置处的相对参考值相关性rRWA。具体地,等值线I沿着如下位置伸展,在所述位置处相对参考值相关性rRWA分别是相等的。
图4中的借助于等值线I的特别的可视化因此显示,参考点R1、R2、R3(标志)的移动沿哪个方向产生结果值OE的大的变化或小的变化。在沿着等值线的方向上不发生任何变化,在正交于等值线的方向上发生大的变化。此外,在该视图中,能够从检验图像中非常容易地得出,在沿着所述方向移动时的变化的程度。在等值线I之间的大的间距代表相对小的变化(在与等值线I正交移动时),在等值线I之间的小的间距代表相对大的变化。整体上,医生因此能够更好地理解参考点R1、R2、R3的移动的方向相关性和对结果值OE的影响,并且将所述理解用于检验标志位置(参考点R1、R2、R3的位置)。
大的优点是,医生在检验参考点R1、R2、R3时能够更高地关注如下参考点R1、R2、R3,在所述参考点处移动引起结果值OE的更高的变化。
图5示出由本发明创建的包括局部的容许范围AB的检验图像KB的另一实例。所述可视化显示出,参考点R1、R2、R3的移动是否引起结果值OE的可忽略的变化。要注意的是,多个参考点R1、R2、R3的同时移动可能引起在容差范围之外的结果值OE。
所述视图的优点是,在参考点R1、R2、R3未最优地定位但是替选的位置位于局部的容许范围之内的情况,这对医生而言看一眼检验图像就一目了然。如在图中示出的那样,放大地示出的参考点R2不一定必须沿箭头方向移动到正确位置上(虚线示出),因为这种移动并未给结果值OE带来任何变化。
图6示出由本发明创建的包括类别边界KG的检验图像KB。结果值OE通常能够分类成类别“正常”和“不正常”。在该实例中,为每个参考点R1、R2、R3示出分类区域K1、K2、K3,在所述分类区域中,参考点R1、R2、R3的位置引起结果值OE,所述结果值仍处于正常范围中。正常范围因此必须是事先已知的。关于所述正常范围的(可能与患者相关)定义,通常存在文献。
所述视图的优点是,在参考点R1、R2、R3非最优地定位但替选的位置未引起分类的任何变化的情况中,这对医生而言看一眼检验图像就一目了然。因此,可能能够放弃参考点R1、R2、R3的移动,因为不需要移动。
在下面的阐述中假设,成像设备为计算机断层扫描系统。但原则上,该方法也能够使用于其他成像设备。大多数矫形的测量在实践中在2D图像上执行。这能够是CT的断层图像或者是借助于射线照相系统拍摄的X射线图像。
图7粗略示意性地示出具有控制装置10和诊断站17的计算机断层扫描系统1,其中不仅控制装置10而且诊断站17都包括根据本发明的设备6(为了更好的概览未示出在其中包含的部件)并从而适合于执行根据本发明的方法。计算机断层扫描系统1通常具有带有机架的扫描器2,X射线源3在所述机架中旋转,所述X射线源分别透射患者,所述患者借助于床5移入到机架的测量空间中,使得辐射射到与X射线源3分别相对置的探测器4上。应明确指出的是,根据图7的实施例仅为CT的实例,而本发明也可使用于任意CT构造,例如具有固定的环形X射线探测器和/或多个X射线源的CT构造。
同样地,在控制装置10中仅示出如下部件,所述部件对于阐述本发明是有帮助的。原则上,这种CT系统和所属的控制装置对本领域技术人员而言是已知的并因此无需详细阐述。
控制装置10的核心部件在此是处理器11,在所述处理器上实现呈软件模块形式的不同的部件。控制装置10此外具有终端接口14,在所述终端接口上连接有终端20或显示单元20,操作者经由终端或显示单元能够操作控制装置10并从而操控计算机断层扫描系统1,并且可选地也能够查看影像照片。另一接口15是用于连接于数据总线21的网络接口,以便因此建立与RIS或PACS和从而与诊断站17的连接。经由所述总线21,例如能够提供用于诊断站17的影像照片B。
经由控制接口13能够由控制装置10操控扫描器2。经由采集接口12从探测器4中读取原始数据RD。此外,控制装置10具有存储单元16。
作为软件部件在处理器11上实现图像数据重建单元18,借助所述图像数据重建单元从经由数据采集接口12获得的原始数据RD中重建对于影像照片B期望的数据。
根据本发明的方法在该实例中能够直接在计算机断层扫描系统1处执行,其中产生影像照片B,所述影像照片直接在其重建之后提供给方法并且检验图像KB在计算机终端上显示。但是也可能的是,在诊断站17处借助根据本发明的方法从容地处理影像照片。
随后还要再次指出的是,在上文中详细描述的方法以及示出的设备仅为实施例,所述实施例能够由本领域技术人员以各种的方式修改,而不脱离本发明的范围。此外,使用不定冠词“一”或“一个”并不排除,相关的特征也能够多重存在。同样地,术语“单元”和“模块”并不排除,相关的部件由多个协作的子部件构成,所述子部件可能也能够空间分布。
Claims (32)
1.一种用于基于骨骼医学影像照片(B)求出结果值的方法,其特征在于,所述方法包括如下步骤:
-提供骨骼医学影像照片(B),
-自动地确定所述影像照片(B)中的参考点(R1,R2,R3),
-在检验图像(KB)的范围中显示所述影像照片(B)连同参考点(R1,R2,R3),和
-针对参考点(R1,R2,R3)确定参考值相关性,所述参考值相关性表示矫形的结果值(OE)与所述参考点(R1,R2,R3)的空间移动的相关性,
-至少基于两个参考点(R1,R2,R3)之间的间距(A1,A2)和/或基于由所述参考点(R1,R2,R3)限定的角来计算矫形的结果值(OE)。
2.根据权利要求1所述的方法,其包括附加的步骤:
-在所述检验图像(KB)的范围中显示所述影像照片(B)也连同间距(A1,A2)和/或角,和
-提供用于所述检验图像(KB)中的所述参考点(R1,R2,R3)的手动的移动可能性。
3.根据权利要求1或2所述的方法,
其中将所述参考值相关性连同所述参考点(R1,R2,R3)可视化。
4.根据权利要求3所述的方法,
其中为了针对参考点(R1,R2,R3)确定所述参考值相关性,
-从一组对于相关的矫形的结果值(OE)重要的参考点(R1,R2,R3)中形成基本结果值,
-从该组对于相关的矫形的结果值(OE)重要的参考点(R1,R2,R3)中形成比较结果值,其中为了计算所述比较结果值移动如下参考点(R1,R2,R3),针对所述参考点确定所述参考值相关性。
5.根据权利要求4所述的方法,
其中从比较结果值和基本结果值构成的差中确定绝对参考值相关性。
6.根据权利要求5所述的方法,
其中由此从所述绝对参考值相关性中以通过所述基本结果值归一化的方式确定相对参考值相关性。
7.根据权利要求4所述的方法,
其中所述基本结果值和所述比较结果值根据与所述矫形的结果值(OE)相同的方式计算。
8.根据权利要求3所述的方法,
其中针对参考点(R1,R2,R3)的参考值相关性求出等值线(I),所述等值线表示如下位置,所述位置对应于所述矫形的结果值(OE)的特定的变化。
9.根据权利要求8所述的方法,其中所述特定的变化是百分比的。
10.根据权利要求8所述的方法,其中所述等值线(I)在检验图像(KB)中示出。
11.根据权利要求3所述的方法,
其中针对参考点(R1,R2,R3)的参考值相关性求出局部的容许范围(AB),在所述容许范围之内,所述参考点(R1,R2,R3)的移动引起所述矫形的结果值(OE)在预定的全局的容许范围之内的相对变化。
12.根据权利要求11所述的方法,
其中所述局部的容许范围(AB)在检验图像(KB)中示出。
13.根据权利要求1或2所述的方法,
其中基于所述矫形的结果值(OE)和/或所述参考点(R1,R2,R3)的坐标借助于正常范围附加地将所述骨骼医学影像照片(B)的至少部分自动分类。
14.根据权利要求13所述的方法,
其中所述分类根据边界值来进行,所述边界值确定所述正常范围。
15.根据权利要求14所述的方法,
其中所述边界值存在于数据库中。
16.根据权利要求13所述的方法,
其中针对参考点(R1,R2,R3)的参考值相关性求出类别边界(KG),在所述类别边界之内所述参考点(R1,R2,R3)的移动仅引起所述矫形的结果值(OE)的位于分类之内的变化。
17.根据权利要求16所述的方法,
其中所述类别边界(KG)在检验图像(KB)中示出。
18.根据权利要求13所述的方法,其包括:自动地创建报告,所述报告包括如下组的信息:
-矫形的结果值(OE),
-间距(A1,A2),
-角,
-所述参考值(R1,R2,R3)的坐标,和
-分类,和
-其他患者特定的信息。
19.根据权利要求18所述的方法,
其中对此产生计算机可读的文件,所述文件包含呈表格形式的信息和/或作为图示的参考点(R1,R2,R3)。
20.根据权利要求3所述的方法,
其中针对参考点(R1,R2,R3)的相对参考值相关性求出等值线(I),所述等值线表示如下位置,所述位置对应于所述矫形的结果值(OE)的特定的变化。
21.根据权利要求20所述的方法,其中所述特定的变化是百分比的。
22.根据权利要求20所述的方法,其中所述等值线(I)在检验图像(KB)中示出。
23.根据权利要求3所述的方法,
其中针对参考点(R1,R2,R3)的相对参考值相关性求出局部的容许范围(AB),在所述容许范围之内,所述参考点(R1,R2,R3)的移动引起所述矫形的结果值(OE)在预定的全局的容许范围之内的相对变化。
24.根据权利要求23所述的方法,
其中所述局部的容许范围(AB)在检验图像(KB)中示出。
25.根据权利要求13所述的方法,
其中针对参考点(R1,R2,R3)的相对参考值相关性求出类别边界(KG),在所述类别边界之内所述参考点(R1,R2,R3)的移动仅引起所述矫形的结果值(OE)的位于分类之内的变化。
26.根据权利要求25所述的方法,
其中所述类别边界(KG)在检验图像(KB)中示出。
27.一种用于基于骨骼医学影像照片(B)求出结果值的设备(6),其特征在于,所述设备包括:
-用于检测骨骼医学影像照片(B)的图像数据的数据接口(7),
-参考点确定单元(8),设计用于自动地确定所述影像照片(B)中的参考点(R1,R2,R3),
-输出数据接口(14),用于将检验图像(KB)的图像数据输出给图像显示单元(20),
-参考值相关性确定单元(19),用于针对参考点(R1,R2,R3)确定参考值相关性,所述参考值相关性表示矫形的结果值(OE)与所述参考点(R1,R2,R3)的空间移动的相关性,
-结果值求出单元(9),设计用于至少基于两个参考点(R1,R2,R3)之间的间距(A1,A2)和/或基于由所述参考点(R1,R2,R3)限定的角来计算矫形的结果值(OE)。
28.根据权利要求27所述的设备(6),其包括:
-移动单元(22),设计用于所述检验图像(KB)中的所述参考点(R1,R2,R3)的手动的移动可能性,
-所述参考值相关性确定单元(19),用于针对所述参考点(R1,R2,R3)确定所述参考值相关性,连带有可视化单元(19a),用于将等值线(I)和/或局部的容许范围(AB)和/或类别边界(KG)可视化。
29.一种用于诊断骨骼医学影像照片(B)的诊断站(17),所述诊断站(17)设计用于执行根据权利要求1至26中任一项所述的方法和/或包括根据权利要求27或28所述的设备。
30.一种医学成像系统(1),其包括根据权利要求27或28所述的设备和/或根据权利要求29所述的诊断站(17)。
31.一种具有计算机程序的计算机程序产品,所述计算机程序能够直接加载到医学成像系统(1)的计算系统或诊断站(17)的存储装置中,所述计算机程序具有程序段,以便当所述计算机程序在所述计算系统或所述诊断站(17)中执行时,执行根据权利要求1至26中任一项所述的方法的全部步骤。
32.一种计算机可读介质,在所述计算机可读介质上存储有可由计算单元读入和执行的程序段,以便当所述程序段由所述计算单元执行时,执行根据权利要求1至26中任一项所述的方法的全部步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18171283.7 | 2018-05-08 | ||
EP18171283.7A EP3566651B1 (de) | 2018-05-08 | 2018-05-08 | Verfahren und vorrichtung zur ermittlung von ergebniswerten auf basis einer skelettalen medizintechnischen bildaufnahme |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110459298A CN110459298A (zh) | 2019-11-15 |
CN110459298B true CN110459298B (zh) | 2023-05-23 |
Family
ID=62244274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910382709.5A Active CN110459298B (zh) | 2018-05-08 | 2019-05-08 | 用于求出结果值的方法和设备、诊断站和成像系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10977790B2 (zh) |
EP (1) | EP3566651B1 (zh) |
CN (1) | CN110459298B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102021210314A1 (de) | 2020-09-30 | 2022-03-31 | Siemens Healthcare Gmbh | Verfahren zur Aufnahme einer Wirbelsäulen-Röntgenaufnahme, insbesondere einer Skoliose-Röntgenaufnahme |
CN116158774B (zh) * | 2023-02-07 | 2024-04-16 | 北京欧应科技有限公司 | 用于测量胫骨平台后倾角的方法、设备和计算机存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258111A (zh) * | 2012-02-17 | 2013-08-21 | 西门子公司 | 形成结构化的图像辅助的诊断 |
CN105250062A (zh) * | 2015-11-20 | 2016-01-20 | 广东康沃森医疗科技有限责任公司 | 一种基于医学影像的3d打印骨骼矫形支具制备方法 |
CN106073964A (zh) * | 2016-07-15 | 2016-11-09 | 于海龙 | 一种矫形支具制备方法 |
EP3188127A1 (en) * | 2015-12-29 | 2017-07-05 | Laboratoires Bodycad Inc. | Method and system for performing bone multi-segmentation in imaging data |
CN107093198A (zh) * | 2016-02-17 | 2017-08-25 | 西门子医疗有限公司 | 用于伪影校正算法的选择方法、用于执行该方法的数据处理设备和医学成像系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7157696B2 (en) * | 2002-04-04 | 2007-01-02 | Synarc, Inc. | Test object for calibration of imaging measurements of mammalian skeletal joints |
GB0414277D0 (en) | 2004-06-25 | 2004-07-28 | Leuven K U Res & Dev | Orthognatic surgery |
DE102007007803B4 (de) | 2007-02-16 | 2015-03-26 | Siemens Aktiengesellschaft | Verfahren zur automatischen Auswertung tomographischer Bilddatensätze, Tomographiesystem und Bildschirmarbeitsplatz |
DE102016200202B4 (de) * | 2016-01-11 | 2023-07-13 | Siemens Healthcare Gmbh | Verfahren zur automatischen Ermittlung einer Gelenkbelastungsinformation, Bildaufnahmeeinrichtung, Patientenliege und Computerprogramm |
DE102016215831A1 (de) * | 2016-08-23 | 2018-03-01 | Siemens Healthcare Gmbh | Automatische Generierung synthetischer Projektionen |
-
2018
- 2018-05-08 EP EP18171283.7A patent/EP3566651B1/de active Active
-
2019
- 2019-04-24 US US16/392,981 patent/US10977790B2/en active Active
- 2019-05-08 CN CN201910382709.5A patent/CN110459298B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258111A (zh) * | 2012-02-17 | 2013-08-21 | 西门子公司 | 形成结构化的图像辅助的诊断 |
CN105250062A (zh) * | 2015-11-20 | 2016-01-20 | 广东康沃森医疗科技有限责任公司 | 一种基于医学影像的3d打印骨骼矫形支具制备方法 |
EP3188127A1 (en) * | 2015-12-29 | 2017-07-05 | Laboratoires Bodycad Inc. | Method and system for performing bone multi-segmentation in imaging data |
CN107093198A (zh) * | 2016-02-17 | 2017-08-25 | 西门子医疗有限公司 | 用于伪影校正算法的选择方法、用于执行该方法的数据处理设备和医学成像系统 |
CN106073964A (zh) * | 2016-07-15 | 2016-11-09 | 于海龙 | 一种矫形支具制备方法 |
Non-Patent Citations (3)
Title |
---|
Mejia de Beldjenna Liliana.Medical and Orthopedic Management with Growth Hormone and Bone Lengthening in A Patient with Achondroplasia.《ECRONICON》.2016,第229-232页. * |
王亮.仰卧位经皮骶髂置钉固定术治疗骨盆后环损伤的研究.《中国优秀硕士学位论文全文数据库医药卫生科技辑》.2007,E066-78. * |
苏瑞朋等.VTK在医学图像处理中的应用.信息与电脑(理论版).2018,(第04期),第107-109页. * |
Also Published As
Publication number | Publication date |
---|---|
EP3566651B1 (de) | 2022-06-29 |
CN110459298A (zh) | 2019-11-15 |
US20190347791A1 (en) | 2019-11-14 |
US10977790B2 (en) | 2021-04-13 |
EP3566651A1 (de) | 2019-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3586787B1 (en) | Image matching device and image matching method | |
US10470733B2 (en) | X-ray CT device and medical information management device | |
JP6026098B2 (ja) | 医用画像処理装置 | |
CN108744306A (zh) | 被检体定位装置、被检体定位方法、被检体定位程序和放射线治疗系统 | |
US20150294445A1 (en) | Medical image display apparatus and medical image display system | |
US7466849B2 (en) | Method and apparatus for acquisition and evaluation of image data of an examination subject | |
WO2017195797A1 (ja) | 医用画像診断装置 | |
US11257241B2 (en) | System and method for component positioning by registering a 3D patient model to an intra-operative image | |
JP2010131269A (ja) | 情報処理装置および情報処理方法 | |
KR20180040664A (ko) | 치료 지원 시스템 및 이의 작동 방법, 및 치료 지원 프로그램을 기억하는 기억 매체 | |
JP2008000536A (ja) | 画像表示装置 | |
CN107752979B (zh) | 人工投影的自动生成方法、介质和投影图像确定装置 | |
JP6806655B2 (ja) | 放射線撮像装置、画像データ処理装置及び画像処理プログラム | |
US10078906B2 (en) | Device and method for image registration, and non-transitory recording medium | |
CN110459298B (zh) | 用于求出结果值的方法和设备、诊断站和成像系统 | |
JP4559460B2 (ja) | サイズ計測装置、画像表示装置、サイズ計測プログラム、および画像表示プログラム | |
WO2021155373A1 (en) | Systems and methods for detection of musculoskeletal anomalies | |
CN114287955A (zh) | Ct三维图像生成方法、装置与ct扫描系统 | |
US7856132B2 (en) | Method, a computer program, an apparatus and an imaging system for image processing | |
CN109350059B (zh) | 用于肘部自动对准的组合的转向引擎和界标引擎 | |
CN114334091A (zh) | 训练机器学习算法的方法、机器学习算法和设备复合体 | |
US11020189B2 (en) | System and method for component positioning by registering a 3D patient model to an intra-operative image | |
EP3370616B1 (en) | Device for imaging an object | |
KR20160057024A (ko) | 마커리스 3차원 객체추적 장치 및 그 방법 | |
JP7144129B2 (ja) | 医用画像診断装置及び医用情報管理装置 |
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 |