CN110503698B - 确定成像模态和其的参数的方法,装置和成像系统 - Google Patents
确定成像模态和其的参数的方法,装置和成像系统 Download PDFInfo
- Publication number
- CN110503698B CN110503698B CN201910409673.5A CN201910409673A CN110503698B CN 110503698 B CN110503698 B CN 110503698B CN 201910409673 A CN201910409673 A CN 201910409673A CN 110503698 B CN110503698 B CN 110503698B
- Authority
- CN
- China
- Prior art keywords
- imaging modality
- image
- determined
- parameters
- examination
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
- A61B5/7292—Prospective gating, i.e. predicting the occurrence of a physiological event for use as a synchronisation signal
-
- 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
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- 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
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- 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
- A61B5/7221—Determining signal validity, reliability or quality
-
- 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
- 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
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/13—Tomography
-
- 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
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Cardiology (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Engineering & Computer Science (AREA)
- Urology & Nephrology (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
Abstract
本发明涉及一种医学的成像模态和在此针对所确定的成像模态待使用的参数的确定,以便借助于所确定的成像模态和所确定的参数创建检查对象(O)的图像。在此,执行下述步骤:将从所述检查对象(O)的预先检查中得到的信息自动地分类,以便得到关于在创建所述图像时能预期的干扰影响的分类结果。分析所述分类结果,以便评估所述结果。与经评估的结果相关地确定所述成像模态和所述参数,使得在借助于所述所确定的成像模态和所述所确定的参数从所述检查对象(O)产生图像时使经分类的干扰影响最小化。
Description
技术领域
本发明涉及一种成像模态的确定和所述所确定的成像模态的参数的确定。
背景技术
医学成像模态,例如磁共振断层扫描、计算机断层扫描、正电子发射断层扫描、单光子发射计算机断层扫描或X射线照片,容易以不同的方式和方法受患者特异性干扰影响。在此,患者运动是最大的干扰影响,所述患者运动在所有的成像模态中造成在所产生的图像中的运动伪影。在计算机断层扫描中,这种患者运动例如表现为条纹或重影,而在磁共振成像中患者运动能够与成像频率和设定的参数相关地以不同的方式和方法起作用。尤其在临床实践中最常使用的序列、即快速自旋回波序列中,在患者运动情况下经常出现重像伪影,所述重像伪影限制诊断,使诊断完全不可行或需要重新拍摄。此外,干扰影响也可由于生理原因,如心跳或呼吸,或由异物,例如植入物引起。
发明内容
因此,本发明的目的是,将患者特异性的干扰影响对借助于医学成像模态所产生的图像的影响保持得尽可能小或将该影响最小化。
根据本发明,所述目的通过用于确定医学成像模态和在此针对所确定的成像模态待使用的参数的方法,通过用于确定医学成像模态和在此针对所确定的成像模态待使用的参数的装置,通过成像系统,通过计算机程序产品和电子可读的数据载体实现。在下文中限定本发明的优选的和有利的实施方式。
在本发明的范围内,提供一种用于确定医学成像模态和在此针对所确定的成像模态待使用的参数的方法。借助于所述所确定的成像模态和所确定的参数创建检查对象的,尤其人类患者的图像。所述方法包括下述步骤:
-将从检查对象的预先检查中检测到的信息自动地分类。所述分类提供分类的结果,所述结果包括在创建检查对象的图像时能预期的干扰影响。所述分类在一定程度上检查预先检查中存在的尤其关于干扰影响的信息,以便将这些信息进而将干扰影响进而尤其还将检查对象分类。
-分析分类结果,以便由此评估分类结果。在该步骤中,对分类的结果进行评估,以便根据所述评估能够进行成像模态与相关的参数的尽可能最优的确定。通过分析分类的结果尤其推导出关于行将发生的检查的成像策略的决定。
-根据所评估的结果,确定成像模态和针对所述成像模态待使用的参数。在此,以如下方式确定成像模态和待用于所述成像模态的参数:在检查对象的借助于所确定的成像模态和所确定的参数产生的图像中,使之前已分类的干扰影响具有尽可能小的影响。换言之,以如下方式确定成像模态和待用于所述成像模态的参数:之前已识别和分类的干扰影响在检查对象的借助于所确定的成像模态和用于其的所确定的参数创建的当前图像中具有最小影响进而造成尽可能小的伪影。
据此,本发明根据出自检查对象的预先检查的信息,确定关于在借助于成像模态创建检查对象的图像时干扰影响的信息。通过将这些信息评估和分类进而尤其将借助于其检测到的干扰影响评估和分类,能够有利地确定对检查对象的个性化定制的成像模态和相应的参数,以便将已分类的干扰影响在检查对象的待创建的图像中的影响最小化。
确定或决定使用哪个成像模态和哪个参数来创建检查对象的图像,能够例如作为建议(例如以文本形式)发送给操作人员。如下面还将详细描述的那样,根据本发明自动地预先设定检查参数也是可行的。
根据本发明的方法尤其应用在时间上间隔开的测量中,其中基于在预先检查中出现的干扰影响进行对成像模态和待使用的参数的自动选择或确定以消除该干扰影响。
根据一个优选的根据本发明的实施方式,从检查对象的预先检查中得到的信息包括在检查对象的如下图像之内的干扰影响,所述图像在所述预先检查中或事先借助于已知的成像模态和已知的参数创建。为此,将所述图像在分类时自动地在干扰影响方面进行评估,以便得到分类的结果。换言之,分析检查对象的这些先前的图像的干扰影响,使得所述分类的结果近似对应于所述干扰影响的分类进而也尤其对应于检查对象的分类。
对干扰影响的分类在此尤其包括下述步骤中的至少一个:
-通过如下方式识别作为检查对象的之前的图像中的干扰影响的运动伪影并且将其分类:将所述图像中每一个借助于卷积神经网络(“Convolutional Neural Network”(CNN))分类。事先训练CNN,以便识别图像中的运动伪影。在训练之后,CNN以近似与医生相同的精确度识别图像中的运动伪影。
-通过如下方式识别检查对象的作为在检查对象的之前的图像中的干扰影响的植入物并且将其分类:将在图像中存在的作为干扰影响的图像干扰借助于卷积神经网络(CNN)分类。也事先训练所述CNN,以便根据在相应的图像中存在的图像干扰或干扰影响确定检查对象的植入物的类型和位置。
-检测操作人员的信息,以便由此改进干扰影响的分类。所述步骤能够实现:例如通过操作人员或顾问医生引入信息,以将干扰影响分类。所述信息例如能够借助于在相应的检查结束时的选择框检测。
所述根据本发明的实施方式能够实现干扰影响的更好的分类进而能够实现成像模态的和待用于其的参数的更好的确定,以便进一步使在检查对象的由此创建的图像中的已分类的干扰影响的作用最小化。
根据另一根据本发明的实施方式,借助于所确定的成像模态连同所述所确定的成像模态的所确定的参数创建检查对象的图像。接着,将这样创建的图像添加给如下图像,借助于所述图像将干扰影响分类。
根据上文所描述的另外的实施方式,在当前检查结束时能够进行分类信息或图像信息的更新,由此进一步改进成像模态和待用于其的参数的根据本发明的确定以用于检查对象的随后的检查。
此外,在当前检查结束时能够请求操作人员的信息(反馈),借助于所述信息评估在个体的检查对象的检查方面的所确定的成像模态和所确定的参数的有效性和质量。所述信息于是能够使用在根据本发明的方法的随后的流程中,以便进一步改进分类、分析和/或确定步骤。
根据另一根据本发明的实施方式,来自预先检查的信息包括下述信息中的至少一个:
-运动轨迹,借助于所述运动轨迹描述预先检查之一的检查对象的运动。根据所述运动轨迹能够估计运动伪影的概率。
-检查对象在预先检查之一中的呼吸曲线。根据呼吸曲线能够检测在呼吸时的不规律性。检查对象能够屏住呼吸的时长也能够根据呼吸曲线确定。
-检查对象在预先检查之一中的ECG(心电)的ECG曲线。
-检查对象在预先检查之一中的脉搏率。
-在预先检查之一中的检查对象与操作人员建立联系的尝试次数。与操作人员的建立联系的尝试通常造成测量中断,由此测量被延长进而不利地影响测量的有效性。建立联系的尝试例如更经常在患者具有幽闭恐惧症时出现。
-在预先检查之一中在检查对象和操作人员之间所构建的通信连接的数量。建立联系的尝试通常引起构建检查对象和操作人员之间的通信连接,这随后通常造成上述测量中断。
-检查对象在预先检查之一中的重复检查次数或检查对象在预先检查之一中的无效检查的次数。
根据之前所描述的信息能够将检查对象极其准确地分类,以至于能够与这些信息相关地确定具有相应的参数的尽可能最优的成像模态,以便尽可能有效地创建检查对象的图像。
能够通过一个或多个分类单元执行分类。在使用多个分类单元时,所述分类单元中的每个都能够用于对特定类型的干扰影响分类,所述特定类型的干扰影响例如是所产生的干扰影响的运动或由植入物所产生的干扰影响。
在此要么能够直接在预先检查的相应的成像设备(实施成像模态的设备)处在所述预先检查(也就是说时间上已经在当前检查之前实施的检查)的过程中执行分类,要么回顾性地执行分类。在此,要么能够通过成像设备本身要么在单独的计算机或服务器上实施所述分类。在后一种情况下,例如能够使用连接到医院的PACS(“图像编档和通信系统”)上的分析服务器或者基于云端的解决方案。
分类的结果能够包括:
-一个或多个质量量值,所述质量量值与信息相关地分别推导出关于之前的图像的质量的量值,所述图像由检查对象借助于所确定的成像模态创建。借助于所述质量量值例如能够评估在检查对象的之前的图像中的脂肪饱和度的质量。
-一个或多个运动量值,所述运动量值分别说明如下量值:检查对象的运动以何种强度引起干扰影响。由此,相应的运动量值近似对应于如下说明:检查对象的运动以何种程度引起所检测到的干扰影响(例如百分比)。相应的运动量值在此反映:检查对象的运动与相应的待借助图像回答的提问相关地以何种程度负面地影响根据待创建的图像的可诊断性。在此,在测量中,连续的患者运动与少量的快速运动相比,通常视为更严重的。第一运动量值例如能够描述检查对象的平均偏移,而第二运动量值描述检查对象的运动的规律性。
-检查对象的植入物的植入物类型。根据干扰影响进而通过对所述干扰影响的分类也能够相对准确地确定检查对象的植入物类型。与植入物类型相关地随后能够确定成像模态。
-检查对象的植入物的几何尺寸。根据干扰影响进而通过对所述干扰影响的分类和评估也能够确定检查对象的植入物的尺寸。
-对于支承辅助的指示,用于在创建检查对象的图像时支承检查对象。如果例如在检查对象处在几分钟之后或原本就产生震颤,那么所述指示是值得推荐的。
通过分类的结果包括质量量值、运动量值、植入物类型、植入物的几何尺寸和/或对支承辅助的指示的方式,分类的结果有利地包含进一步的信息,所述信息是对于以根据本发明的方式确定成像模态的和待用于其的参数是极其重要的。
下面,根据本发明的实例描述:哪些信息或干扰影响引起哪种分类并且根据分类的结果的分析引起哪种成像模态。在此给出的用于实施相应的成像模态的序列或附加信息对应于根据本发明待确定的参数,所述参数在所确定的成像模态中使用。
如果在之前的图像之内可识别到非常强的运动伪影,那么这引起在运动方面的非常差的分类(运动注释(Bewegungsnote)6),以至于为了对检查对象进行检查将具有仅非常短的序列的磁共振成像(例如代替TSE序列(“Turbo Spin Echo快速自旋回波”)、HASTE序列(“Half fourier Acquisition Single shot Turbo spin Echo半傅立叶采集单次激发快速自旋回波”))确定为成像模态。
如果在之前的图像之内识别到中等强度的运动伪影,那么这引起在运动方面的中等程度的分类(运动注释3),以至于为了对检查对象进行检查将具有运动鲁棒性的序列的磁共振成像(例如代替TSE序列的TSE-BLADE序列)确定为成像模态。(BLADE表示在扫描呈平行的周期性旋转的重叠的K-空间-行形式的K空间时的特定过程,这能够实现磁共振图像的改进的重建。)
如果在之前的图像之内识别到小的运动伪影,那么这引起在运动方面的良好的分类,以至于为了对检查对象进行检查将具有多次取平均值的序列(例如两次取平均值的TSE序列)的磁共振成像确定为成像模态。
如果在之前的图像之内识别到非常强的金属伪影,那么这引起在植入物方面的非常差的分类(植入物注释6)。在此情况下,磁共振成像未导致足够好的磁共振图像,以至于例如将计算机断层扫描确定为成像模态。
如果在之前的图像之内识别到仅轻微的金属伪影,那么这引起在植入物方面的令人满意的分类(植入物注释3),以至于为了对检查对象进行检查再次将例如借助于SEMAC法(“Slice Encoding for Metal Artifact Correction层面编码金属伪影矫正”)的磁共振成像确定为成像模态。
如果在之前的图像之内未识别到金属伪影,那么这引起在植入物方面的非常好的分类(植入物注释1),以至于为了对检查对象进行检查将例如具有标准TSE序列的磁共振成像确定为成像模态。
如果在之前的图像之内识别到良好的脂肪饱和,那么能够将具有SPAIR-饱和脉冲(“SPectrally Adiabatic Inversion Recovery绝热脉冲的脂肪抑制”)的时间优化的序列的磁共振成像确定为成像模态。在此能够根据在检查对象的之前的图像中的待识别的脂肪饱和结果来评估在相应的检查对象中的脂肪饱和的质量。
而如果在之前的图像之内识别到差的脂肪饱和,那么能够将具有基于DIXON法的序列的磁共振成像确定为成像模态。
通过在确定成像模态和在此待使用的参数时考虑之前的图像中的差的脂肪饱和,能够有利地避免如下问题:所确定的身体细节造成差的Shim结果,以至于尤其由于不足的脂肪抑制导致化学位移伪影或图像的破坏性干扰。
从预先检查中得到的信息也能够跨模态地使用。如果例如在之前的CT图像中识别到特定尺寸的金属假体,那么能够与其相关地根据本发明地将具有相对于金属伪影不敏感的MR测量序列的MR成像或具有超声波模式或超声波探头的超声波检查确定为成像模态,所述超声波探头使金属植入物的松开风险或出现伪影的风险最小化。
此外,例如能够在之前的CT图像或超声波图像中识别起搏器(例如心脏起搏器)。与所述信息相关地,于是能够禁止将磁共振成像确定为待确定的成像模态或者将具有仅较低的磁共振场强的磁共振成像或具有降低的高频功率和梯度改变率(“gradient slewrate”)的成像方式确定为成像模态。
分类的结果能够与检查对象的元信息相关联地保存在存储机构(例如数据库)中。还可行的是,分类的结果直接作为(多个)DICOM属性与检查对象的医学图像数据相关联。
所述步骤,即将干扰影响分类和/或对分类的结果进行分析和/或对成像模态和参数的确定,能够
-基于规则地,
-作为机器学习的算法,这能够包括大数据的评估,或
-以卷积神经网络的方式实施。
所述步骤,即对分类的结果进行分析,有利地能够包括对所述分类的结果进行加权。在此,根据本发明给出如下可行性,其能够相应地进行组合:
-在时间上较新的分类的结果与在时间上较早的结果相比具有更高的权重。换言之,通过评估较新的图像所得到的分类的结果与通过评估较早的图像的所得到的分类的结果相比权重更高。检查对象的图像越新,结果的权重就越高,根据对所述图像的评估创建结果。
-如果依照根据本发明的实施方式预设成像模态从而所述成像模态对应于待确定的成像模态,那么根据检查对象的借助于预设的成像模态拍摄的图像所得到的分类的结果与根据借助于另一成像模态创建的图像所得到的结果相比权重更高。
-检查对象的之前的图像由检查对象的一定身体区域拍摄而成,其中待创建的图像也将由所述身体区域拍摄而成,根据检查对象的之前的图像所创建的分类的结果与根据涉及检查对象的其他身体区域的之前的图像所创建的结果相比权重更高。
-根据检查对象的借助于如下成像模态创建的之前的图像的分类的结果的权重较高,所述成像模态对于所确定的干扰影响而言比其他成像模态更易受干扰。如果例如在检查对象的之前的CT图像中双轮廓指出检查对象的运动,然而在之前的磁共振图像中未发现运动伪影并且当前应当进行磁共振拍摄,那么根据之前的磁共振图像获得的结果权重较高。假定:由同一的成像模态获得的分类结果的可靠性,与当必须由不同成像模态获得的分类结果推断出在另一成像模态的情况下的预期结果时相比,可靠性更高。
根据之前所描述的实施方式,能够将分类的结果与不同的权重组合以用于分析结果的步骤进而在确定成像模态和待使用的参数的步骤中加以考虑。如上文所描述的那样,因此,最新的分类与已经发生很久的分类相比例如能够权重更高。如果例如当前的分类指明存在检查对象的植入物,而较早的分类没有指明这种情况,那么很有可能是植入物只是最近刚被装入并且从现在起在确定成像模态和待使用的参数时需被考虑。
与输入患者特异的分类结果相关地执行分析所述结果的分析单元能够直接设置在当前检查的成像设备上或同样位于单独的系统,例如医院的放射科管理系统(RIS)上。
根据本发明的方法尤其也包括:将所确定的成像模态的参数自动地设定为针对所确定的成像模态事先确定的参数。据此,根据本发明的方法不仅包括:确定成像模态和在此待使用的参数,而且附加地包括:自动地设定这些参数,以至于能够近似自动地借助于所确定的成像模态和所确定的参数创建检查对象的图像。
例如,在将磁共振设备确定为所确定的成像模态时,对参数的确定也包括确定或决定:将哪些成像技术或序列用于图像检测。例如能够将基于BLADE的序列用于减少运动影响和将基于SEMAC的序列用于减少金属伪影。借助于其他序列类型能够限定用于可靠地拍摄具有植入物的检查对象的硬件限制或缩短屏息时间。
基于BLADE的序列相对于检查对象在拍摄时的运动本质上是鲁棒的,因为以螺旋桨的方式扫描K空间进而每个被扫描的K空间区段包含K空间中心,由此能够依次配准K空间中心。换言之,尤其在检查对象的运动量值或运动注释低于特定阈值的情况下,确定具有BLADE选项的TSE序列来检测所需的图像数据。尤其地,在检查对象的运动量值或运动注释低于特定阈值的情况下适用的是:借助于多次取平均值工作,以便查明所出现的检查对象的运动;或者保持测量时间尽可能短,其方式是,例如检测较少的K空间点,以便由此降低在测量期间出现运动的概率。
根据一个根据本发明的实施方式,预设待确定的成像模态。在所述实施方式中,如果自动地识别出:分类的结果禁止借助于预设的成像模态创建检查对象的图像,那么在借助于预设的成像模态创建检查对象的图像之前发出警告。
根据之前所描述的实施方式,如果对分类的结果的分析造成禁忌症,因为检查例如可能造成对患者的危害,那么能够拒绝对检查对象的检查(也就是说创建检查对象的图像)。
如上文已描述的那样,成像模态能够是下述模式之一:
-磁共振断层扫描,
-计算机断层扫描,
-正电子发射断层扫描,
-单光子发射计算机断层扫描,
-超声模式,或
-X射线模式。
根据本发明的方法进而本发明具有如下优点:
-实现患者个体的检查或检查对象的图像的创建。
-在存在植入物(包含假牙)的情况下,本发明确保提高的安全性。来自解释性说明的可能的错误信息被揭示和/或避免。
-根据本发明创建的图像的图像质量至少平均高于在根据现有技术的成像模态中的图像质量,由此也有利地影响可诊断性。
-与现有技术相比,在创建检查对象的图像时节约时间。避免多余的患者支承和图像创建的重复。
-本发明不局限于一个成像模态,而是一方面也能够包括选择或确定待使用的成像模态或者用于任意的成像模态。
-本发明在创建检查对象的图像时辅助操作人员并且引起与现有技术相比更高的患者满意度。
在本发明的范围内也提供一种用于确定医学成像模态和在此针对所确定的成像模态待使用的参数的装置,以便借助于所确定的成像模态和为其确定的参数创建检查对象的图像。在此,所述装置包括控制装置和存储机构。控制装置设计用于,将关于在创建图像时能预期的干扰影响从检查对象的预先检查中已知并且存储在存储结构中的信息分类,以便得到分类的结果。控制装置还设计用于分析所述结果,以便通过所述分析来评估结果,并且以便与所评估的结果相关地确定成像模态和参数,以至于在借助于所确定的成像模态和所确定的参数由检查对象产生的图像中将经分类的干扰影响最小化。
根据本发明的装置的优点基本上对应于根据本发明的方法的优点,所述优点在上文中被详细地描述,因此在此不进行重复。
此外,在本发明的范围内描述一种成像系统,其包括医学成像模态,例如磁共振设备和上文所描述的根据本发明的装置。在此,根据本发明的系统设计用于,将系统的成像模态的参数设定为预先由所述装置确定的参数并且借助于系统的成像模态和借助于设定的参数创建检查对象的图像。
此外,本发明描述一种计算机程序产品,尤其软件,所述软件能够加载到可编程的控制装置的或根据本发明的成像系统的计算单元的存储器中。如果计算机程序产品在控制装置中运行,那么借助于所述计算机程序产品能够实施根据本发明的方法的所有或不同的之前所描述的实施方式。在此,计算机程序产品可能需要程序机构,例如程序库或辅助功能,以便实现所述方法的相应的实施方式。换言之,应当借助于针对计算机程序产品的实施方式尤其保护如下软件,借助于所述软件能够实施根据本发明的方法的上述实施方式之一或所述软件实施所述实施方式。在此,软件能够是还须被汇编和链接或仅被解释的源代码(例如C++),或是可运行的软件代码,为了运行所述软件代码仅需将其加载到相应的计算单元或控制装置中。
最后,本发明公开一种电子可读的数据载体,例如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,尤其软件(参照上文)。如果所述控制信息(软件)由数据载体读取并且存储到根据本发明的成像系统的控制装置或计算单元中,那么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。
附图说明
在图1中示意地示出根据本发明的成像系统。
图2示出根据本发明的用于确定医学成像模态和在此针对所确定的成像模态待使用的参数的方法的程序流程图。
具体实施方式
在图1中示出根据本发明的成像系统,图1在磁共振设备5旁边(作为医学成像模态)示意地示出根据本发明的用于确定医学成像模态和在此针对所确定的成像模态待使用的参数的装置16。磁共振设备5基本上包括:断层扫描仪3,借助于所述断层扫描仪在测量室4中产生需要用于磁共振检查的磁场;台或床2;控制装置6,借助于所述控制装置控制断层扫描仪3并且由断层扫描仪3检测磁共振数据;和连接于控制装置6的终端7。
控制装置6就其而言包括操控单元11、接收设备12和评估设备13。在创建图像数据组期间,借助于断层扫描仪3由接收设备12检测磁共振数据,其中断层扫描仪3和台2由操控单元11操控,使得在测量体积15中检测磁共振数据,所述测量体积位于躺在-台2上的患者O的身体内部。
评估设备13随后处理磁共振数据,使得在终端7的屏幕8上能够用图形示出所述磁共振数据。除了以图形示出磁共振数据以外,能够借助于终端7由用户检测信息以将检查对象和/或干扰影响分类,所述终端除了屏幕8以外还包括键盘9和鼠标10。经由终端7也能够将用于控制装置6的软件加载到控制装置6中。控制装置6的所述软件在此也能够包括根据本发明的方法。在此也可行的是,根据本发明的方法包含在软件中,所述软件在终端7中运行。与根据本发明的方法包含在哪个软件中无关,软件能够存储在DVD 14上,以至于所述软件随后由终端7从DVD 14读取并且要么能够复制到控制装置6中要么能够复制到终端7本身的计算单元中。
因为在图1中示出的成像系统具有仅一个成像模态,所以所述系统虽然能够借助于装置16原则上也确定不同于在系统中存在的磁共振设备5的成像模态,但是无法自动地借助于所述不同成像模态创建图像。为此,成像系统可能必须包括多个成像模态(例如附加地包括计算机断层扫描和X射线模式),以便从这些在系统中存在的成像模态中确定对于检查而言尽可能匹配的成像模态并且随后借助于所述所确定的成像模态和为此确定的参数创建检查对象的图像。
在图2中示出根据本发明的用于确定医学成像模态和在此针对所确定的成像模态待使用的参数的方法的流程图。
在第一步骤S1中,评估检查对象或患者的信息,例如之前的图像,以便将例如在所述之前的图像中的干扰影响分类。将来自第一步骤S1的所述分类的结果在第二步骤S2中分析,以便由此评估所述分类的结果。根据在步骤S2中的所述分析的结果,在随后的步骤S3中一方面确定成像模态,其中需借助于所述成像模态创建患者的当前图像。此外,在步骤S3中确定所确定的成像模态的参数,使得在借助于如此确定的成像模态和所确定的参数所创建的患者的图像中,使经分类的干扰影响最小化。最后,在步骤S4中借助于所确定的成像模态和所确定的参数创建患者的图像。
Claims (20)
1.一种用于从多个成像模态中确定医学的成像模态和其参数的方法,以便创建检查对象的图像,所述方法包括:
给经训练的卷积神经网络(CNN)提供从所述检查对象的一个或多个预先检查中得到的信息,并且经由所述经训练的CNN根据一个或多个干扰影响对所述信息干扰的程度产生分类结果,其中所述信息包括:
(i)在预先检查时所述检查对象的运动的运动轨迹,
(ii)在预先检查时所述检查对象与操作人员建立联系的尝试次数;
经由经训练的CNN分析分类结果,以便评估所述分类结果,并且在多个所述成像模态中确定医学成像模态和其一个或多个参数,使得在所述检查对象的借助于所述所确定的医学的成像模态和其所确定的一个或多个参数所产生的一个或多个图像中使一个或多个干扰影响的影响最小化。
2.根据权利要求1所述的方法,
其中,
所述信息包括在所述检查对象的之前已经借助于一个或多个成像模态和参数所创建的图像之内的干扰影响,其中在所述干扰影响方面自动地评估所述图像。
3.根据权利要求2所述的方法,
其中,
产生所述分类结果包括下述步骤中的至少一个:
将运动伪影作为所述图像中的干扰影响分类,其中将所述图像中的每个借助于CNN分类;
将所述检查对象的一个或多个植入物分类,其中将在所述图像中存在的、作为干扰影响的图像干扰借助于卷积神经网络分类为植入物;以及
检测操作人员的信息,以便由此改进分类。
4.根据权利要求2所述的方法,
其中,
借助于所述所确定的医学成像模态和所述所确定的一个或多个参数创建所述检查对象的图像;以及
所述方法还包括,将所产生的图像添加给如下多个图像,从所述多个图像中对干扰影响分类。
5.根据权利要求1所述的方法,其中借助于所述所确定的医学成像模态和所述所确定的一个或多个参数创建所述检查对象的图像。
6.根据权利要求1所述的方法,
其中,
所述信息还包括在预先检查时所述检查对象的脉搏的脉搏率。
7.根据权利要求1所述的方法,其中
所述分类结果包括:
至少一个质量量值,所述质量量值基于所述信息推导出在图像的质量方面的至少一个量值,所述至少一个量值对应于所述检查对象的通过所述成像模态创建的图像的质量;
至少一个运动量值,所述运动量值说明:所述检查对象的运动以何种强度引起干扰影响;
所述检查对象中的植入物的植入物类型;
所述检查对象中的植入物的几何尺寸;和/或
在借助于成像模态创建所述检查对象的图像时,对于所述检查对象的支承辅助的指示。
8.根据权利要求1所述的方法,
其中对所述分类结果的分析包括对所述分类结果进行加权,其中:
在时间上较新的结果具有较高的权重,
已经借助于作为待确定的成像模态预设的成像模态所得到的结果,具有较高的权重,
涉及所述检查对象的需创建图像的身体区域的结果,具有较高的权重,和/或
已经借助于对于所确定的干扰影响更易受影响的成像模态所得到的结果,具有较高的权重。
9.根据权利要求1所述的方法,
所述方法还包括:将参数自动地设定为针对所确定的成像模态确定的一个或多个参数。
10.根据权利要求1所述的方法,
其中,
预设待确定的成像模态,以及
如果所述分类结果禁止借助于预设的成像模态创建所述检查对象的图像,那么在借助于所述预设的成像模态创建所述检查对象的图像之前发出警告。
11.根据权利要求1所述的方法,
其中,
所述所确定的成像模态包括磁共振断层扫描、计算机断层扫描、正电子发射断层扫描、单光子发射计算机断层扫描、超声模式或X射线模式。
12.根据权利要求1所述的方法,其中所述信息还包括在预先检查时所述检查对象的呼吸的呼吸曲线。
13.根据权利要求1所述的方法,其中所述信息还包括在预先检查时所述检查对象的ECG的ECG曲线。
14.根据权利要求1所述的方法,其中所述信息还包括:在预先检查时在所述检查对象和操作人员之间所构建的通信连接的数量;和/或所述检查对象在预先检查时重复检查或无效检查的次数。
15.根据权利要求1所述的方法,其中所述信息还包括在预先检查时所述检查对象的呼吸的呼吸曲线和在预先检查时所述检查对象的ECG的ECG曲线。
16.根据权利要求1所述的方法,其中所述信息还包括在预先检查时在所述检查对象和操作人员之间所构建的通信连接的数量和所述检查对象在预先检查时重复检查或无效检查的次数。
17.一种非易失性电子可读数据载体,其存储有程序,当执行所述程序时,使得计算机执行根据权利要求1所述的方法。
18.一种用于从多个成像模态中确定医学的成像模态和其一个或多个参数的系统,以便创建检查对象的图像,所述系统包括:
存储从所述检查对象的一个或多个预先检查中得到的信息的存储机构,其中所述信息包括:
(i)在预先检查时所述检查对象的运动的运动轨迹,
(ii)在预先检查时所述检查对象建立联系的尝试次数;和
控制装置,所述控制装置与所述存储机构通信地连接,并且所述控制装置设计为,
经由所述经训练的CNN根据一个或多个干扰影响对所述信息干扰的程度产生分类结果,
分析所述结果以便评估所述结果,并且在多个所述成像模态中确定医学成像模态和其一个或多个参数,使得在所述检查对象的借助于所述所确定的医学成像模态和其所确定的一个或多个参数所产生的一个或多个图像中使一个或多个干扰影响的影响最小化。
19.根据权利要求18所述的系统,
其中所述控制装置还设计用于控制成像系统以借助于所确定的医学的成像模态和所确定的一个或多个参数来产生所述检查对象的图像。
20.一种成像系统,其包括医学的成像模态和根据权利要求18所述的系统,
其中所述成像系统设计用于,
将所述医学的成像模态的一个或多个参数设定为通过根据权利要求18所述的系统所确定的一个或多个参数;以及
通过所述医学的成像模态并且借助于所设定的一个或多个参数创建所述检查对象的图像。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102018207632.4 | 2018-05-16 | ||
DE102018207632.4A DE102018207632A1 (de) | 2018-05-16 | 2018-05-16 | Bestimmen einer Bildgebungsmodalität und der Parameter dafür |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110503698A CN110503698A (zh) | 2019-11-26 |
CN110503698B true CN110503698B (zh) | 2023-05-26 |
Family
ID=68419699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910409673.5A Active CN110503698B (zh) | 2018-05-16 | 2019-05-16 | 确定成像模态和其的参数的方法,装置和成像系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11547368B2 (zh) |
CN (1) | CN110503698B (zh) |
DE (1) | DE102018207632A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111387981A (zh) * | 2020-04-07 | 2020-07-10 | 解春丽 | 脑图谱分析系统 |
CN112017256B (zh) * | 2020-08-31 | 2023-09-15 | 南京安科医疗科技有限公司 | 在线ct图像质量自由定制方法及计算机可读存储介质 |
JP7233792B2 (ja) * | 2020-11-30 | 2023-03-07 | 株式会社Lily MedTech | 画像診断装置、画像診断方法、プログラム及び機械学習用訓練データの生成方法 |
CN112649773B (zh) * | 2020-12-22 | 2023-05-26 | 上海联影医疗科技股份有限公司 | 磁共振扫描方法、装置、设备及存储介质 |
EP4113150A1 (de) * | 2021-06-29 | 2023-01-04 | Siemens Healthcare GmbH | Korrektur der chemischen verschiebungs- artefakte aus bipolaren dixon-mr aufnahmedaten unter verwendung eines neuronalen faltungsnetzwerks (cnn) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855618A (zh) * | 2011-06-29 | 2013-01-02 | 西门子公司 | 用于图像产生和图像分析的方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7672491B2 (en) * | 2004-03-23 | 2010-03-02 | Siemens Medical Solutions Usa, Inc. | Systems and methods providing automated decision support and medical imaging |
US7542792B2 (en) * | 2004-06-01 | 2009-06-02 | General Electric Company | Methods for automatic protocol selection |
JP2008537691A (ja) * | 2005-03-16 | 2008-09-25 | コーネル リサーチ ファンデーション,インコーポレーテッド | 診断用精密検査におけるイメージング・ソフトウエアの領域を拡張する方法 |
US7940970B2 (en) * | 2006-10-25 | 2011-05-10 | Rcadia Medical Imaging, Ltd | Method and system for automatic quality control used in computerized analysis of CT angiography |
US9597041B2 (en) * | 2007-03-30 | 2017-03-21 | General Electric Company | Sequential image acquisition with updating method and system |
US8520920B2 (en) * | 2009-11-11 | 2013-08-27 | Siemens Corporation | System for dynamically improving medical image acquisition quality |
US9881133B2 (en) * | 2012-05-18 | 2018-01-30 | University Of Florida Research Foundation, Incorporated | Patient in-the-loop participatory care and monitoring |
US20190298210A1 (en) * | 2013-07-01 | 2019-10-03 | Mayo Foundation For Medical Education And Research | Algorithms for managing artifact and detecting cardiac events using a patient monitoring system |
US9152761B2 (en) * | 2014-01-10 | 2015-10-06 | Heartflow, Inc. | Systems and methods for identifying medical image acquisition parameters |
US9743911B2 (en) * | 2014-09-03 | 2017-08-29 | Contextvision Ab | Methods and systems for automatic control of subjective image quality in imaging of objects |
US10925510B2 (en) * | 2015-05-08 | 2021-02-23 | Cedars-Sinai Medical Center | Characterization of respiratory motion in the abdomen using a 4D MRI technique with 3D radial sampling and respiratory self-gating |
US10074037B2 (en) * | 2016-06-03 | 2018-09-11 | Siemens Healthcare Gmbh | System and method for determining optimal operating parameters for medical imaging |
US20170365047A1 (en) * | 2016-06-15 | 2017-12-21 | General Electric Company | Artifact management in imaging |
DE102016219887A1 (de) * | 2016-10-12 | 2018-04-12 | Siemens Healthcare Gmbh | Verfahren und System zur Nutzung von Messdaten |
WO2018085788A1 (en) * | 2016-11-04 | 2018-05-11 | The University Of North Carolina At Chapel Hill Office Of Commercialization And Economic Development | Methods, systems, and computer readable media for smart image protocoling |
DE102017221830A1 (de) | 2017-12-04 | 2019-06-06 | Siemens Healthcare Gmbh | Charakterisierung eines Störkörpers innerhalb eines Untersuchungsobjektes anhand eines medizinischen Bilddatensatzes |
EP3553548B1 (de) | 2018-04-13 | 2022-06-08 | Siemens Healthcare GmbH | Magnetresonanz-pulssequenzeinstellung anhand bewegungsvorhersage |
US11056227B2 (en) * | 2018-05-23 | 2021-07-06 | Koninklijke Philips N.V. | System and method for generating textual descriptions from medical images |
-
2018
- 2018-05-16 DE DE102018207632.4A patent/DE102018207632A1/de active Pending
-
2019
- 2019-05-16 US US16/413,886 patent/US11547368B2/en active Active
- 2019-05-16 CN CN201910409673.5A patent/CN110503698B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855618A (zh) * | 2011-06-29 | 2013-01-02 | 西门子公司 | 用于图像产生和图像分析的方法 |
Also Published As
Publication number | Publication date |
---|---|
US20190350534A1 (en) | 2019-11-21 |
DE102018207632A1 (de) | 2019-11-21 |
CN110503698A (zh) | 2019-11-26 |
US11547368B2 (en) | 2023-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110503698B (zh) | 确定成像模态和其的参数的方法,装置和成像系统 | |
US20220117570A1 (en) | Systems and methods for contrast flow modeling with deep learning | |
CN107913076B (zh) | 用于提供置信信息的方法 | |
US7451002B2 (en) | Automated generation of transfer functions based upon machine data | |
KR101774095B1 (ko) | 제어 방법 및 제어 시스템 | |
US10074037B2 (en) | System and method for determining optimal operating parameters for medical imaging | |
JP7096326B2 (ja) | 医療撮像のための自動化された整合性チェック | |
US10736594B2 (en) | Data-based scan gating | |
US20190354882A1 (en) | Artificial intelligence-based self-learning in medical imaging | |
US20130297331A1 (en) | Medical Imaging Guideline Compliance System | |
CN106880900B (zh) | 用于自动确定造影剂注射方案的方法 | |
US20180182102A1 (en) | Automated image evaluation in x-ray imaging | |
CN112168191A (zh) | 从第一三维计算机断层成像数据组提供分析数据组的方法 | |
KR102469907B1 (ko) | 복수의 폐질환을 스크리닝하기 위한 의료 영상 재구성 장치 및 방법 | |
CN114469145B (zh) | 提供最佳减影数据组 | |
EP4084010A1 (en) | Method for operating an evaluation system for medical image data sets, evaluation system, computer program and electronically readable storage medium | |
US11357465B2 (en) | Evaluating the reliability of a CT volume image | |
EP4177626A1 (en) | Respiratory state alignment in mri | |
US20220156905A1 (en) | Provision of an optimum subtraction data set | |
US20230181117A1 (en) | Quality control in medical imaging | |
US20220253987A1 (en) | Systems and methods of validating motion correction of medical images for quantitative parametric maps | |
CN116999080A (zh) | 用于创建定量的正电子发射断层扫描图像的方法和系统 |
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 |