CN111599474A - 检查基于x射线的医学成像应用的流程的特征参数的方法 - Google Patents
检查基于x射线的医学成像应用的流程的特征参数的方法 Download PDFInfo
- Publication number
- CN111599474A CN111599474A CN202010102608.0A CN202010102608A CN111599474A CN 111599474 A CN111599474 A CN 111599474A CN 202010102608 A CN202010102608 A CN 202010102608A CN 111599474 A CN111599474 A CN 111599474A
- Authority
- CN
- China
- Prior art keywords
- application
- patient
- model
- parameter
- ray
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 200
- 238000002059 diagnostic imaging Methods 0.000 title claims abstract description 45
- 238000003384 imaging method Methods 0.000 claims abstract description 67
- 238000004364 calculation method Methods 0.000 claims abstract description 38
- 238000004088 simulation Methods 0.000 claims abstract description 37
- 238000011156 evaluation Methods 0.000 claims abstract description 28
- 230000015654 memory Effects 0.000 claims description 16
- 230000000747 cardiac effect Effects 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 12
- 238000007621 cluster analysis Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 6
- 210000004872 soft tissue Anatomy 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 230000002123 temporal effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 12
- 238000005259 measurement Methods 0.000 description 15
- 238000012544 monitoring process Methods 0.000 description 7
- 238000002591 computed tomography Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000009607 mammography Methods 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
-
- 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
- A61B6/52—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
- 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
- A61B6/5288—Devices using data or image processing specially adapted for radiation diagnosis involving retrospective matching to a physiological signal
-
- 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
- A61B6/5294—Devices using data or image processing specially adapted for radiation diagnosis involving using additional data, e.g. patient information, image labeling, acquisition parameters
-
- 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
- A61B6/54—Control of apparatus or devices for radiation diagnosis
-
- 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
- G16H50/50—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Optics & Photonics (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及用于检查基于X射线的医学成像应用的应用流程的特征参数的方法,其中:借助于第一接口提供数据库,数据库包括多个患者模型,每个患者模型由至少一个模型参数表征;基于被分配给患者模型的至少一个模型参数或基于医学成像应用,借助于计算单元选择多个患者模型的子集;基于所选择的子集,借助于计算单元执行成像应用的一定数目的模拟应用流程,其中子集的至少一个患者模型被输入到每个被执行的模拟应用流程中;借助于计算单元为每个被执行的模拟应用流程确定特征参数值;借助于第二接口输出所确定的特征参数值,或基于特征参数的预设目标,借助于计算单元自动评估所确定的特征参数值,其中基于输出或自动评估检查特征参数。
Description
技术领域
本发明涉及用于检查基于X射线的医学成像应用的应用流程的特征参数的方法,用于创建用于检查基于X射线的医学成像应用的应用流程的特征参数的数据库的方法,此外涉及检查装置、计算机程序产品以及计算机可读存储介质。
背景技术
基于X射线的医学成像应用是临床日常的主要组成部分。基于X射线的医学成像应用的一般示例是例如借助于计算机断层扫描设备(CT设备)的医学X射线成像。所使用的X射线由X射线管产生。X射线管被布置在转动环上,该转动环在CT设备的运行期间进行围绕轴线的旋转运动,待成像的患者身体区域沿着该轴线被定位。在X射线管的旋转运动期间,对于多个角度方向,投影测量数据借助于X射线探测器被记录。投影测量数据涉及一个投影或多个投影,这些投影对于每个角度方向包括关于辐射的通过检查对象的衰减的信息。随后,检查对象的二维截面图像数据或三维体积图像数据可以例如借助于所谓的滤波反投影的方法从这些投影测量数据中被重建。然后,在CT成像的范畴中,基于X射线的医学成像应用的具体情况可以包括例如借助于CT设备(心脏CT)或胸部CT进行的心脏成像。基于X射线的医学成像应用还可以包括其他成像方法,例如借助于乳腺X射线摄影设备的乳腺X射线摄影成像,或借助于C臂X射线设备的射线造影或血管造影。基于X射线的医学成像应用还可以在患者治疗的范畴中被使用,例如用于监视治疗过程。
在针对基于X射线的医学成像应用的流程的优化过程的范畴中,经常会发生变化,例如优化过程的目的是改善图像质量,这还会影响应用流程的其他特征参数,例如影响对患者所使用的辐射剂量或检查的持续时间。这可能会导致与诊断参考值(DRL=diagnosticreference level)或由机构(即诊所)自己所设立的目标的冲突。
迄今为止,对基于X射线的成像应用的重要特征参数(例如在心脏CT范畴中的剂量分布)的监视主要仅回顾性地进行,或仅对于特定工作点(例如关于在具有参考直径的患者情况下的剂量调制)进行。虽然前者在任何情况下对于保证质量都是有意义的,但是相对晚地揭示应用流程中有问题的参数设置。后者通常代表概括和/或高度简化,使得对于与参考的偏差或较复杂的情况,很难提早发现预期的违规情况。
发明内容
因此,本发明的目的是提供一种改进方案,以检查基于X射线的医学成像应用的应用流程的特征参数。
该目的通过根据本发明的特征来实现。在下面的描述中说明了本发明的其他有利且部分具有创造性的实施方式和改进方案。
下面参考所要求保护的方法以及所要求保护的装置来描述根据本发明针对该目的的解决方案。在这里所提到的特征、优点或备选实施方式还可以被转用到所要求保护的其他主题上,反之亦然。换句话说,(例如针对装置的)产品权利要求还可以使用结合方法进行描述或要求保护的特征来改进。方法的相应功能特征由相应的产品模块实现。
本发明涉及一种用于检查基于X射线的医学成像应用的应用流程的特征参数的方法,该方法具有提供步骤、选择步骤、执行步骤、确定步骤、以及输出步骤或自动评估步骤。特别地,该方法可以既包括输出步骤又包括自动评估步骤。
所考虑的特征参数允许关于患者安全进行推断。所考虑的参数允许关于在临床日常中的实用性或对于患者的实用性进行推断。原则上,在根据本发明的方法的范畴中,可以考虑检查迄今为止在临床操作中主要在应用基于X射线的成像应用之后被回顾性监视的所有特征参数。关于所使用的剂量的一个示例是例如有效加权的CT剂量指数或剂量长度乘积。特征参数的另一示例可以包括检查持续时间。例如,特征参数包括基于X射线的成像应用的总持续时间或基于X射线的成像应用的部分序列的持续时间。
特别地,基于X射线的医学成像应用表示在基于X射线的患者治疗或诊断范畴中的所有成像检查。基于X射线的成像应用可以包括例如借助于CT设备的成像。特别地可以包括CT成像的应用情形,例如心脏CT、头部CT等。但是,还可以包括基于X射线的其他应用,例如血管造影应用或乳腺X射线摄影应用。
基于X射线的成像应用的应用流程还可以被称为流程协议、检查协议或扫描协议。应用流程主要定义基于X射线的成像应用在患者上的流程。特别地,基于X射线的成像应用的应用流程可以包括基于X射线的成像应用的时间流程。特别地,应用流程可以包括对于基于X射线的成像应用的流程必要的其他参数,这些参数影响或表征应用。例如,这些参数可以是在基于X射线的成像应用期间所使用的一个或多个设备的设置或参数。影响或表征应用流程的参数还可以被称为应用参数。例如,根据应用参数,应用流程可以包括:所使用的X射线管的设置、一次或多次连续曝光的开始时刻和结束时刻、与患者相关值的相关性、所使用的X射线探测器的参数、造影剂注射的时刻等。
在提供步骤中,借助于接口提供数据库,其中数据库包括多个患者模型。多个患者模型中的每个患者模型通过至少一个模型参数来表征。
在本发明的有利的实施例中,每个患者模型通过多个模型参数来表征。由此可以实现对患者模型的尽可能逼真且有说服力的建模。特别地,借助于表征一个患者模型的多个模型参数,可以每次提供具有显著区别的患者模型。
患者模型可以对应于所谓的“虚拟患者”。也就是说,每个患者模型表示基于X射线的成像应用的潜在患者,并且主要描绘了该患者的一个或多个属性,这些属性对于基于X射线的成像应用是基本的。在这个意义上,模型参数还可以被称为“虚拟患者”的属性。数据库的患者模型可以被设计为完整患者模型,该完整患者模型在患者模型的范畴中描述了“虚拟患者”对于基于X射线的成像应用的重要属性。但是,数据库的患者模型以“分解形式”描绘患者属性也是可能的。这意味着可以提供大量的部分患者模型,这些部分患者模型仅对“虚拟患者”的所选择的属性子集进行建模。在这种情况下,可以由存在于数据库中的多个患者模型(即部分患者模型)的组合来产生“虚拟患者”(即完整患者模型)。
模型参数可以表示借助于基于X射线的成像应用待检查的患者的属性,该属性对于基于X射线的成像应用是重要的。模型参数可能会影响应用流程、待检查的特征参数或预设目标。模型参数可以被分配给一个患者模型或一个患者模型子集,这些患者模型在该模型参数上具有相似性。例如,模型参数包括解剖特征、软组织等效厚、EKG值、实验室值、或“虚拟患者”的年龄。但是,其他参数也是可能的。
在选择步骤中,借助于计算单元,基于被分配给患者模型的至少一个模型参数或基于该基于X射线的医学成像应用来选择多个患者模型的子集。还可以基于其组合来选择子集。特别地,还可以基于多个模型参数的组合来选择子集。例如,可以根据被分配作为模型参数的年龄、根据解剖特征或者还可以根据特定的病征来选择该子集,这些特定的病征可以例如通过实验室值来描绘。
子集可以包括单个患者模型。但是,在根据本发明的方法的有利的实施例中,子集包括多个患者模型。对于待执行的检查(即对于基于X射线的所考虑的成像应用),优选地从数据库中选择代表性数量的患者模型。特别地,这可以意味着该方法步骤优选地描绘临床日常中的真实情况:对于基于X射线的不同的成像应用,典型的患者集体(即典型的患者群体)可能会是不同的。特别地,患者模型可以根据至少一个模型参数或多个模型参数被分配给每个患者集体。还可以例如基于在真实的患者上所执行的基于X射线的成像应用的检查历史或特定基于X射线设备的检查历史进行选择。
在执行步骤中,借助于计算单元,基于所选择的患者模型子集来执行基于X射线的成像应用的一定数目的模拟应用流程,其中子集的至少一个患者模型被输入到一定数目的模拟应用流程中的每个被执行的模拟应用流程中。这意味着在执行步骤中,借助于计算单元基于所选择的患者模型来模拟一定数目的应用流程。
特别地,一定数目的模拟应用流程中的一个模拟应用流程可以描绘在所选择的子集中的每个“虚拟患者”上基于X射线的成像应用的尽可能逼真的流程。特别地,这可以包括时间的开始。特别地,可以一同输入每个“虚拟患者”的属性。这些患者属性可以影响模拟应用流程。例如,呼吸行为可以根据呼吸曲线输入,或者EKG曲线可以根据EKG测量值输入,根据它们来控制或调整基于X射线的成像应用的模拟测量序列。例如,解剖特征可以影响检查区域的范围。如果借助于根据本发明的方法来检查允许关于对患者所使用的剂量进行推断的特征参数,则可以在执行范畴中例如将软件模块包括在应用流程的仿真中,该软件模块基于物理定律模仿用X射线照射对象,并且模拟对象吸收和散射X射线。然后,每个患者模型的输入的模型参数可以允许对剂量分布的尽可能准确的建模。例如,可以为此输入解剖特征、身高、直径、软组织等效厚度、或其他模型参数。
特别地,模拟应用流程的数目可以由所选择的患者模型的数目决定。特别地,对于所选择的子集包括的每个“虚拟患者”可以模拟基于X射线的成像应用的应用流程。在根据本发明的方法的有利的实施方案中,基于大量的“虚拟患者”执行大量的模拟应用流程,从而可以借助于该方法描绘总患者集体,该总患者集体对于所考虑的基于X射线的成像应用而言是典型的。因此,可以检查对于基于X射线的成像应用或X射线设备的典型存在的总患者群体的特征参数。但是,如果所选择的子集仅代表一个“虚拟患者”,则一定数目的模拟应用流程也同样可以只包括单个模拟应用流程。
在确定步骤中,借助于计算单元为一定数目的模拟应用流程中的每个被执行的模拟应用流程确定特征参数的值。对于每个完整患者模型(即每个“虚拟患者”),基于先前所选择的患者模型子集来决定所考虑的特征参数值。如果针对多个“虚拟患者”模拟多个应用流程,则基于此所确定的多个特征参数值可以反映在所考虑的患者集体上的特征参数波动或变化。
特别地,在该方法的范畴中还可以通过对于被执行的每个模拟应用流程为多个特征参数中的每个特征参数分别确定一个值来检查多个特征参数。
在输出步骤中,根据本发明借助于接口为每个被执行的模拟应用流程输出所确定的特征参数值。特别地,根据输出可以实现对特征参数的检查。所确定的值可以例如被输出到存储器单元并且由存储器单元存储。根据所存储的值,特征参数可以有利地被检查,或者还可以被保留以用于之后的检查和分析。该值还可以被输出到显示单元上,并且以数值形式或在所示图表等的范畴中为用户进行显示。对于观察者,这样可以实现根据所显示的值来检查特征参数。然后,可以根据显示来采取措施,这些措施例如防止基于X射线的成像应用违反监管目标。例如,可以调整应用流程。
备选地或除了输出步骤之外,根据本发明可以借助于计算单元自动评估对于每个被执行的模拟应用流程所确定的特征参数值。评估基于特征参数的预设目标。自动评估使得能够特别简单地检查特征参数。不仅如此,这在所考虑的大量患者模型和/或特征参数的情况下可以使得能够更好地评估和检查特征参数。
预设目标可以基于由用户或机构(例如诊所)自己所确立的监管预设目标。预设目标可以包括对于特征参数的具体值(即数值)。例如,预设目标可以包括对于特征参数的最小值或最大值。预设目标可以平等地确定特征参数的值的范围。这样的范围可以例如确定:在符合预设目标的情况下,特征参数最好可以取哪种值的范围。预设目标的示例是例如对于剂量指数的最大值。
评估可以包括确定特征参数值符合特征参数的预设目标,或者所确定的值不符合预设目标。这意味着例如在预设目标为最大值形式的情况下,只要所确定的特征参数值不超过最大值,就符合预设目标。评估还可以包括多个等级。评估可以例如基于所确定的值与预设目标值之间的差,并且可以根据差值进行分级。
发明人认识到根据本发明的方法可以有利地提早指明对预设目标的违反,以及在基于X射线的成像应用的应用流程中的困难。特别地,可以在将实际应用到患者上之前,检查特征参数。
迄今为止,实际上仅回顾性地监视应用流程的特征参数(例如在心脏CT范畴中的剂量分布)。例如在剂量的情况下,对于前瞻性的估计,应用流程的行为通常仅在特定工作点是可行的,例如在具有参考直径的患者的情况下。通过“检查”拟人体膜,可以用相对大的代价来确定患者身高的影响。但是,与真实的患者相比,假人通常过于简化,因此不是完全具有代表性的。其他患者属性的影响(如果被包括在内的话)通常只能非常有限地被包括在内。因此,除了在“常规”和通常理想化的条件下说明行为之外,在患者手术中很难甚至不可能在使用基于X射线成像应用程序之前估计剂量和其他特征参数。对于检查的其他关键指标,例如扫描时间或检查的总持续时间,也可以考虑给予患者的剂量。对于检查的其他指数,也可以提出与对患者所使用的剂量类似的考虑。特别地,这对于评估协议变更的实际可用性是有益的。
与目前的方法相比,可以借助于根据本发明的方法有利地在实际应用到患者之前检查应用流程的行为。这意味着,与常规的回顾性监视相反,根据本发明的方法可以被理解为前瞻性地监视一个或多个特征参数的可行方案,即,在潜在违反准则或违反实际情况使用基于X射线的成像应用之前。同样有利地,可以提早且省时地估计关于复杂的或对于每个患者而言非常单独的应用流程的特征参数的行为。因此,特别是对于不同的(例如与参考值不同的)患者,可以更好地检查特征参数。有利地,根据本发明的方法还允许对于基于X射线的成像应用的所有典型患者集体高效地检查特征参数,而不只是在参考点处。这对于患者安全以及基于X射线的成像应用在临床操作中的实用性(特别是在应用流程变化的情况下)是特别期望的。
特别地,可以如在真实检查的常规的回顾性监视过程中一样地评估、显示、存储根据本发明的方法所确定的特征参数数据。有利地,这允许使用已知的软件工具和评估过程,以及特征参数数据的对于用户熟悉的介绍。
在根据本发明的方法的变型中,该方法包括自动评估的步骤,其中在自动评估的步骤中,基于所确定的值与预设目标的比较来决定每个所确定的值不符合预设目标的情况。也就是说,借助于与预设目标的比较,来评估所确定的每个值符合预设目标或者不符合预设目标(即违反预设目标)。比较可以包括数学运算,例如产生差、商或其他。借助于评估所决定的不符合的情况在下文中也可以被称为问题情况。
有利地,借助于根据本发明的方法来有效地识别特别是违反规定和目标。
此外,在一个实施方式中,方法还可以具有关联步骤。在这里,借助于计算单元将特征参数的当前所确定的值的不符合的情况与如下的患者模型的至少一个模型参数进行关联,该患者模型已被输入到当前所确定的值所基于的被执行的模拟应用流程中。也就是说,对于发现违反目标的情况,将这种情况所基于的模型参数与不符合相关联。
特别地,关联包括决定至少一个模型参数与不符合的情况之间的相关性。也就是说,将所发生的问题情况与所基于的患者模型的属性相关联。例如,可以借助于数学评估来决定用于相关性度量的数值,即,对于特定模型参数与不符合的情况之间所发生的相关性的数值。还可以借助于关联对于用户的可视化表示(例如从图中)来导出或看出该相关性。
有利地,可以基于关联或基于所决定的相关性来建立一个或多个特定模型参数(即患者属性)与违反目标之间的联系。通过这种方式,可以有利地确定可能会导致违反预设目标的一个或多个主要影响因素。通过将必要时被输入到多个模拟应用流程中的多个患者属性与不符合预设目标进行关联和相关,使得能够对不符合的原因进行有针对性的分析。特别地,这还可以有利地帮助用户实现如何更好地符合预设目标。特别地,在分析大量所确定的值和这些值所基于的模型参数时,相关性的决定可以使得能够有说服力地确定对于是否符合预设目标的主要影响因素。
在显示单元(例如显示器)上显示所出现的问题情况以及所确定的一个或多个主要影响因素,从而有利地使得用户能够根据显示推断出关于所选择的虚拟患者集体的相应子集。
在方法的优选变型中,关联步骤包括机器学习方法或聚类分析方法。
有利地,使用机器学习方法或者特别是使用聚类分析方法适合于特别有效地确定不符合的情况与特定模型属性之间的相关性,并且从而确定主要影响因素。
机器学习的方法或人工智能系统是指用于从经验中人工生成知识的系统。人工智能系统在训练阶段中从示例中学习,并且可以在训练阶段结束之后一般化。这种系统的使用可以包括在训练数据中识别模式和规律性。在训练阶段之后,人工智能系统可以例如在先前未知的数据中提取特征或关系。对于关联优选地使用聚类方法(也称为聚类分析方法、聚类分析或聚类算法)。这些方法是指用于在数据库中发现相似结构或相关性的方法。以这种方式所找到“相似”对象的组称为聚类,组分配称为进行聚类。聚类分析的目的是:在算法不具有关于类的先前知识的情况下,在数据中识别新的组(也称为聚类或类)。随后这些新组可以用于自动分类、识别模式或分割数据。聚类分析方法在现有技术中是已知的。可能的简单聚类方法是例如所谓的k-means算法或DBSCAN算法(“Density-Based SpatialClustering of Applications with Noise”,具有噪声的基于密度的空间聚类)。
发明人认识到借助于这种聚类分析方法可以特别有利地将如下的情况与作为基础的每个患者模型的属性相关联,在这样的情况中,即,在模拟的应用流程中,通过所确定的特征参数值发现违反目标。有利地,可以自动且特别高效地确定主要影响因素。特别地,可以用聚类分析方法来有效地评估在执行大量应用流程时可能会产生的大量数据,这些应用流程又基于如果必要时具有大量所属的模型属性的患者模型。同样,可以更好地确定数据中的关系和关联,这些关系和关联对于用户而言不明显或至少不是很明显。
在一个实施方式变型中,根据本发明的方法具有以下步骤:借助于计算单元基于先前决定的相关性为至少一个应用参数的调整而决定调整建议,对避免不符合预设目标的情况进行预测或估计。
这可以意味着基于所决定的相关性或从中所确定的主要影响因素来确定对于在所考虑的应用流程中改变一个或多个参数的策略或建议,以便排除所出现的问题情况或至少部分地排除所出现的多个问题情况。只要单个模拟应用流程是调整建议的基础,调整建议可以旨在,在通过调整建议调整应用流程之后,经调整的模拟应用流程可能导致符合预设目标。只要多个模拟应用流程是调整建议的基础,调整建议可以针对于此或对此预测,至少对于借助于调整建议被调整的模拟应用流程的子集预测符合预设目标。也就是说,在这种情况下,通过至少预先避免不符合的情况,由经调整的应用程序的全体可以预测更好地符合预设目标。
应用参数可以包括例如所使用的X射线源的操作参数、扫描参数(例如X射线曝光的持续时间或时刻)等。特别地,还可以为一个或多个应用参数决定多个调整建议。
有利地,调整建议的自动决定可以快速且有针对性地改进基于X射线的成像应用的应用流程。特别地,由计算单元所决定的调整建议可以用作支持临床人员并且用于减轻临床人员的负担。可以有利地改进或简化决定过程。为此,可以将调整建议输出到输出单元,该输出单元实现对于用户的显示或用户交互。
根据依据本发明的方法的一个变型,该方法还具有以下步骤:借助于计算单元基于调整建议来调整应用参数,以及在基于经调整的应用流程的调整步骤之后,至少以时间顺序重复执行执行步骤、确定步骤以及自动评估步骤。
在根据本发明的方法的该变型中,可想到的是自动实施调整建议,而无需提供用户的干预。同样地,可以提供用户的干预。例如,用户可以确认调整建议或从多个调整建议中选择特定的调整建议。在用户干预之后,可以借助于计算单元执行调整建议。
随后,基于经调整的应用流程,重新执行一定数目的模拟应用流程,并且为每个模拟应用流程确定新的特征参数值。然后,根据预设目标评估为每个新的模拟应用流程所确定的值。特别地,通过重新评估可以检查调整是否确实导致更好地符合预设目标。
有利地,由此产生“前瞻性的协议优化”的可能性,其中在批准患者手术之前,可以省时地检查协议优化的特定方面(关于例如剂量分布、扫描时间等)。特别地,这可以有利地通过以下方式允许迭代的协议优化:依次重复执行方法步骤,其中逐渐调整应用流程,直到达到限定的中断条件为止。这样的中断条件可以包括根据标准(即预先确定的一个或多个预设目标)没有出现问题情况。中断条件还可以包括重复循环可以由用户根据当前状态(即对(多个)所确定的值的当前评估)手动执行。
此外,根据一个实施方式,根据本发明的方法可以包括以下步骤:借助于存储器单元存储特征参数的当前所确定的特征参数值或结合如下的患者模型评估当前所确定的值,该患者模型已被输入到当前所确定的值所基于的被执行的模拟应用流程中。
例如,可以存储特征参数值,或结合相应的患者模型对值进行评估。这可以以与真实检查中相同的形式执行,例如以现有技术中已知的DICOM SR(SR=“结构化报告”)的形式,具体地关于所使用的剂量,例如DICOM DoseSR。从而,可以以特别有利的形式维持基于X射线的成像应用的模拟的检查结果和指数,例如以用于进一步的评估和使用。
在方法的另一个变型中,根据本发明的方法还包括以下步骤:将多个患者模型中的至少两个患者模型组合成一个组合患者模型,并且其中在执行步骤中,组合患者模型也被输入到一定数目的模拟应用流程中的至少一个模拟应用流程中。
在该实施方式变型中,借助于数据库提供的患者模型不描述完整的“虚拟患者”。数据库的患者模型分别包括患者属性或模型参数,这些患者属性或模型参数仅描述“虚拟患者”的部分区域或部分方面。也即是说,在该实施方式变型中借助于数据库以“分解形式”提供“虚拟患者”的属性。然后,只有通过组合至少两个或多个部分患者模型来产生完整的患者模型(即组合患者模型或“虚拟患者”),使得“虚拟患者”的对于执行应用流程重要的所有属性被描述。这样的子集可以例如分别涉及解剖属性、特定的实验室值、呼吸曲线或心脏参数。通过以这种分解形式维持患者属性,有利地在数据库中所需的条目较少,以便对更大的患者集体建模。
根据依据本发明的方法的一个实施方式,特征参数是剂量特征参数或时间特征参数,该剂量特征参数关于所使用的辐射剂量表征基于X射线的医学成像应用,该时间特征参数表征基于X射线的医学成像应用的应用流程的持续时间,或基于X射线的医学成像应用的应用流程的部分单元的持续时间。
剂量特征参数可以例如以已知的指数的形式存在,诸如有效加权的CT剂量指数(CTDIvol)、特定大小的剂量估计(SSDE)、剂量长度乘积(DLP)等。特别地,关于基于X射线的成像应用的患者安全,所使用的剂量起着重要作用。因此,特别是在实际使用基于X射线的成像应用的应用流程之前,对剂量指数的更好的检查和监视是特别期望的。
时间指数可以包括例如扫描时间,即,例如借助于计算机断层扫描设备记录投影测量数据的持续时间。例如,这些对于如下的持续时间是重要的,在胸部成像或心脏成像期间,患者在持续时间内必须屏住呼吸。应用流程的总持续时间允许得出例如关于可实现的患者通过量的结论。可以有利地检查基于X射线的成像应用的实用性。
根据依据本发明的方法的另一个有利的实施方式,每个患者模型的至少一个模型参数基于患者的临床数据。特别地,临床数据包括来自以下列表的参数:解剖特征、软组织等效厚度、心脏参数、EKG值、呼吸曲线、实验室值、患者年龄。其他临床数据也是可设想的。
模型参数基于患者的临床测量数据,从而可以特别有利地对虚拟患者并且因此对应用流程进行逼真地建模。此外,这有利地允许比较特征参数的借助于该方法前瞻性地确定的值与特征参数的在所测量的检查中回顾性地确定的值。所出现的差异或一致可以提供关于应用流程的模拟执行的质量、数据库的质量或患者模型的子集的选择的结论,并且允许关于改进和优化的结论。
在根据本发明的方法的一个方法变型中,在根据本发明的范畴中还基于所确定的特征参数值与特征参数的测量值的比较来优化对患者模型子集的选择和/或优化数据库。
特别地,如果既存在大量的真实检查又存在基于虚拟患者的大量模拟应用流程,则可以将它们连续彼此进行比较。然后比较的目的可以是检查的指数(即特征参数的所确定的值)的模拟分布与真实分布之间的一致。在仿真实际上足够准确地确定真实检查的指数地前提下,偏差可能表明数据库中存在的或在选择的步骤中所选择的患者模型对于真实患者集体是不具有代表性的。如果发现不同,则可以对于特定的检查连续优化数据库或选择,使得偏差最小化。从技术上,这可以例如通过最小化成本函数来实现,该成本函数描述真实或模拟数据集的剂量分布的偏差。
本发明还涉及一种用于创建数据库的方法,该数据库用于检查基于X射线的医学成像应用的应用流程的特征参数,该方法包括创建步骤和存储步骤。
在创建步骤中,创建多个患者模型,其中多个患者模型中的每个患者模型由至少一个模型参数表征,并且其中患者模型和/或相应的患者模型的至少一个模型参数基于真实患者群体的临床数据。在保存的步骤中,然后借助于存储器单元存储多个患者模型。
创建这样的数据库的一种可行方法是,首先收集基于X射线的被实际执行的成像应用,并且从现有数据(例如在检查期间所记录的EKG信号,解剖特征等)中提取重要的参数。然后可以从所测量的数据创建并且存储表征患者模型的数据集。
有利地,可以产生数据库,该数据库可以通过接口被提供用于根据本发明的用于检查特征参数的方法,并且可以描绘基于X射线的成像应用的尽可能真实的患者群体。
本发明还涉及一种用于检查基于X射线的医学成像应用的应用流程的特征参数的检查装置,该检查装置具有第一接口和计算单元,该第一接口被设计为提供数据库,其中数据库包括多个患者模型,并且其中每个患者模型由至少一个模型参数表征。根据本发明,计算单元被设计为基于被分配给患者模型的至少一个模型参数或基于该基于X射线的医学成像应用来选择多个患者模型的子集。根据本发明,计算单元还被设计为基于患者模型的所选择的子集来执行基于X射线的成像应用的一定数目的模拟应用流程,其中所选择的子集的至少一个患者模型被输入到一定数目的模拟应用流程中的每个被执行的模拟应用流程中。此外,根据本发明,计算单元用于为一定数目的模拟应用流程中的每个被执行的模拟应用流程确定特征参数值。此外,根据本发明,计算单元还被设计为用于将所确定的特征参数值传输到另一个接口,或者用于基于特征参数的预设目标自动评估为每个被执行的模拟应用流程所确定的特征参数值。
在根据本发明的检查装置的一个变型中,特别地,计算单元被设计为在自动评估期间基于当前所确定的值与预设目标的比较来决定当前所确定的值不符合预设目标的情况。此外,基于X射线的成像应用的应用流程能够受至少一个应用参数可影响,并且计算单元被设计为将特征参数的当前所确定的值的不符合的情况与如下的患者模型的至少一个模型参数相关联,该患者模型已被输入到当前所确定的值所基于的被执行的模拟应用流程中,其中关联包括决定至少一个模型参数与不符合的情况之间的相关性度量。此外,在该变型中,计算单元被设计为基于所决定的相关性度量为至少一个应用参数的调整而决定调整建议,其中对通过应用调整建议来预测当前所确定的特征参数值符合预设目标的情况,并且此外,计算单元被设计为基于调整建议来调整应用流程。
特别地,根据本发明的检查装置可以被设计为执行之前所描述的方法及其各方面。通过将接口和计算单元设计为执行相应的方法步骤,可以将监视装置设计为执行方法及其各方面。
特别地,本发明涉及一种具有计算机程序的计算机程序产品,该计算机程序可直接加载到检查装置的存储器中,并且具有程序部分,以便在由检查装置执行程序部分时,执行根据本发明的用于检查基于X射线的医学成像应用的应用流程的特征参数的方法的所有步骤。
特别地,本发明可以涉及一种计算机可读存储器介质,能够由检查单元读取和执行的程序部分被存储在该计算机可读存储器介质上,以便在由检查装置执行程序部分时,执行根据本发明的用于检查基于X射线的医学成像应用的应用流程的特征参数的方法的所有步骤。
主要基于软件的实现具有以下优点:还可以通过软件更新以简单的方式升级现有的检查装置,以便以根据本发明的方式工作。除了计算机程序之外,这样的计算机程序产品可以包括附加部件,例如文档和/或附加组件,以及硬件组件,例如用于使用软件的硬件密钥(加密狗等)。
附图说明
在下文中根据示例性实施方式并参照附图解释本发明。附图中的图示是示意性的、高度简化的并且不一定按比例绘制的。
图1示出了用于检查基于X射线的医学成像应用的应用流程的特征参数的方法的一个示例性示意性的方法流程,
图2示出了用于检查基于X射线的医学成像应用的应用流程的特征参数的方法的第二个示例性示意性的方法流程,
图3示出了用于检查基于X射线的医学成像应用的应用流程的特征参数的方法的第三个示例性示意性的方法流程,
图4示出了用于检查基于X射线的医学成像应用的应用流程的特征参数的方法的第四个示例性示意性的方法流程,
图5示出了用于创建数据库的方法的一个示例性示意性的方法流程,
图6示出了检查装置的示意性实施例,并且
图7示出了基于X射线的成像应用的一个示例。
具体实施方式
图1示出了用于检查基于X射线XRAY的医学成像应用的应用流程的特征参数的方法S的示意性方法流程。
所示的方法S包括以下步骤:提供S1、选择S2、执行S3、确定S4、以及输出S5a或评估S5b。
在提供步骤S1中,借助于接口ST1提供数据库DB,其中数据库包括多个患者模型PM。每个患者模型PM至少通过一个模型参数表征。特别地,每个患者模型的模型参数包括如下的参数,该参数可以影响应用流程、所确定的特征参数值或预设目标。
每个患者模型PM可以描绘所谓的“虚拟患者”。特别地,在这里所描述的实施例的范畴中,每个患者模型PM可以通过多个模型参数表征。这对应于根据本发明的方法的一个特别优选的变型,从而“虚拟患者”可以在其属性上尽可能逼真且不同被表现。从而在根据本发明的方法的范畴中模拟的应用流程也可以尽可能逼真地被描绘,并且特征参数的借助于该方法所确定的值可以尽可能有说服力地反映待检查的特征参数。
根据依据本发明的方法的一个变型,特别地,每个患者模型PM的模型参数还可以直接基于真实患者的临床(即特别是所测量的)数据。也就是说,数据库DB可以包括患者模型,该患者模型表现真实患者的真实描述,并且基于真实检查和测量的测量值来描绘其真实属性。
特别地,临床数据可以包括来自以下列表中的参数:解剖特征、软组织等效厚度、心脏参数、EKG值、呼吸曲线、实验室值或患者年龄。例如,解剖特征可以涉及骨骼结构。例如,这可以输入到扫描计划和待成像的区域的限定中。该区域会涉及患者的身高或周长。这可能会例如像软组织等效厚度一样影响特征参数(诸如应用的持续时间或剂量调制)、所使用的设备的设置参数或到患者群体的分配。EKG值可以是EKG曲线的一部分,该EKG曲线对于应用流程的执行就像呼吸曲线对于例如心脏CT或胸部CT一样重要。从而可以影响例如扫描时间和时间流程。例如,实验室值可以用于界定患者群体。例如,患者的年龄可以影响预设目标。除此之外,其他临床数据也是可设想的。
在选择步骤S2中,借助于计算单元RH选择多个患者模型PM的子集。考虑到基于X射线的医学成像应用和/或基于模型参数进行选择。例如,从而可以确保所选择的子集描绘基于X射线的成像应用的特定的待检查的情况,或确保所选择的子集对于基于X射线的成像应用是具有代表性的。在这种意义上,优选地,基于X射线的在根据本发明的方法的范畴中所考虑的不同成像应用的所选择的子集同样可以是不同的。通过选择对于基于X射线的成像应用具有代表性的子集(该子集具有多个患者模型),可以为典型患者集体检查特征参数,从而可以将特征参数的在患者集体上的波动和变化包括在特征参数的检查中。在其他实施方式变型中,还可以仅根据患者模型来执行方法。也就是说,可以用单个“虚拟患者”以及用多个“虚拟患者”来执行所示的方法变型以及下面的变型。
在执行步骤S3中,借助于计算单元RH执行基于X射线XRAY的成像应用的一定数目的模拟应用流程。对于执行,所选择的子集的至少一个患者模型PM输入到每个模拟应用流程中。这意味着对于(由患者模型PM的所选择的子集所包括的)每个“虚拟患者”,根据每个患者模型PM模拟基于X射线的成像应用的执行。患者模型PM的(多个)模型参数优选地输入到仿真中,使得模拟应用流程包括基于X射线的成像应用的尽可能逼真的流程。例如,借助于已知的软件模块,可以基于物理定律模仿用X射线透射对象,并且可以模拟由对象吸收和散射X射线。因此,可以借助于模拟应用流程来估计所使用的剂量。对于时间流程的尽可能逼真的仿真可以使得能够例如得出关于时间指数的结论,例如检查的总持续时间或应用流程的部分序列的持续时间。例如,这可以涉及如下的时间长度,在该时间长度期间患者在扫描序列期间必须屏住呼吸。还可以输入有关特定X射线设备的知识,例如所使用的CT设备的探测器灵敏度或扫描速度,或基于X射线的成像应用的本地事件,以便实现对应用流程的尽可能逼真的仿真。同样地,可以包括真实的扫描计划。这意味着例如通过成像方法检查的身体部位的限定可以被包括在模拟的执行中。为此,在应用流程中可以基于解剖特征限定待检查的区域。为此,解剖特征可以由患者模型PM的模型参数所包括。患者模型PM可以例如包括对此所需的解剖特征的相应的列表。
在确定步骤S4中,借助于计算单元RH为每个被执行的模拟应用流程确定特征参数值。对于多个虚拟患者,相应地模拟基于X射线的成像应用的多个执行,并且相应地决定多个特征参数值。在这种情况下,有利地反映特征参数的在所考虑的患者集体上的波动或变化。如果根据单个“虚拟患者”检查特征参数,则相应地仅确定特征参数的一个值。
方法和所描述的变型也还可以容易地转用到多个特征参数的检查。
在另一个步骤S5a中,在所示方法S的第一备选方案中,借助于第二接口ST2输出特征参数的为每个模拟应用流程所确定的值。所确定的值可以例如输出到存储器单元或显示单元上,并且根据所存储或所显示的值使得能够根据所显示的值来检查特征参数。
在第二备选方案中,在步骤S5b中,借助于计算单元RH基于特征参数的预设目标自动评估每个所确定的特征参数值,其中基于评估检查特征参数。预设目标可以基于由用户或机构(例如诊所)自己所确立的监管预设目标。特别地,还可以在本发明方法的范畴中确定预设目标。预设目标可以包括例如参数的特定值,即数值或值的范围。例如,预设目标可以包括对于特定参数的具体值(即数值)或值的范围。预设目标的示例是例如对于剂量指数的要遵循的最大值。
在方法S的一个有利实施方式中,基于特征参数的所确定的值与特征参数的所测量的值的比较来优化患者模型PM的子集的选择和/或数据库DB。为此,借助于该方法所确定的值同样可以被存储在数据库DB中,以便允许后续的优化。该优化的目的可以是:存在于数据库DB中的或在选择的步骤中所选择的患者模型PM对于真实患者集体是具有代表性的。
图2示出了用于检查基于X射线XRAY的医学成像应用的应用流程的特征参数的方法S的另一示意性方法流程。除了提供步骤S1、选择步骤S2、执行步骤S3和确定步骤S4之外,所示的方法变型还包括输出步骤S5a以及存储步骤S9。
在多个所确定的值的情况下,借助于第二接口ST2将特征参数的为每个模拟应用流程所确定的值输出到存储器单元MU上。可以结合如下的患者模型PM存储特征参数的当前所确定的值,该患者模型PM被输入到当前所确定的值所基于的被执行的模拟应用流程中。这可以以与真实检查中相同的形式执行,例如以现有技术中已知的DICOM SR(“结构化报告”)的形式,具体地,例如以DICOM DoseSR的形式。如果作为基础的患者模型PM基于真实患者的属性,则患者模型PM并且因此从模拟应用流程产生的模拟检查结果还可以以所确定的值或所确定的多个值的形式例如通过患者姓名被编码。以有利的方式,由虚拟检查产生的这些数据至少与真实检查的数据保持可区分的,以便可以单独进行真实检查的监视过程。
图3示出了用于检查基于X射线XRAY的医学成像应用的应用流程的特征参数的方法S的另一示例性的示意性方法流程。所示的变型既包括评估步骤S5b的步骤又包括输出步骤S5a。在输出步骤S5a中,可以将确定的值与评估一起输出到显示单元,例如以用于对用户的视觉显示。
此外,所示的变型包括组合步骤S10。在这种情况下,数据库DB以所谓的“分解形式”包括患者模型PM。在这种情况下,所提供的患者模型PM是部分患者模型PM。这意味着数据库DB的患者模型PM分别包括患者属性或模型参数,这些患者属性或模型参数仅描述“虚拟患者”的部分区域。然后在组合步骤10中,通过组合至少两个或更多个部分患者模型PM来产生完整的患者模型(即组合患者模型或“虚拟患者”),从而总体上描述了“虚拟患者”的对于应用流程的执行重要的属性。借助于部分患者模型PM提供的模型参数的这样的子集可以分别涉及例如患者的解剖属性、患者的特定实验室值、患者的呼吸曲线、患者的心脏参数或其他参数。通过以这种分解形式维持患者属性,有利地在数据库DB中所需的条目较少,以便对更大的患者集体建模。
图4示出了用于检查基于X射线XRAY的医学成像应用的应用流程的特征参数的方法S的另一示例性的示意性方法流程。特别地,图4示出了方法S的一个变型,该变型允许迭代的,前瞻性的协议优化。前提是基于X射线XRAY的医学成像应用的应用流程是由至少一个应用参数可调整的,即可影响的或可改变的。
在这种情况下,评估步骤S5b包括基于所确定的值与预设目标的比较来决定当前所确定的值不符合预设目标的情况。这意味着,为应用流程的一定数目的模拟执行决定违反预设目标(例如超过先前确定的最大值)的所谓问题情况。
在评估步骤S5b之后,在另一过程中借助于计算单元RH执行关联步骤S6。在关联步骤S6中,将特征参数的当前所确定的值不符合的情况与如下的患者模型PM的至少一个模型参数关联,该患者模型PM被输入到当前所确定的值所基于的被执行的模拟应用流程中。也就是说,对于多个模拟应用流程的情况,将模拟执行的其中发现违反预设目标的情况与作为基础的当前患者模型PM的属性进行关联并且特别地相关联。然后,特别地,借助于相关性可以确定例如模拟应用流程中的主要影响因素,这些主要影响因素导致违反预设目标。
在有利的实施方式中,关联S6或特别是相关联包括聚类分析方法。这样的方法的目的是:在算法不具有关于类的先前知识的情况下,在数据中识别新的组(也称为聚类或类)。现有技术中已知来自机器学习领域的许多聚类分析方法,在本发明的范畴中这些方法可以用于关联的步骤中。
在所示的方法S的另一过程中,在决定步骤S7中,借助于计算单元RH为至少一个应用参数的调整而决定调整建议。特别地,调整建议基于先前决定的相关性。特别地,决定调整建议旨在通过避免至少一个不符合的情况来实现更好地符合预设目标。这意味着,预测可以包括估计:在再次遍历方法之后,借助于由调整建议调整的应用流程,可以实现更好地符合预设目标。在所考虑的所确定的多个值的情况下,特别地,这意味着可以由所考虑的“虚拟患者”中的至少一部分来预测更好地符合预设目标,并且因此可以消除问题情况的至少一部分。
在所示的方法变型的另一过程中,在调整步骤S8中,借助于计算单元RH基于先前决定的调整建议来调整应用流程的应用参数。随后,基于所调整的应用流程执行执行步骤S3、确定步骤S4和评估步骤S5b。这意味着,在调整之后,执行一定数目的经调整的模拟应用流程,并且基于此为特征参数分别确定和评估新的值。通过新的评估可以关于符合预设目标控制已发生的改进。如果必要时,可以借助于第二接口ST2输出评估结果或新的所确定的值。例如,接口ST2可以实现到显示单元的输出,并且因此对于用户的可视化。
还可以再次执行关联步骤S6、决定步骤S7、调整步骤S8、执行步骤S3、确定步骤S4和评估步骤S5b的循环,直到例如达到先前限定的中断条件。中断条件可以由计算单元RH自动应用。例如,中断条件可以是在根据所选择的子集检查特征参数的范畴中完全避免问题情况。除了根据先前限定的中断条件的自动中断之外,还可以由用户实现干预和手动中断迭代循环。这可以通过以下方式来实现:例如借助于接口ST2输出所确定的(多个)值或评估的中间状态,以及例如借助于显示单元显示。在达到中断条件之后或在手动中断之后,可以借助于第二接口ST2输出所确定的数据的最终状态。
图5示出了用于创建数据库DB的方法的一个示例性的示意性方法流程。
在创建的步骤中,创建多个患者模型PM,其中多个患者模型PM中的每个患者模型PM由至少一个模型参数表征,并且其中患者模型PM和/或相应患者模型的至少一个模型参数基于真实患者群体的临床数据。
在保存步骤中,然后借助于存储器单元存储多个患者模型。然后,所存储的患者模型可以形成用于检查基于X射线XRAY的医学成像应用的应用流程的特征参数的数据库。通过在数据库DB中连续记录患者的临床数据,用患者模型PM连续扩展数据库DB,这是可设想的。可以基于新数据创建并存储新的患者模型PM。同样地,可以基于新的测量值和检查扩展或调整已存储的患者模型PM。
图6示出了检查装置的一个示意性实施例。检查装置具有第一接口ST1。第一接口ST1被设计为提供数据库DB,其中数据库DB包括多个患者模型PM,并且其中每个患者模型PM由至少一个模型参数表征。检查装置还具有计算单元RH,其中计算单元RH被设计为基于被分配给患者模型PM的至少一个模型参数或者基于基于X射线XRAY的医学成像应用来选择多个患者模型PM的子集。计算单元RH还被设计为基于患者模型PM的所选择的子集来执行基于X射线XRAY的成像应用的一定数目的模拟应用流程ABL,其中所选择的子集的至少一个患者模型被输入到一定数目的模拟应用流程中的每个被执行的模拟应用流程中。计算单元RH还被设计为用于为一定数目的模拟应用流程中的每个被执行的模拟应用流程确定特征参数的值。此外,计算单元RH被设计为将特征参数的所确定的值传输到另一个接口ST2,和/或计算单元RH被设计为基于特征参数的预设目标来自动评估为每个被执行的模拟应用流程所确定的特征参数值。
特别地,检查装置SYS可以是计算机、微控制器或集成电路。备选地,检查装置SYS可以是计算机的真实或虚拟结合(对于真实结合的英文技术术语为“Cluster”,对于虚拟结合的英文技术术语为“Cloud”)。
检查装置包括存储器单元MU。该存储器单元可以被实现为非永久性工作存储器(随机访问存储器,简称RAM)或永久性大容量存储器(硬盘、USB棒、SD卡、固态磁盘)。接口ST1、ST2可以是硬件接口或软件接口(例如PCI总线、USB或Firewire)。计算单元RH可以具有硬件元件或软件元件,例如微处理器或所谓的FPGA(“Field Programmable Gate Array”的英文缩写)。
最佳地,检查装置SYS可以还包括输入和输出单元,其中输入和输出单元包括至少一个输入单元EE和/或至少一个输出单元AE。借助于显示单元(例如显示器)形式的输出单元AE可以将所确定的值、对所确定的值的评估或问题情况可视化。输入单元实现例如用户的手动交互,例如中断协议优化、选择调整建议或改变流程参数。
数据库DB同样可以是计算机、微控制器或集成电路。备选地,数据库DB可以是计算机的真实或虚拟结合(对于真实结合的英文技术术语为“Cluster”,对于虚拟结合的英文技术术语为“Cloud”)。特别地,数据库DB可以包括存储器单元,该存储器单元适合于存储患者模型并且为提供而保持患者模型。该存储器单元可以被实现为非永久性工作存储器(随机访问存储器,简称RAM)或永久性大容量存储器(硬盘、USB棒、SD卡、固态磁盘)。
检查装置SYS可以通过网络连接到数据库DB。在备选实施方式中,数据库DB还可以被设计为检查装置SYS的一部分。网络可以是局域网(英文技术术语为“Local AreaNetwork”,简称“LAN”)或广域网(英文技术术语为“Wide Area Network”,简称为“WAN”)。局域网的一个示例是内网,广域网的一个示例是因特网。特别地,网络还可以被设计为无线的,特别是被设计为WLAN(即“wireless LAN”,在英语中,简称“WiFi”是常用的)或蓝牙连接。网络也可以被实施为上述示例的组合。
所示的检查装置SYS还可以被设计为在自动评估期间,基于当前所确定的值与预设目标的比较来决定每个所确定的值不符合预设目标的情况,并且将当前所确定的值的不符合的情况与如下的患者模型PM的至少一个模型参数相关联,该患者模型PM被输入到当前所确定的值所基于的被执行的模拟应用流程中。关联包括决定至少一个模型参数与不符合的情况之间的相关性。
如果基于X射线XRAY的成像应用的应用流程是由至少一个应用参数可影响的,则计算单元还可以被设计为基于所决定的相关性,为至少一个应用参数的调整而决定调整建议,其中通过应用调整建议来预测特征参数的当前所确定的值符合预设目标的情况。此外,在这种情况下,计算单元RH还可以被设计为基于调整建议来调整应用流程。
图7示出了对于基于X射线XRAY的成像应用的设置的一个示例,其中患者39借助于计算机断层扫描设备(CT设备)31被成像。CT设备31包括具有转子35的投影测量数据记录单元33。转子35包括X射线源37和X射线探测器29。患者39被放置在患者床41上,并且可以沿着旋转轴线43移动穿过投影测量数据记录单元33,以用于记录投影测量数据。数据处理单元45用于重建和分析截面图像或体积图像。数据处理单元45被设计为从X射线探测器29接收投影测量数据,并且基于投影测量数据重建图像数据集。数据处理单元45还可以包括控制系统,该控制系统被设计为调整计算机断层扫描设备31的系统设置,例如X射线管37的设置参数。输入设备47和输出单元49连接到数据处理单元45。
借助于控制系统,可以至少关于计算机断层扫描设备31控制基于X射线的成像应用的应用流程。在所示的情况下,应用流程还可以包括例如借助于计算机断层扫描设备31执行各种扫描序列,这些扫描序列以时间顺序依次被执行,并且其中患者反复受到X射线照射。
尽管通过实施例较详细地说明了本发明,但是本发明不限于所公开的示例,并且在不脱离本发明的保护范围的情况下,本领域技术人员可以从中得出其他的变型。
Claims (16)
1.一种用于检查基于X射线(XRAY)的医学成像应用的应用流程的特征参数的方法(S),所述方法具有以下步骤:
a.借助于第一接口(ST1)提供(S1)数据库(DB),其中所述数据库(DB)包括多个患者模型(PM),并且其中所述多个患者模型(PM)中的每个患者模型(PM)由至少一个模型参数表征,
b.基于被分配给一个患者模型(PM)的所述至少一个模型参数或基于所述基于X射线(XRAY)的医学成像应用,借助于一个计算单元(RH)选择(S2)所述多个患者模型(PM)的一个子集,
c.基于患者模型(PM)的所选择的子集,借助于所述计算单元(RH)执行(S3)所述基于X射线的成像应用的一定数目的模拟应用流程,其中所述子集的至少一个患者模型(PM)被输入到所述一定数目的模拟应用流程中的每个被执行的模拟应用流程中,
d.借助于所述计算单元(RH)为所述一定数目的模拟应用流程中的每个被执行的模拟应用流程确定(S4)所述特征参数的值,
e.借助于第二接口(ST2)输出(S5a)为每个被执行的模拟应用流程所确定的所述特征参数的值,
或
基于所述特征参数的预设目标,借助于所述计算单元(RH)自动评估(S5b)为每个被执行的模拟应用流程所确定的所述特征参数的值,
其中基于所述输出或所述自动评估来检查所述特征参数。
2.根据权利要求1所述的方法(S),包括所述自动评估(S5b)的步骤,并且其中在所述自动评估(S5b)的步骤中,基于所确定的值与所述预设目标的比较来决定当前所确定的值不符合所述预设目标的情况。
3.根据权利要求2所述的方法(S),还具有以下步骤:
f.借助于所述计算单元(RH)将所述特征参数的当前所确定的值的不符合的情况与如下的患者模型(PM)的至少一个模型参数进行关联(S6),所述患者模型已被输入到当前所确定的值所基于的被执行的模拟应用流程中,
其中所述关联(S6)包括决定所述至少一个模型参数与所述不符合的情况之间的相关性。
4.根据权利要求3所述的方法(S),其中所述关联(S6)的步骤包括机器学习方法或聚类分析方法。
5.根据权利要求3或4所述的方法(S),其中所述基于X射线(XRAY)的医学成像应用的所述应用流程能够受至少一个应用参数影响,并且所述方法还具有以下步骤:
g.借助于所述计算单元(RH)基于所决定的相关性为所述至少一个应用参数的调整而决定(S7)调整建议,并且其中对通过应用所述调整建议来避免不符合所述预设目标的情况进行预测。
6.根据权利要求5所述的方法(S),还具有以下步骤:
h.借助于所述计算单元(RH)基于所述调整建议来调整(S8)所述应用参数,
并且其中时间上在所述调整(S8)的步骤之后,基于经调整的应用流程以时间顺序重复执行至少所述执行(S3)的步骤、所述确定(S4)的步骤以及所述自动评估(S5b)的步骤。
7.根据权利要求1至6中任一项所述的方法(S),还具有以下步骤:
i.借助于一个存储器单元(MU)存储(S9)所述特征参数的当前所确定的值或结合如下的患者模型(PM)评估当前所确定的值,所述患者模型已被输入到当前所确定的值所基于的被执行的模拟应用流程中。
8.根据权利要求1至7中任一项所述的方法(S),还具有以下步骤:
j.将所述多个患者模型(PM)中的至少两个患者模型(PM)组合(S10)成一个组合患者模型,
并且其中在所述执行(S3)的步骤中,所述组合患者模型也被输入到所述一定数目的模拟应用流程中的至少一个模拟应用流程中。
9.根据权利要求1至8中任一项所述的方法(S),
其中所述特征参数是剂量特征参数,所述剂量特征参数关于所使用的辐射剂量表征所述基于X射线(XRAY)的医学成像应用,或者
其中所述特征参数是时间特征参数,所述时间特征参数表征所述基于X射线(XRAY)的医学成像应用的所述应用流程的持续时间,或者表征所述基于X射线(XRAY)的医学成像应用的所述应用流程的多个部分单元的持续时间。
10.根据权利要求1至9中任一项所述的方法(S),其中每个患者模型(PM)的所述至少一个模型参数基于患者的临床数据,特别是基于来自以下列表的参数:解剖特征、软组织等效厚度、心脏参数、EKG值、呼吸曲线、实验室值、患者年龄。
11.根据权利要求1至10中任一项所述的方法(S),其中基于在根据权利要求1至10中任一项所述的方法的范围中所确定的所述特征参数的值与所述特征参数的测量值的比较来优化对患者模型(PM)的所述子集的选择和/或优化所述数据库(DB)。
12.一种用于创建数据库(DB)的方法(T),所述数据库用于检查基于X射线(XRAY)的医学成像应用的应用流程的特征参数,所述方法(T)包括以下步骤:
a.创建(T1)多个患者模型(PM),其中所述多个患者模型(PM)中的每个患者模型(PM)由至少一个模型参数表征,并且其中所述多个患者模型(PM)和/或相应的患者模型(PM)的所述至少一个模型参数基于真实患者群体的临床数据,
b.借助于一个存储器单元来存储(T2)所述多个患者模型(PM)。
13.一种用于检查基于X射线(XRAY)的医学成像应用的应用流程的特征参数的检查装置(SYS),所述检查装置具有第一接口(ST1)和一个计算单元(RH),所述第一接口被设计为提供数据库(DB),其中所述数据库(DB)包括多个患者模型(PM),并且其中每个患者模型(PM)由至少一个模型参数表征,其中所述计算单元被设计为:
a.基于被分配给一个患者模型(PM)的所述至少一个模型参数或基于所述基于X射线(XRAY)的医学成像应用来选择所述多个患者模型(PM)的一个子集,
b.基于患者模型(PM)的所选择的子集来执行所述基于X射线(XRAY)的成像应用的一定数目的模拟应用流程,其中所选择的子集的至少一个患者模型(PM)被输入到所述一定数目的模拟应用流程中的每个被执行的模拟应用流程中,
c.为所述一定数目的模拟应用流程中的每个被执行的模拟应用流程确定所述特征参数的值,
d.将所确定的所述特征参数的值传输到第二接口(ST2)
或
基于所述特征参数的预设目标自动评估为每个被执行的模拟应用流程所确定的所述特征参数的值。
14.根据权利要求13所述的检查装置(SYS),其中在自动评估期间基于当前所确定的值与所述预设目标的比较来决定当前所确定的值不符合所述预设目标的情况,并且所述基于X射线(XRAY)的成像应用的所述应用流程能够受至少一个应用参数影响,并且其中所述计算单元(RH)还被设计为:
e.将所述特征参数的当前所确定的值的不符合的情况与如下的患者模型(PM)的所述至少一个模型参数进行关联,所述患者模型已被输入到当前所确定的值所基于的被执行的模拟应用流程中,其中所述关联包括决定所述至少一个模型参数与所述不符合的情况之间的相关性,
f.基于所决定的相关性为所述至少一个应用参数的调整而决定调整建议,其中对通过应用所述调整建议来避免不符合所述预设目标的情况进行预测,并且
g.基于所述调整建议来调整所述应用流程。
15.一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检查装置(SYS)的存储器(MU)中,并且具有程序部分,以便在由所述检查装置(SYS)执行所述程序部分时,执行根据权利要求1至11中任一项所述的用于检查特征参数的方法(S)的所有步骤。
16.一种计算机可读存储器介质,能够由检查单元(SYS)读取和执行的程序部分被存储在所述计算机可读存储器介质上,以便在所述检查装置(SYS)执行所述程序部分时,执行根据权利要求1至11中任一项所述的用于检查特征参数的方法(S)的所有步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019202287.1 | 2019-02-20 | ||
DE102019202287.1A DE102019202287A1 (de) | 2019-02-20 | 2019-02-20 | Verfahren zum Überprüfen einer Kenngröße eines Anwendungsablaufs einer medizinischen Bildgebungsanwendung basierend auf Röntgenstrahlung |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111599474A true CN111599474A (zh) | 2020-08-28 |
CN111599474B CN111599474B (zh) | 2024-02-13 |
Family
ID=71843966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010102608.0A Active CN111599474B (zh) | 2019-02-20 | 2020-02-19 | 检查基于x射线的医学成像应用的流程的特征参数的方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11829195B2 (zh) |
CN (1) | CN111599474B (zh) |
DE (1) | DE102019202287A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114117767A (zh) * | 2021-11-19 | 2022-03-01 | 深圳市日联科技有限公司 | X射线检测设备防辐射设计方法、系统、设备及存储介质 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020106054A1 (en) * | 2000-09-22 | 2002-08-08 | Numerix, Llc. | Radiation therapy treatment method |
US20040009459A1 (en) * | 2002-05-06 | 2004-01-15 | Anderson James H. | Simulation system for medical procedures |
US20040230404A1 (en) * | 2002-08-19 | 2004-11-18 | Messmer Richard Paul | System and method for optimizing simulation of a discrete event process using business system data |
US20080292049A1 (en) * | 2007-05-21 | 2008-11-27 | Estelle Camus | Device for obtaining perfusion images |
CN103356224A (zh) * | 2012-04-05 | 2013-10-23 | 西门子公司 | 用于成像诊断设备的运行的方法以及医学成像系统 |
CN103442644A (zh) * | 2010-12-08 | 2013-12-11 | 拜耳公司 | 产生用于估测由医学成像扫描导致的患者辐射剂量的合适模型 |
CN103930036A (zh) * | 2011-08-26 | 2014-07-16 | Ebm株式会社 | 用于血流性状诊断的系统、其方法及计算机软件程序 |
US20150100572A1 (en) * | 2011-11-17 | 2015-04-09 | Bayer Medical Care, Inc. | Methods and Techniques for Collecting, Reporting and Managing Ionizing Radiation Dose |
US20150100290A1 (en) * | 2013-10-07 | 2015-04-09 | Mentice Inc. | Systems and methods for simulation-based radiation estimation and protection for medical procedures |
US20150164457A1 (en) * | 2013-12-18 | 2015-06-18 | General Electric Company | System and method of x-ray dose distribution for computed tomography based on simulation |
US20150347682A1 (en) * | 2011-10-04 | 2015-12-03 | Quantant Technology Inc. | Remote cloud based medical image sharing and rendering semi-automated or fully automated, network and/or web-based, 3d and/or 4d imaging of anatomy for training, rehearsing and/or conducting medical procedures, using multiple standard x-ray and/or other imaging projections, without a need for special hardware and/or systems and/or pre-processing/analysis of a captured image data |
US20170095223A1 (en) * | 2015-10-01 | 2017-04-06 | Duke University | Systems and methods for estimating irradiation dose for patient application based on a radiation field model and a patient anatomy model |
CN107423551A (zh) * | 2016-05-24 | 2017-12-01 | 西门子医疗有限公司 | 用于执行医学检查的成像方法 |
US20180032841A1 (en) * | 2016-08-01 | 2018-02-01 | Siemens Healthcare Gmbh | Medical Scanner Teaches Itself To Optimize Clinical Protocols And Image Acquisition |
CN108268673A (zh) * | 2016-12-30 | 2018-07-10 | 无锡时代天使医疗器械科技有限公司 | 用于对牙齿矫治器的矫治效果进行数字化仿真的方法 |
EP3363363A1 (de) * | 2017-06-29 | 2018-08-22 | Siemens Healthcare GmbH | Verfahren zum durchführen einer bildgebenden untersuchung |
CN108694999A (zh) * | 2017-04-04 | 2018-10-23 | 西门子医疗有限公司 | 临床决策支持系统的灵活使用 |
US20190000325A1 (en) * | 2017-06-22 | 2019-01-03 | Dextera Medical | Method and Apparatus for Full-System, Cardiovascular Simulation and Prediction |
-
2019
- 2019-02-20 DE DE102019202287.1A patent/DE102019202287A1/de active Pending
-
2020
- 2020-02-12 US US16/788,494 patent/US11829195B2/en active Active
- 2020-02-19 CN CN202010102608.0A patent/CN111599474B/zh active Active
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020106054A1 (en) * | 2000-09-22 | 2002-08-08 | Numerix, Llc. | Radiation therapy treatment method |
US20040009459A1 (en) * | 2002-05-06 | 2004-01-15 | Anderson James H. | Simulation system for medical procedures |
US20040230404A1 (en) * | 2002-08-19 | 2004-11-18 | Messmer Richard Paul | System and method for optimizing simulation of a discrete event process using business system data |
US20080292049A1 (en) * | 2007-05-21 | 2008-11-27 | Estelle Camus | Device for obtaining perfusion images |
US20150139519A1 (en) * | 2010-12-08 | 2015-05-21 | Bayer Healthcare Llc | Dose Estimation Service System Configured to Support Multiple Computerized Medical Imaging Scan Providers |
CN107095689A (zh) * | 2010-12-08 | 2017-08-29 | 拜耳医药保健有限责任公司 | 估测医学成像扫描中患者辐射剂量的方法和系统 |
CN103442644A (zh) * | 2010-12-08 | 2013-12-11 | 拜耳公司 | 产生用于估测由医学成像扫描导致的患者辐射剂量的合适模型 |
JP2013544605A (ja) * | 2010-12-08 | 2013-12-19 | ベイヤー、インク. | 医療用撮像スキャンに起因する患者の放射線量を予測するための適切なモデルの作成 |
BR112013013804A2 (pt) * | 2010-12-08 | 2016-09-13 | Bayer Inc | geração de um modelo apropriado para estimar a dose de radiação a pacientes decorrente de exames médicos de imagem |
CN103930036A (zh) * | 2011-08-26 | 2014-07-16 | Ebm株式会社 | 用于血流性状诊断的系统、其方法及计算机软件程序 |
US20150347682A1 (en) * | 2011-10-04 | 2015-12-03 | Quantant Technology Inc. | Remote cloud based medical image sharing and rendering semi-automated or fully automated, network and/or web-based, 3d and/or 4d imaging of anatomy for training, rehearsing and/or conducting medical procedures, using multiple standard x-ray and/or other imaging projections, without a need for special hardware and/or systems and/or pre-processing/analysis of a captured image data |
US20150100572A1 (en) * | 2011-11-17 | 2015-04-09 | Bayer Medical Care, Inc. | Methods and Techniques for Collecting, Reporting and Managing Ionizing Radiation Dose |
CN103356224A (zh) * | 2012-04-05 | 2013-10-23 | 西门子公司 | 用于成像诊断设备的运行的方法以及医学成像系统 |
US20150100290A1 (en) * | 2013-10-07 | 2015-04-09 | Mentice Inc. | Systems and methods for simulation-based radiation estimation and protection for medical procedures |
CN106233357A (zh) * | 2013-10-07 | 2016-12-14 | 曼帝斯有限公司 | 基于医疗程序模拟的辐射估算和防护 |
US20150164457A1 (en) * | 2013-12-18 | 2015-06-18 | General Electric Company | System and method of x-ray dose distribution for computed tomography based on simulation |
US20170095223A1 (en) * | 2015-10-01 | 2017-04-06 | Duke University | Systems and methods for estimating irradiation dose for patient application based on a radiation field model and a patient anatomy model |
CN107423551A (zh) * | 2016-05-24 | 2017-12-01 | 西门子医疗有限公司 | 用于执行医学检查的成像方法 |
US20180032841A1 (en) * | 2016-08-01 | 2018-02-01 | Siemens Healthcare Gmbh | Medical Scanner Teaches Itself To Optimize Clinical Protocols And Image Acquisition |
CN107680657A (zh) * | 2016-08-01 | 2018-02-09 | 西门子保健有限责任公司 | 医学扫描仪自学优化临床协议和图像采集 |
CN108268673A (zh) * | 2016-12-30 | 2018-07-10 | 无锡时代天使医疗器械科技有限公司 | 用于对牙齿矫治器的矫治效果进行数字化仿真的方法 |
CN108694999A (zh) * | 2017-04-04 | 2018-10-23 | 西门子医疗有限公司 | 临床决策支持系统的灵活使用 |
US20190000325A1 (en) * | 2017-06-22 | 2019-01-03 | Dextera Medical | Method and Apparatus for Full-System, Cardiovascular Simulation and Prediction |
EP3363363A1 (de) * | 2017-06-29 | 2018-08-22 | Siemens Healthcare GmbH | Verfahren zum durchführen einer bildgebenden untersuchung |
Non-Patent Citations (1)
Title |
---|
马悦;吴朝霞;王石;刘亚强;: "清华同源双束医用加速器蒙特卡罗模拟" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114117767A (zh) * | 2021-11-19 | 2022-03-01 | 深圳市日联科技有限公司 | X射线检测设备防辐射设计方法、系统、设备及存储介质 |
CN114117767B (zh) * | 2021-11-19 | 2022-08-05 | 深圳市日联科技有限公司 | X射线检测设备防辐射设计方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111599474B (zh) | 2024-02-13 |
DE102019202287A1 (de) | 2020-08-20 |
US11829195B2 (en) | 2023-11-28 |
US20200265177A1 (en) | 2020-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220110687A1 (en) | Method and system for iamge processing to determine blood flow | |
US10645259B2 (en) | Machine learning based real-time radiation dose assessment | |
RU2684173C2 (ru) | Система и способ для автоматического планирования лечения | |
CN105051784B (zh) | 对模拟准确度和性能的图像质量评估 | |
EP3127026B1 (en) | Systems and methods for determining blood flow characteristics using flow ratio | |
US11402453B2 (en) | Method and system for determining sufficiency of measurement data for post-processing process | |
US11328423B2 (en) | Characterization of plaque | |
MX2014003685A (es) | Metodo para optimizacion coherente y verificable de una dosis de radiacion de tomografia computarizada (tc). | |
CN108257111A (zh) | 在x射线成像中的自动化图像检验 | |
CN108537774B (zh) | 用于检查医学图像的方法以及用于调整检查协议的方法 | |
US20220101526A1 (en) | Method for generating a trained machine learning algorithm | |
US10762632B2 (en) | Analysis of skeletal trauma using deep learning | |
Londono et al. | Evaluation of deep learning and convolutional neural network algorithms accuracy for detecting and predicting anatomical landmarks on 2D lateral cephalometric images: a systematic review and meta-analysis | |
CN111599474B (zh) | 检查基于x射线的医学成像应用的流程的特征参数的方法 | |
Burckel et al. | Use of an automatic recording system for CT doses: evaluation of the impact of iterative reconstruction on radiation exposure in clinical practice | |
US20220087630A1 (en) | Method for actuating a medical imaging device | |
US12014823B2 (en) | Methods and systems for computer-aided diagnosis with deep learning models | |
Nykänen et al. | Multicenter evaluation of renography with an automated physical phantom | |
US11948689B2 (en) | Individual determination of breast compression in mammography with artificial intelligence | |
Heemsbergen et al. | The Importance of the Quality of Data | |
Roberts | Computed tomography iterative reconstruction techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240903 Address after: German Phu F Haim Patentee after: Siemens Medical AG Country or region after: Germany Address before: Erlangen Patentee before: Siemens Healthineers AG Country or region before: Germany |