CN111603188B - 用于数字减影血管造影的方法和x射线设备 - Google Patents
用于数字减影血管造影的方法和x射线设备 Download PDFInfo
- Publication number
- CN111603188B CN111603188B CN202010111664.0A CN202010111664A CN111603188B CN 111603188 B CN111603188 B CN 111603188B CN 202010111664 A CN202010111664 A CN 202010111664A CN 111603188 B CN111603188 B CN 111603188B
- Authority
- CN
- China
- Prior art keywords
- image
- algorithm
- images
- fill
- mask
- 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 51
- 238000002583 angiography Methods 0.000 title claims abstract description 18
- 239000002872 contrast media Substances 0.000 claims abstract description 47
- 238000013473 artificial intelligence Methods 0.000 claims description 35
- 238000011156 evaluation Methods 0.000 claims description 15
- 239000000945 filler Substances 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 230000000875 corresponding effect Effects 0.000 description 13
- 238000013527 convolutional neural network Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 210000003484 anatomy Anatomy 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010002329 Aneurysm Diseases 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- 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
- A61B6/504—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 blood vessels, e.g. by angiography
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/404—Angiography
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Public Health (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Vascular Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种用于对患者的拍摄区域进行数字减影血管造影的方法，其中，在不使用造影剂的情况下拍摄至少一个掩模图像；在施用造影剂之后拍摄多个填充图像；通过从相应的填充图像中减去至少一个掩模图像中的一个来确定结果图像，其中，依据图像质量信息(其描述了在拍摄至少一个掩模图像时并且在至少一部分填充图像的情况下至少一个掩模图像关于拍摄区域中的不同的运动状态的适合性)，在至少一个掩模图像不适合于不适合组的至少一个填充图像的情况下：拍摄至少一个另外的掩模图像并且借助比较算法关于运动状态自动检查另外的掩模图像是否适合于不适合组的至少一个填充图像；在不适合组的每个填充图像存在适合的掩模图像之后中断另外的掩模图像的拍摄。
Description
技术领域
本发明涉及一种用于对患者的拍摄区域进行数字减影血管造影的方法，其中
-在不使用造影剂的情况下拍摄拍摄区域的至少一个掩模图像，
-在施用造影剂之后，拍摄多个填充图像，并且
-通过从相应的填充图像中减去至少一个掩模图像中的一个来确定结果图像。此外，本发明涉及一种X射线设备、一种计算机程序和一种电子可读的数据载体。
背景技术
数字减影血管造影作为医学成像中的拍摄技术已经在很长时间中为人所知，并且通常缩写为DSA。在数字减影血管造影中，至少要拍摄两次患者的拍摄区域，一次没有造影剂的影响(掩模图像)，另一次具有造影剂的影响(填充图像)。如果从填充图像中减去掩模图像，则形成结果图像，在理想情况下，该结果图像仅显示造影剂。以这种方式，可以获得例如关于血流的信息，其中还已知通过最终利用多个填充图像部分地或完全地采集造影剂流过拍摄区域的流动来收集时间信息。在此可以想到二维和三维中的数字减影血管造影，其中下面的实施主要涉及2D-DSA。
数字减影血管造影、尤其2D-DSA的常见问题在于结果图像中的伪影，其由获取掩模图像和填充图像之间的患者运动引起。如果掩模图像和填充图像以不同的运动状态示出了拍摄区域，则要减去的解剖结构不完全一致，从而解剖结构的残余作为边缘或其他伪影保留在结果图像中。特别地，与拍摄区域和运动的类型无关地，可能会出现复杂的运动模式，其可以由不同运动的多个器官或其他解剖结构的叠加组成。
为了补偿这种运动伪影，在现有技术中已经提出，通过弹性配准、即特别是通过可变形的运动场，将掩模图像配准到相应的填充图像。然而，在这种方法中通常没有充分考虑具有不同运动模式的、叠加的器官的运动，并由此进行补偿。
在替换的方法中已经提出了，以拍摄区域的不同运动状态拍摄多个掩模图像，并且手动将其与尽可能相似的填充图像相关联。但是，手动关联是非常费时的，并且不能确保已经针对每个填充图像的运动状态拍摄了适合的掩模图像。
发明内容
因此，本发明要解决的技术问题是，提供一种用于减少数字减影血管造影的结果图像中的运动伪影的改进可能性。
该技术问题通过根据本发明的方法、X射线设备、计算机程序和电子可读的数据载体来解决。本发明还给出了有利的设计方案。
在此，开头所述类型的方法规定，依据自动确定的或在用户侧提供的图像质量信息(图像质量信息描述了在拍摄至少一个掩模图像时并且在至少一部分填充图像的情况下，至少一个掩模图像关于拍摄区域中的不同的运动状态的适合性)，在至少一个掩模图像不适合于不适合组的至少一个填充图像的情况下，
-拍摄至少一个另外的掩模图像，并且借助比较算法关于运动状态自动检查该另外的掩模图像是否适合于不适合组的至少一个填充图像，以及
-在针对不适合组的每个填充图像存在适合的掩模图像之后，中断另外的掩模图像的拍摄。
在此，在存在适合的掩模图像之后不必立即进行中断，而是可以提前或稍后在用户侧和/或例如在最大时间之后进行中断。然而，在本发明的框架下，优选在实际上针对不适合组的每个填充图像存在适合的掩模图像时，自动中断另外的掩模图像的拍摄和/或至少自动向用户输出中断另外的掩模图像的拍摄的指示。作为纯适合性检查的替换方案，还可以进行质量评估，如下面还要更详细描述的。
因此，本发明提出，首先通过拍摄掩模图像和填充图像保持数字减影血管造影的常规拍摄顺序，其中在此拍摄至少一个掩模图像。然而，如果在此之后确定，对于至少一部分填充图像，至少一个掩模图像在其运动状态中偏差太大，则可以进行另外的掩模图像的拍摄，以获取处于适合的运动状态的掩模图像，以获得足够的结果图像图像质量。在此，在这一点上要注意的是：在许多情况下不需要这种另外的掩模图像的拍摄，因为尤其是在这里主要讨论的2D-DSA的情况下，通常会激励患者在拍摄填充图像期间屏住呼吸，从而在理想情况下给出关于至少一个掩模图像适合的、足够一致的运动状态。在这方面，例如由于观察到患者在拍摄填充图像期间仍在呼吸或者无论如何都不能充分屏住呼吸，可以产生在用户侧预先给定的图像质量信息。
然而，在这方面，本发明的设计方案是特别有利的，其中借助质量算法自动确定图像质量信息，该质量算法将填充图像的运动状态与至少一个原始拍摄的掩模图像的运动状态进行比较，其中特别地且优选地使用比较算法作为质量算法。因为比较算法也通过将不适合组的填充图像的运动状态与当前拍摄的另外的掩模图像的运动状态进行比较而最终尝试确定，该另外的掩模图像是否适合于这些填充图像中的一个，从而产生质量足够高的结果图像。因此，不仅可以在拍摄另外的掩模图像时有利地使用比较算法，而且还可以在决定是否完全需要拍摄另外的掩模图像时特别有利地使用比较算法。
以这种方式形成了用于生成具有减少的运动伪影的DSA结果图像序列的简单且自动化的/可自动化的工作流程。特别是在更准确解释的设计方案中，这可以实现潜在更高的诊断可靠性、对重复采集的避免以及对辐射和造影剂剂量的优化。
在根据本发明的方法的特别优选的扩展中可以规定，比较算法和/或质量算法用于将关于拍摄区域的运动状态最适合的、要减去的掩模图像与每个填充图像自动关联。尽管在现有技术中的特定的方法中已知，要针对性地拍摄大量的原始的掩模图像，并且手动地通过对临时的结果图像进行视觉比较或视觉评估来将原始的掩模图像与不同的填充图像相关联，但现省去了非常费时且取决于用户主观性的过程，并且本发明允许针对相应的填充图像自动关联和选择优化的掩模图像，从而以明显减少的工作量和明显减少的处理时间获得了高质量的结果图像。
然而，在至少一个原始拍摄的掩模图像不适合于至少一个填充图像的情况下向用户输出指示，据此特别是接受用户是否还要拍摄另外的掩模图像的决定，在本发明的框架内是有利的。这意味着，也和迄今为止一样，由用户启动DSA拍摄序列。在调整X射线参数之后拍摄至少一个掩模图像，然后注入造影剂，其中造影剂的注入不是在此描述方法的一部分，在此描述的方法主要针对关于所拍摄的图像/另外的掩模图像的运动状态比较、即针对进行支持的图像评估。
在拍摄填充图像之后和/或期间，通过可以对应于比较算法的质量算法来检查，是否发生运动、即特别是至少一个填充图像的运动状态与至少一个掩模图像的运动状态是否偏差过大。如果是这种情况，则将至少一个填充图像添加到不适合组中，可以向用户输出指示：所形成的结果图像的图像质量可能受到限制。该指示还可以显示：可以或者甚至应当继续进行采集，以便关于图像质量获得更好的结果。如果在用户侧继续进行采集，则在随后拍摄的另外的掩模图像中分析，随后拍摄的另外的掩模图像是否表现出比先前的掩模图像更好匹配于不适合组的填充图像的运动状态。
在此，在这点上应该注意，特别是在自动关联最适合于产生高质量结果图像的填充图像与掩模图像对情况下，还可以不断地产生并且维持相应的结果图像序列，用户可以查看结果图像序列。然后，由于总是当在另外的掩模图像中存在更适合的掩模图像时相应更新相应的结果图像，并且可以将其显示给用户，由此用户最终可以连续地自己判断，是否达到了足够的图像质量。因此，例如可以想到一种设计方案，其中用户在不断地鉴定连续更新的临时的结果图像的情况下，继续进行另外的掩模图像的拍摄，直到用户确认图像质量足够好，并且结束另外的掩模图像的拍摄。
在本发明的特别优选的扩展中规定，比较算法和/或质量算法确定运动状态的比较度量、尤其是总变化度量，和/或使用第一人工智能算法作为比较算法和/或质量算法。因此，利用常规方法可以想到，确定比较度量、例如“总变化”，其中提取例如在两个图像中应当看到的边缘和/或其他结构，并进行相应的比较。在此，相应地考虑(基于造影剂的)填充图像与掩模图像之间的差异。但是，对于给定的复杂的任务设置，使用第一人工智能算法以执行比较、例如确定比较度量，也可以是特别有利。可以根据注释的训练数据、特别是借助深度学习来训练第一人工智能算法，和/或第一人工智能算法可以是卷积神经网络(CNN)。在此，训练数据不一定必须是数字减影血管造影的实际结果，而是也可以使用合成的训练数据，例如通过鉴于造影剂的存在对图像进行修改并且针对不同的运动差异针对性地进行改变，从而存在基本事实(比较度量)。在现有技术中已经提出了可以特别接近现实地生成这种合成训练数据的方法。
在DSA拍摄过程期间通过这种新型的、对人工智能或机器学习的使用实现了对工作流程的进一步改善，因为即使对于更复杂的问题设置也可以以高质量快速进行比较。关于运动状态的比较和/或其他方法步骤而使用人工智能/机器学习的本发明的设计方案也可以被称为aiDSA、即被称为通过人工智能扩展的DSA。
为了拍摄另外的掩模图像，应当优选地确保造影剂已经再次离开拍摄区域，因此实际上生成没有造影剂的另外的掩模图像。为此，本发明的有利的扩展规定，在开始针对另外的掩模图像的拍摄时，根据至少一个当前拍摄的候选图像借助评估算法自动检查拍摄区域中是否还存在造影剂，其中仅在由此确定造影剂从拍摄区域流出之后才拍摄另外的掩模图像。换言之，在最初拍摄的候选图像中自动分析，造影剂是否已经完全从拍摄区域流出。一旦不再存在造影剂，就可以借助比较算法注意运动状态的一致。特别有利地，还可以在检测拍摄区域中是否还存在造影剂时使用人工智能，从而可以规定，使用第二人工智能算法作为评估算法。已经发现，由于关于存在造影剂的候选图像的复杂性(造影剂的衰减特性完全可以低于各种解剖结构的衰减特性或者可以位于其区域中)要进行非常复杂的分析，因此在此特别建议使用人工智能。在任何情况下，评估算法考虑候选图像的至少一个结构特性是有利的。特别地，在造影剂在患者的血管系统中扩散的情况下存在某些结构特性，评估算法可以相应考虑这些结构特性。此外，在本发明的框架中有利的是，还可以通过评估算法分析直接连续拍摄的候选图像的时间序列，因为以这种方式同样可以考虑造影剂的时间上的扩散特性以更可靠地检测造影剂。
关于作为第二人工智能算法的设计方案还应注意，如下内容也适用于该设计方案：可以根据注释的训练数据、特别是借助深度学习来训练第二人工智能算法，和/或第二人工智能算法可以是卷积神经网络。
如已经指出的，可以想到不同的中断标准，其中在许多情况下，除了开始拍摄另外的掩模图像之外，将停止拍摄另外的掩模图像置于用户手中是有利的，尤其是当本来就存在并且显示不断更新的、具有最适合的掩模图像或填充图像对的临时的结果图像时。尽管如此，向用户通知适宜的中断时间点是有利的。
因此，例如可以规定，在满足质量标准(其表示至少存在适合于每个填充图像的掩模图像)的情况下，向用户提出建议将另外的掩模图像的拍摄中断。具体地，在此例如可以规定，在质量标准中、尤其在使用比较算法和/或人工智能的情况下，确定当前形成的结果图像的质量度量，该质量度量为了满足质量标准必须超过阈值。因此，还可以追求特定的质量，该质量可以例如以阈值的形式由用户预先给定和/或自动确定。在此，在这种情况下用户仍然可以有利地继续保持拍摄活动，为此，如已经讨论的并且通常有利地，可以基于在运动状态中当前最一致的掩模图像和填充图像对，通过相应的减影为用户产生不断更新的临时的结果图像并显示给用户。因此，必要时，如果用户认为质量足够，他可以在达到质量标准之前已经将另外的掩模图像的拍摄的中断。
在本发明的特别有利的设计方案中可以规定，为了拍摄另外的掩模图像，至少暂时以较低的X射线剂量进行低剂量图像的拍摄，其中通过触发算法将各个当前低剂量图像的运动状态与不适合组的每个填充图像(对于这些填充图像还不存在另外的掩模图像)的运动状态进行比较，并且在比较结果满足关于运动状态足够一致的触发标准的情况下，以原始拍摄的掩模图像的剂量进行另外的掩模图像的拍摄。在此，在这点上应该已经注意到，为了监视拍摄区域中是否仍然存在造影剂，已经作为低剂量图像来拍摄候选图像是特别有利的，其中使用第二人工智能算法作为评估算法是特别有利的。为了节省X射线剂量，首先可以以明显减少的X射线剂量进行另外的掩模图像(或候选图像)的拍摄。一旦检测到没有造影剂并且具有匹配的运动状态的低剂量图像，就立即将拍摄参数更改为拍摄原始的掩模图像(和填充图像)的拍摄参数，从而可以建立另外的掩模图像。
在此，有利地可以使用第三人工智能算法作为触发算法，其中该第三人工智能算法可以至少近似于第一人工智能算法，例如可以将第一人工智能算法的仅部分未参数化的CNN用作第三人工智能算法，由于第一和第三人工智能算法都涉及对图像中的运动状态进行比较，但是其中对于低剂量图像，要将明显较低的X射线剂量与较高的X射线剂量进行比较。可以规定，第三人工智能算法根据注释的训练数据、特别是借助深度学习进行训练，和/或第三人工智能算法是卷积神经网络。
在这种情况下还特别有利的是，在拍摄另外的掩模图像时借助比较算法监视，是否存在相对于不适合组的填充图像(针对该填充图像还没有拍摄到适合的另外的掩模图像)的运动状态的过大的偏差，其中如果过大的偏差满足了返回标准，就再次继续拍摄低剂量图像。换言之，当再次离开匹配的运动状态的范围时，可以再次减回剂量，以节约患者处的X射线剂量。
为了增加在拍摄另外的掩模图像时针对不适合组的填充图像找到适合的掩模图像的概率，可以规定，在拍摄另外的掩模图像时使用比在拍摄原始的掩模图像和/或填充图像时更高的图像拍摄速率。以这种方式简化了对具有尽可能匹配的运动状态的掩模图像的发现。
有利地，在填充图像的运动状态与最适合的掩模图像的运动状态的剩余偏差超过阈值情况下，可以将运动补偿算法用于至少部分地补偿偏差。换言之，在此介绍的方法也可以与用于运动补偿的现有算法结合。
在本发明的特别有利的扩展中可以规定，通过评估至少一部分填充图像和/或(可能的临时的)结果图像来使用用于检测拍摄区域中的感兴趣区域的检测算法，其中通过比较算法和/或质量算法和/或触发算法来比较运动状态仅限于感兴趣区域。在此有利地，可以使用第四人工智能算法作为检测算法。在此还可以规定，第四人工智能算法根据注释的训练数据、尤其是借助深度学习进行训练，和/或第四人工智能算法是卷积神经网络。此外，还可以想到，根据用户输入来预先给定感兴趣区域。换言之，可以借助机器学习或通过用户输入在填充图像或结果图像中识别特别感兴趣的区域、例如狭窄、动脉瘤等。然后可以优化掩模图像与填充图像的关联，以避免所选的区域中的伪影。这尤其在比较中具有如下优点：不相关的图像区域不会影响例如所使用的比较度量，比较度量表征了关于运动状态的参量。
除了该方法之外，本发明还涉及一种用于数字减影血管造影的X射线设备，其具有设计用于执行根据本发明的方法的控制设备。关于根据本发明的方法的所有实施可以类似地转用到根据本发明的X射线设备，由此利用根据本发明的X射线设备同样可以获得已经提到的优点。
在此，控制设备有利地可以包括至少一个处理器和/或至少一个存储装置。为了执行根据本发明的方法的步骤，可以通过硬件和/或软件来定义不同的功能单元和/或子单元，例如除了本来已经存在的拍摄控制单元和减影单元之外，还具有用于检查是否存在适合的掩模图像的至少一个图像质量检查单元、除了比较算法还可以用于质量算法的比较单元等。特别是当要将掩模图像与填充图像的最佳的对彼此关联时，还可以设置关联单元，其尤其是使用比较单元。鉴于另外的设计方案，还可以实现相应的功能单元和子单元。
根据本发明的计算机程序例如可以直接加载到X射线设备的控制设备的存储装置中，并且具有程序装置，以便当在X射线设备的控制设备中执行计算机程序时，执行根据本发明方法的步骤。该计算机程序可以存储在根据本发明的电子可读的数据载体上，因此电子可读的数据载体包括存储在其上的电子可读的控制信息，电子可读的控制信息至少包括所提到的计算机程序，并且被设计为，在X射线设备的控制设备中使用数据载体时执行根据本发明的方法。根据本发明的电子可读的数据载体尤其可以是非瞬态数据载体、例如CD-ROM。
附图说明
根据下面描述的实施例并参照附图给出本发明的其他优点和细节。附图中：
图1示出了根据本发明的方法的实施例的流程图，
图2示出了所使用的X射线剂量和算法的时间流程图，
图3示出了根据本发明的X射线设备，和
图4示出了根据图3的X射线设备的控制设备的功能结构。
具体实施方式
图1示出了根据本发明的用于执行数字减影血管造影的方法的流程图。在此，在仅以虚线表示的准备步骤S1中，首先进行剂量调节，如这在现有技术中已知的。结果是X射线剂量，该X射线剂量将用于拍摄拍摄区域的掩模图像和填充图像。
在步骤S2中，首先进行至少一个掩模图像的拍摄，其中还可以尤其是在患者的不同的运动状态中拍摄多个掩模图像、例如三个掩模图像。掩模图像示出了患者的拍摄区域，其中不存在造影剂，即特别是没有造影剂流过患者的感兴趣的脉管、特别是血管。
在施用造影剂之后(其不是根据本发明的方法的一部分)，在步骤S3中，只要造影剂到达拍摄区域，就拍摄填充图像，填充图像按照其时间顺序在当前情况下至少映射了拍摄区域中造影剂的流入。
为了获得理想地仅显示关于在拍摄区域中的造影剂的图像信息的结果图像，必须从相应的填充图像中减去掩模图像，从而将显示没有造影剂的解剖结构的部分去除。但是，由于在步骤S2中拍摄至少一个掩模图像与步骤S3中拍摄填充图像之间，或者甚至在步骤S3中拍摄填充图像期间患者可能已经运动了，因此至少一个掩模图像可能在拍摄区域中显示与至少一个填充图像不同的运动状态。
因此，在步骤S4中使用比较算法作为质量算法，其在此被设计为第一人工智能算法、具体是卷积神经网络(CNN)。对于由掩模图像和填充图像构成的各个对，比较算法输出比较度量、例如总变化，其中关于运动状态进行比较，并且分析例如(可能重叠的)边缘的位置。没有人工智能的设计方案也是可行的。在使用第一人工智能算法的情况下，其通过机器学习利用训练数据进行训练，训练数据在此包含注释的、掩模图像和填充图像的对。在步骤S4中，在两个方面使用比较算法。
一方面，将至少一个掩模图像的、即在这种情况下尤其是在步骤S2中拍摄的多个原始掩模图像的关于运动状态最一致的掩模图像与每个填充图像相关联，这已经能够实现通过减影产生临时的结果图像。然而，另一方面，根据相应的比较度量导出图像质量信息，例如通过针对在其运动状态方面最一致的每对图像检查运动状态的一致、即所提到的比较度量是否超过阈值。如果不是这种情况，则一致的运动状态非常差，因此将相应的填充图像添加到不适合组中，并且图像质量信息相应地显示这一点。
在这点上还应注意，在步骤S4中，特别是通过使用临时的结果图像，手动和/或优选还自动地检测在拍摄区域中的感兴趣区域，例如包含异常、特别是病变等的感兴趣区域(ROI)。可以将检测算法、尤其是人工智能算法用于自动检测。一旦定义了感兴趣区域，就可以通过比较算法(在此对应于质量算法)以及其他进行的比较将运动状态的比较限制到该感兴趣区域。由此能够更好地确保，在感兴趣区域中存在良好的图像质量。
在此，基于关联性，在步骤S4中，在每种情况下，通过从相应的填充图像中减去最适合的掩模图像来建立临时的结果图像。用户可以随时查看临时的结果图像，特别是以便关于质量做出自己的判断。
在每种情况下，在步骤S5中，通过不适合标准来自动评估图像质量信息，在此，当填充图像存在于不适合组中时，不适合标准负责向用户输出相应的指示：针对至少一个填充图像存在明显的运动偏差，该运动偏差损害了结果图像序列的图像质量。在此，向用户建议拍摄另外的掩模图像。然而，通过研究临时的结果图像，用户也可以自己决定，希望进一步拍摄在运动状态方面更对应于填充图像的掩模图像。
如果在步骤S5中用户决定不拍摄另外的掩模图像，则该方法前进到结束步骤S6，并且将迄今为止的临时的结果图像用作最终的结果图像。
但是，如果用户决定要拍摄拍摄区域的另外的掩模图像，另外的掩模图像具有与不适合组的填充图像的运动状态的更好一致，则在步骤S7中开始，首先拍摄低剂量图像作为候选图像。低的剂量保护患者免受图像拍摄时的过大负荷，低的剂量无论如何不适合作为另外的掩模图像。因为通过评估低剂量图像，首先在步骤S8中借助评估算法来检查，在拍摄区域中是否还存在造影剂。在此使用第二人工智能算法作为评估算法，第二人工智能算法考虑候选图像的至少一个结构特性，以便例如能够检测由于造影剂的存在而形成的典型的图像结构。
只要在拍摄区域中仍然发现造影剂，就继续步骤S7。如果造影剂从拍摄区域消失，则在步骤S9中以相对于步骤S2中掩模图像的拍摄和步骤S3中填充图像的拍摄减少的剂量来拍摄另外的低剂量图像。然而，在步骤S9中增加了图像速率，以增加找到与不适合组的填充图像相匹配的运动状态的概率。
在步骤S10中，将触发算法应用于各个当前的低剂量图像，触发算法关于运动状态将低剂量图像与不适合组中的相应的填充图像进行比较。触发算法在此可以基于比较算法，例如通过重新参数化。这尤其意味着，触发算法可以是第三人工智能算法。在步骤S8中也使用触发标准，当关于不适合组的至少一个填充图像的运动状态足够一致时，触发标准将X射线剂量增加至根据步骤S2和S3的水平，并且在步骤S11中开始拍摄至少一个另外的掩模图像。如果没有确定运动状态足够一致，则省剂量地返回到步骤S9。
针对在步骤S11中拍摄的每个另外的掩模图像，借助比较算法针对不适合组的每个填充图像检查，运动状态是否足够好地一致，以获得尽可能高质量的结果图像。如果满足特定的质量标准，则最迟在针对不适合组的所有填充图像存在满足该质量标准的另外的掩模图像时，再次向用户输出指示，用户最迟然后可以中断另外的掩模图像的拍摄。应当注意，在每种情况下，如上所述，随着在步骤S11中拍摄另外的掩模图像，不断地确定新的临时的结果图像并进行显示或可用于显示，以便向用户提供足够的决策支持以中断另外的掩模图像的拍摄。
在步骤S12中做出相应的决定。如果例如对于不适合组的所有填充图像都满足所提到的质量标准，则可以中断另外的掩模图像的拍摄并且临时的结果图像在步骤S6变为最终的结果图像。
如果要继续拍摄另外的掩模图像，则在步骤S13中检查，当前的运动状态是否仍然与需要另外的掩模图像的不适合组的填充图像的运动状态足够相似。如果是这种情况，则在步骤S11中拍摄新的另外的掩模图像，如果不是这种情况，则再次减小剂量并返回到步骤S9。
图2示出了在根据图1的方法的示例流程期间，X射线剂量D关于时间t的示意性走向。在此分别示出了按照时间间隔执行的相应步骤。在步骤S1中进行剂量调节，因此相应地使用不同的X射线剂量。在选择适合的X射线剂量之后，X射线剂量显然对于步骤S2中掩模图像的拍摄是重要的。在时间点1进行没有包含在根据本发明的方法中的造影剂的施加，造影剂预计在时间点2处于患者的拍摄区域中(Bolus Arrival Time BAT，推注到达时间)。应当注意，当然也可以在时间点1与时间点2之间拍摄低剂量图像等以检测造影剂推注的到达。
在造影剂推注到达之后，在步骤S3中再次以在步骤S1结束时确定的X射线剂量拍摄填充图像。在拍摄X射线图像期间已经可以使用比较算法(作为质量算法)以确定比较度量，但还可以想到仅在填充图像的拍摄结束之后才执行步骤S4，因此在当前情况下没有具体标明步骤S4。
在填充图像的拍摄结束之后，X射线剂量相应地下降至零，并且尤其是通过向用户询问是否应当拍摄另外的掩模图像的信息来执行步骤S5。在这段时间内，在指明的时间段3中，造影剂再次从拍摄区域流出。
在图2所示的情况下，用户在造影剂从拍摄区域完全流出之前就已经决定要拍摄另外的掩模图像，由此相应地在较低的剂量中执行步骤7和8。在时间点4确定在拍摄区域中不再存在造影剂，并且相应地继续进行步骤S9，S10。
如果随后根据步骤S10中的检查存在适合的运动状态，则相应地以在步骤S1结束时确定的X射线剂量执行步骤S11、S12，直到再次离开该运动状态，并且必要时可以再次使用步骤S9、S10，该过程继续，直到针对每个填充图像都存在掩模图像，能够以尽可能小的运动伪影实现足够高质量的结果图像。
如已经提到的，比较算法(以及质量算法)、评估算法、触发算法以及可能使用的检测算法都适合于人工智能和机器学习，从而最终可以使用人工智能(aiDSA)产生数字减影血管造影。
图3示出了根据本发明的X射线设备5的示意图，X射线设备在此包括C形臂6，在C形臂6上彼此相对地布置有X射线发射器7和X射线探测器8。在由此构成的血管造影系统中，基于C形臂6的运动自由度以及其移动的设计方案，由X射线发射器7和X射线探测器8构成的拍摄装置被设置为用于拍摄不同的拍摄区域，从而用于拍摄关于在患者台9上安置的患者的血管系统。
X射线设备5的运行由控制设备10控制，该控制设备在此被设计为用于执行根据本发明的方法、尤其是用于执行用于2D-DSA的方法，如鉴于图1和图2描述的。
图4更详细地说明了控制设备10的功能结构，控制设备10包含至少一个处理器和至少一个存储装置。
控制设备10首先具有用于控制X射线图像的拍摄并且还用于剂量调节的拍摄控制单元11，这意味着，尤其可以通过拍摄控制单元11来执行步骤S1、S2、S3、S7、S9和S11中的至少一部分。在现有技术中基本上已知减影单元12的存在，减影单元12用于产生数字减影血管造影的结果图像。在比较单元13中应用比较算法(必要时也作为质量算法)，参见步骤S4和S11、S13，其中在这些步骤中也可以执行根据步骤S9的触发算法。比较单元13的结果例如可以在图像质量检查单元14中(步骤S4、S5、S11、S13以及可能的S10)进行使用，从而可以根据比较度量做出相应的决定。
此外，比较单元13还可以由关联单元15使用，在关联单元中始终将每个填充图像与当前最适合的掩模图像相关联，也以便产生最佳的临时的结果图像或最终的结果图像。
控制设备10的其他可能的功能单元包括，例如用于执行检测算法以便能够找到感兴趣区域的检测单元16，以及例如能够在步骤S8中确定在拍摄区域中存在造影剂的评估单元17。此外，还设置了用于输出临时和最终的结果图像的输出单元18以及用户交互单元19。当然，还可以想到其他功能单元和子单元。
尽管已经通过优选的实施例在细节上详细阐述和描述了本发明，但是本发明不限于所公开的示例，并且本领域技术人员可以从中导出其他变形方案，而不脱离本发明的保护范围。
Claims (15)
1.一种用于对患者的拍摄区域进行数字减影血管造影的方法，其中
-在不使用造影剂的情况下拍摄拍摄区域的至少一个掩模图像，
-在施用造影剂之后，拍摄多个填充图像，并且
-通过从相应的填充图像中减去至少一个掩模图像中的一个来确定结果图像，
其特征在于，依据自动确定的或在用户侧提供的图像质量信息，所述图像质量信息描述了在拍摄至少一个掩模图像时并且在至少一部分填充图像的情况下至少一个掩模图像关于拍摄区域中的不同的运动状态的适合性，在至少一个掩模图像不适合于不适合组的至少一个填充图像的情况下：
一拍摄至少一个另外的掩模图像，并且借助比较算法关于运动状态自动检查所述另外的掩模图像是否适合于不适合组的至少一个填充图像，以及
一在针对不适合组的每个填充图像存在适合的掩模图像之后，中断另外的掩模图像的拍摄。
2.根据权利要求1所述的方法，其特征在于，借助质量算法自动确定图像质量信息，所述质量算法将填充图像的运动状态与至少一个原始拍摄的掩模图像的运动状态进行比较，其中使用比较算法作为质量算法。
3.根据权利要求2所述的方法，其特征在于，所述比较算法和/或所述质量算法用于将关于拍摄区域的运动状态最适合的、要减去的掩模图像与每个填充图像自动关联。
4.根据权利要求2或3所述的方法，其特征在于，在至少一个原始拍摄的掩模图像不适合于至少一个填充图像的情况下向用户输出指示，据此接受用户是否还要拍摄另外的掩模图像的决定。
5.根据权利要求2或3所述的方法，其特征在于，所述比较算法和/或所述质量算法确定运动状态的比较度量，和/或使用第一人工智能算法作为所述比较算法和/或所述质量算法。
6.根据权利要求1至3中任一项所述的方法，其特征在于，在开始针对另外的掩模图像的拍摄时，根据至少一个当前拍摄的候选图像借助评估算法自动检查拍摄区域中是否还存在造影剂，其中仅在由此确定造影剂从拍摄区域流出之后才拍摄另外的掩模图像。
7.根据权利要求6所述的方法，其特征在于，使用第二人工智能算法作为评估算法，和/或所述评估算法考虑候选图像的至少一个结构特性。
8.根据权利要求1所述的方法，其特征在于，为了拍摄另外的掩模图像，至少暂时以较低的X射线剂量进行低剂量图像的拍摄，其中通过触发算法将各个当前低剂量图像的运动状态与不适合组的每个填充图像的运动状态进行比较，对于不适合组的填充图像还不存在适合的另外的掩模图像，并且在比较结果满足关于运动状态足够一致的触发标准的情况下，以原始拍摄的掩模图像的剂量进行另外的掩模图像的拍摄。
9.根据权利要求8所述的方法，其特征在于，使用第三人工智能算法作为触发算法。
10.根据权利要求8或9所述的方法，其特征在于，在拍摄另外的掩模图像时借助比较算法监视是否存在相对于不适合组的填充图像的运动状态的过大的偏差，对于所述不适合组的填充图像还没有拍摄到适合的另外的掩模图像，其中如果过大的偏差满足了返回标准，就再次继续拍摄低剂量图像。
11.根据权利要求1至3中任一项所述的方法，其特征在于，在拍摄另外的掩模图像时，使用比在拍摄原始的掩模图像和/或填充图像时更高的图像拍摄速率。
12.根据权利要求2或3所述的方法，其特征在于，为了拍摄另外的掩模图像，至少暂时以较低的X射线剂量进行低剂量图像的拍摄，其中通过触发算法将各个当前低剂量图像的运动状态与不适合组的每个填充图像的运动状态进行比较，对于不适合组的填充图像还不存在适合的另外的掩模图像，并且在比较结果满足关于运动状态足够一致的触发标准的情况下，以原始拍摄的掩模图像的剂量进行另外的掩模图像的拍摄。
13.根据权利要求12所述的方法，其特征在于，
通过评估至少一部分填充图像和/或可能的临时的结果图像来使用用于检测拍摄区域中的感兴趣区域的检测算法，其中通过所述比较算法和/或所述质量算法和/或所述触发算法来比较运动状态仅限于感兴趣区域。
14.一种用于数字减影血管造影的X射线设备(5)，其具有被设计为用于执行根据上述权利要求中任一项所述的方法的控制设备(10)。
15.一种电子可读的数据载体，在其上存储有计算机程序，当在X射线设备(5)的控制设备(10)上执行所述计算机程序时，所述计算机程序执行根据权利要求1至13中任一项所述的方法的步骤。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102019202514.5 | 2019-02-25 | ||
| DE102019202514.5A DE102019202514B4 (de) | 2019-02-25 | 2019-02-25 | Verfahren zur digitalen Subtraktionsangiographie, Röntgeneinrichtung, Computerprogramm und elektronisch lesbarer Datenträger |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111603188A CN111603188A (zh) | 2020-09-01 |
| CN111603188B true CN111603188B (zh) | 2022-01-14 |
Family
ID=72138923
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010111664.0A Active CN111603188B (zh) | 2019-02-25 | 2020-02-24 | 用于数字减影血管造影的方法和x射线设备 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US10755455B1 (zh) |
| CN (1) | CN111603188B (zh) |
| DE (1) | DE102019202514B4 (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10939885B2 (en) * | 2016-12-15 | 2021-03-09 | Koninklijke Philips N.V. | Visualizing vascular structures |
| IT201900006616A1 (it) * | 2019-05-07 | 2020-11-07 | Angiodroid S R L | Metodo per il miglioramento di immagini radiologiche nel corso di un'angiografia |
| DE102020214319B3 (de) | 2020-11-13 | 2022-01-20 | Siemens Healthcare Gmbh | Bereitstellen eines optimalen Subtraktionsdatensatzes |
| DE102020214323A1 (de) | 2020-11-13 | 2022-05-19 | Siemens Healthcare Gmbh | Bereitstellen eines optimalen Subtraktionsdatensatzes |
| DE102021208272A1 (de) | 2021-07-30 | 2023-02-02 | Siemens Healthcare Gmbh | Optimale Gewichtung von DSA-Maskenbildern |
| CN113592042B (zh) * | 2021-09-29 | 2022-03-08 | 科大讯飞(苏州)科技有限公司 | 样本图像生成方法、装置及其相关设备和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030053600A1 (en) * | 2001-08-11 | 2003-03-20 | Georg Schmitz | Apparatus and method for processing of digital images |
| US20080037844A1 (en) * | 2006-08-14 | 2008-02-14 | Siemens Medical Solutions Usa, Inc. | Precomputed Automatic Pixel Shift for Review of Digital Subtracted Angiography |
| CN102131462A (zh) * | 2008-08-13 | 2011-07-20 | 皇家飞利浦电子股份有限公司 | 用于心脏减影的掩模构造 |
| CN103544690A (zh) * | 2012-07-10 | 2014-01-29 | 伊姆普斯封闭式股份有限公司 | 获取血管造影图像的方法 |
| CN106821404A (zh) * | 2017-01-20 | 2017-06-13 | 北京东软医疗设备有限公司 | 血管造影方法和系统 |
| CN106999129A (zh) * | 2014-11-25 | 2017-08-01 | 皇家飞利浦有限公司 | 数字减影血管造影术 |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7432924B2 (en) * | 2003-08-28 | 2008-10-07 | Kabushiki Kaisha Toshiba | 3D digital subtraction angiography image processing apparatus |
| DE102004004604B4 (de) | 2004-01-29 | 2016-12-29 | Siemens Healthcare Gmbh | Verfahren und Bildgebungssystem zur Kompensation von Patientenbewegungen bei Serienaufnahmen in der medizinischen Bildgebung |
| JP5361439B2 (ja) * | 2009-02-23 | 2013-12-04 | 株式会社東芝 | 医用画像処理装置及び医用画像処理方法 |
| JP5631698B2 (ja) * | 2009-12-07 | 2014-11-26 | 株式会社東芝 | 医用画像処理装置及び医用画像処理方法 |
| DE102012205351A1 (de) * | 2012-04-02 | 2013-10-02 | Siemens Aktiengesellschaft | Darstellung von Blutgefäßen und Gewebe im Herzen |
| US9443330B2 (en) * | 2013-06-25 | 2016-09-13 | Siemens Medical Solutions Usa, Inc. | Reconstruction of time-varying data |
| EP2868277B1 (en) * | 2013-11-04 | 2017-03-01 | Surgivisio | Method for reconstructing a 3d image from 2d x-ray images |
| US9478048B2 (en) * | 2014-07-02 | 2016-10-25 | Siemens Medical Solutions Usa, Inc. | Prior image based three dimensional imaging |
| US20160048959A1 (en) * | 2014-08-14 | 2016-02-18 | Markus Kowarschik | Classifying Image Data for Vasospasm Diagnosis |
| US10470732B2 (en) * | 2014-09-30 | 2019-11-12 | Siemens Healthcare Gmbh | System and method for generating a time-encoded blood flow image from an arbitrary projection |
| CN107004262B (zh) * | 2014-12-03 | 2021-05-18 | 皇家飞利浦有限公司 | 基于设备的运动补偿的数字减影血管造影系统和方法 |
| US9508157B2 (en) * | 2014-12-12 | 2016-11-29 | Siemens Medical Solutions Usa, Inc. | Reconstruction of aneurysm wall motion |
| US10013779B2 (en) * | 2015-06-22 | 2018-07-03 | Toshiba Medical Systems Corporation | Metal artifact reduction for 3D-digtial subtraction angiography |
| US9786069B2 (en) * | 2016-03-07 | 2017-10-10 | Siemens Healthcare Gmbh | Refined reconstruction of time-varying data |
| DE102016226195B3 (de) * | 2016-12-23 | 2018-02-01 | Siemens Healthcare Gmbh | Berechnen eines vierdimensionalen DSA-Datensatzes mit variabler räumlicher Auflösung |
| DE102017200489A1 (de) * | 2017-01-13 | 2018-07-19 | Siemens Healthcare Gmbh | Verfahren zur Reduzierung von aufgrund von Gefäßüberlagerungen auftretenden Artefakten in einem vierdimensionalen Angiographiedatensatz, Bildverarbeitungseinrichtung, Computerprogramm und elektronisch lesbarer Datenträger |
| EP3441003B1 (en) * | 2017-08-08 | 2020-07-22 | Siemens Healthcare GmbH | Method for performing digital subtraction angiography, hybrid imaging device, computer program and electronically readable storage medium |
-
2019
- 2019-02-25 DE DE102019202514.5A patent/DE102019202514B4/de active Active
-
2020
- 2020-02-18 US US16/793,137 patent/US10755455B1/en active Active
- 2020-02-24 CN CN202010111664.0A patent/CN111603188B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030053600A1 (en) * | 2001-08-11 | 2003-03-20 | Georg Schmitz | Apparatus and method for processing of digital images |
| US20080037844A1 (en) * | 2006-08-14 | 2008-02-14 | Siemens Medical Solutions Usa, Inc. | Precomputed Automatic Pixel Shift for Review of Digital Subtracted Angiography |
| CN102131462A (zh) * | 2008-08-13 | 2011-07-20 | 皇家飞利浦电子股份有限公司 | 用于心脏减影的掩模构造 |
| CN103544690A (zh) * | 2012-07-10 | 2014-01-29 | 伊姆普斯封闭式股份有限公司 | 获取血管造影图像的方法 |
| CN106999129A (zh) * | 2014-11-25 | 2017-08-01 | 皇家飞利浦有限公司 | 数字减影血管造影术 |
| CN106821404A (zh) * | 2017-01-20 | 2017-06-13 | 北京东软医疗设备有限公司 | 血管造影方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20200273217A1 (en) | 2020-08-27 |
| DE102019202514A1 (de) | 2020-08-27 |
| CN111603188A (zh) | 2020-09-01 |
| US10755455B1 (en) | 2020-08-25 |
| DE102019202514B4 (de) | 2021-06-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111603188B (zh) | 用于数字减影血管造影的方法和x射线设备 | |
| US9317911B2 (en) | Automatic assessment of confidence in imaging data | |
| US8483455B2 (en) | Medical imaging device and method to evaluate a test bolus image series | |
| RU2554378C2 (ru) | Способ и устройство для использования времяпролетной информации для обнаружения и введения поправки на движение в сканограммах | |
| EP1820450B9 (en) | X-ray diagnostic apparatus, image processing apparatus, and program | |
| CN107019522A (zh) | 对操作者提供图像支持的方法、x射线装置和计算机程序 | |
| EP2410914A1 (en) | System and method for automatic trigger-roi detection and monitoring during bolus tracking | |
| US20140333749A1 (en) | Image forming apparatus and image forming method | |
| US20150339809A1 (en) | Image processing apparatus and image processing method | |
| US20110058029A1 (en) | Evaluation method of template images and in vivo motion detecting apparatus | |
| US10410347B2 (en) | Digital subtraction angiography | |
| US10245001B2 (en) | Generation of a three-dimensional reconstruction of a body part by an X-ray machine | |
| CN103584876A (zh) | 用于x射线图像的自动质量控制 | |
| JP6100603B2 (ja) | 医用画像撮影解析装置 | |
| US9734578B2 (en) | Medical image analyzer | |
| WO2009024919A2 (en) | Method for measurement of a flow in an object, especially a lumen or a vessel | |
| CN104346815B (zh) | 曝光过程中的患者位移监控方法、系统及x光成像设备 | |
| EP4408293B1 (en) | Assisting scapula positioning in chest x-ray imaging | |
| CN112083993B (zh) | 扫描协议的生成方法、装置、电子设备和存储介质 | |
| CN113133778B (zh) | 一种对象扫描方法、装置、设备及存储介质 | |
| JP7353949B2 (ja) | 放射線撮影システム、放射線撮影方法、医用画像撮影システムおよびプログラム | |
| JP7551336B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
| US10674981B2 (en) | Method for contrast medium injection volume estimation based on image analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240830 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 |