CN1869996A - 医疗测量数据的后处理 - Google Patents
医疗测量数据的后处理 Download PDFInfo
- Publication number
- CN1869996A CN1869996A CNA200610084219XA CN200610084219A CN1869996A CN 1869996 A CN1869996 A CN 1869996A CN A200610084219X A CNA200610084219X A CN A200610084219XA CN 200610084219 A CN200610084219 A CN 200610084219A CN 1869996 A CN1869996 A CN 1869996A
- Authority
- CN
- China
- Prior art keywords
- measurement data
- data
- context
- post
- treatment components
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 165
- 238000012805 post-processing Methods 0.000 title claims description 66
- 238000000034 method Methods 0.000 claims abstract description 112
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000013459 approach Methods 0.000 claims description 60
- 238000011282 treatment Methods 0.000 claims description 46
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000003384 imaging method Methods 0.000 claims description 9
- 238000009795 derivation Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 3
- 238000009533 lab test Methods 0.000 claims 1
- 230000001960 triggered effect Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 11
- 238000002591 computed tomography Methods 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000003325 tomography Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000010230 functional analysis Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 241000721451 Pectinophora gossypiella Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011284 combination treatment Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 1
- 238000012252 genetic analysis Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- 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
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/461—Displaying means of special interest
- A61B6/465—Displaying means of special interest adapted to display user selection data, e.g. graphical user interface, icons or menus
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Human Computer Interaction (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种用于选择至少一种用来对医疗测量数据(MD)进行后处理的后处理方法的方法和装置。其中,记录不同的后处理部件(K)。此外,对于测量数据(MD)根据测量数据采集和/或导出上下文数据。然后,对结构化的文件进行分析,以便能够为各自的测量数据(MD)选择出至少一个最佳结构的后处理方法。
Description
技术领域
本发明涉及测量数据、特别是医疗临床范围中的测量数据的后处理的领域。
背景技术
基本上存在多种可以用来采集医疗测量数据的模态或者检测器,如计算机断层造影仪、核自旋断层造影仪、X射线设备或者用于分析血样的实验室设备,等等。一般地将这样采集的测量数据送至进一步的后处理。后处理方法可能在于对所采集的数据的显示、在于(特别是图像数据的)重建方法或其它分析方法(例如统计方法)、或者在于另外的后处理方法。
通常,将由一个或者多个模态所采集的测量数据按照特定的格式存储。在此,公知的格式例如是DICOM-SR标准(DICOM:Digital Imaging andCommunications in Medicine,医学中的数字成像和通信;以及SR:StructuredReporting,结构化的报告)、HL7CDA标准(CDA:Clinical DocumentArchitecture,临床文件档案;该标准包括用于如临床范围中的出院报告、诊断或其它报告的临床文件的交换模型)。该标准的基础是使用统一的词汇,使得可以更容易地对利用该标准所完成的文件进行电子的自动处理。同样公知的是ASTM CCR标准(CCR:Continuity-of-Care-Record,护理记录的连续性)。该由ASTM(American Society for Testing and Materials,美国测试和材料学会)开发的标准的目标是,可以构造并且迅速而简单地传送关于患者的健康以及健康变化的基本信息。ASTM-CCR涉及与其它健康或临床系统兼容的、按照XML格式的数字文件。
测量数据一旦被采集,则通常有必要通过其它的后处理步骤对这些数据进行后处理。
DE 10347433公开了一种用于在医疗范围内产生结果图像的方法,其中,图像是针对检查对象的,借助于工作流对这些图像进行处理,从而可以从中产生出结果图像。
在上面提到的以及其它公知的现有技术系统中,迄今为止其不利的是用户必须手动地选择适当的后处理方法。因此,在迄今的系统中的一个不容低估的错误来源在于,不是利用匹配的或适当的后处理方法来对所采集的测量数据进行处理。因此迄今的系统的缺陷在于,用户得不到关于应该如何最佳地继续处理这些测量数据的进一步的指导。
发明内容
因此,本发明要解决的技术问题是,提供一种可以用来克服上面提到的缺点的途径,并且该途径可以改善并简化对测量数据的后处理,以及尤其是提供了对于测量数据的最佳选择出或构造的后处理方法(也包括对测量数据不同类型和/或组合)。在此,应该自动进行后处理方法的最佳选择或构造。
上述技术问题是通过一种用于选择至少一种用来对测量数据进行后处理的后处理方法的方法来实现的,该测量数据按照可以预定的格式出现,其中,该后处理由一个或多个后处理部件执行,其中,该方法具有如下步骤:
-记录构造用来执行不同后处理方法的后处理部件,使得对于每个后处理部件定义其需要哪类测量数据。也就是说,在记录的过程中确定各个后处理方法的输入数据(输入)必须是何种类型。
-根据各自的测量数据采集和/或导出上下文数据,
-按照测量数据出现的格式、对用上下文数据加以丰富的(angereichert)测量数据进行语法分析(parsen),
-根据记录的后处理部件对语法分析后的数据进行分析,以便能够为测量数据选择出最佳结构的后处理方法,以及
-为测量数据选择出至少一个最佳结构的、特别是记录的后处理方法。
在一种优选的实施方式中,测量数据已经被采集并且是按照特定的(以及可以配置的)格式存储。通常,该格式是基于DICOM-SR标准的。不过,在此采用其它标准同样属于本发明的范畴,例如采用HL7-CDA标准、ASTM-CCR标准、LOINC或XML标准。
在本发明的框架中,概念“测量数据”应该被理解为由所谓模态(即采集设备)采集的所有数据。通常,指的是在临床范围中的医疗数据。但是,本发明的原理同样可以转移到其它技术测量数据。也就是说,测量数据由传感器或者其它检测器采集,并且可以选择进行预处理。该预处理例如可以在于不同数据组的组合和/或选择,或者在于改善图像质量的方法,等等。用来采集测量数据的设备例如可以是计算机断层造影仪、核自旋断层造影仪、X射线设备或者用于检查血液值或其它细胞材料的实验室设备。通常,这些设备具有接口以便将测量数据按照数字形式传递到其它实例(Instanzen)。这样采集和/或传递的测量数据被传递到本发明的方法或者本发明的装置中。
上面提到的本发明的基本步骤可以在不同的时刻实施。由此形成了这样的优点:可以将本发明的方法分散到不同的时间段上,由此可以更好地利用系统资源。
在一个靠前的步骤中尤其可以记录后处理部件。在该步骤中对于每个后处理方法或每个后处理部件定义其支持何种后处理的类型和/或何种后处理步骤。每个后处理工具(例如,统计工具、用于显示各数据的工具、用于通过用户交互处理数据的工具,等等)要求不同的输入,即,不同类型的测量数据(在此,概念“工具”理解为概念“部件”的同义词)。例如,在功能性成像(如,PET数据)中,用于按照图表形式对测量数据的二维表示(其对于测量值是适合的)的工具是没有意义的。由此,对于不合适的后处理工具的选择,可能使得本来正确采集的测量数据完全被歪曲并由此全部不可使用。
根据本发明,产生测量数据的类别以及种类,其中,对于每个测量数据类别分配一组(按照部件形式的)后处理方法或后处理工具。按照本发明,对于各自的测量值来说,排除了对错误的、不适当的以及非最佳构造的测量方法的选择。这种分配过程尤其在登记的方法步骤中实现。该分配过程可以在时间上设置在其它步骤之前。此外还可以动态地构造方法,或者将自适应的其它后处理部件引入到方法中。其可能的方式是:用户在实施了本发明的方法之后还可以通过记录其它的后处理部件而将后者引入。由此,可以将本发明的方法动态地与各自的应用关系相匹配和/或可以考虑对于各个工具或部件的进一步开发。
同样,可以将产生上下文数据的步骤在时间上与其它步骤去耦合(不过不必一定如此)。但是,如果相应的测量数据被引入到本发明的方法中,或者如果应该为相应的测量数据选择一个后处理方法,则通常根据相应的测量数据来产生上下文数据。
概念“上下文数据”应该被理解为所有的在内容上与相应的测量数据有关联的数据。上下文数据尤其是来自获取上下文、方法上下文或过程上下文、观察上下文和/或后处理上下文。
获取上下文尤其涉及所采集的测量数据的类型(例如,Somato传感器技术引起的电势,或者在成像方法中大脑的核自旋断层造影)。其中也可以是一般地涉及测量数据的采集的数据,例如采集设备的类型、年代、其它连接的系统,等等。
方法或过程上下文尤其包括涉及到采集方法和/或(对患者的)基本检查的数据。对于上述两个例子在这里提及的是:Somato传感器技术引起的电势,大脑的右侧神经中心或磁共振断层造影。其中也可以包括涉及例如拍摄时刻、方法的持续时间的数据。
观察上下文涉及观察者和观察主题。其中也可以采集其它的、在检查范围中一起采集或观察的数据。
后处理上下文触发应该执行何种后处理。例如,如果在计算机断层造影中要进行对支气管树的图像分割以及体积着色(Volumen-Rendering),则后处理上下文包括该图像分割以及体积着色。
总的来说,采集可能与各测量数据关联的或者可能根据不同的标准配置给该测量数据的所有上下文。在本发明的一个可选的优选实施方式中,不是采集所有的上下文数据,而是仅仅选择重要的上下文数据。在此,这样建立对上下文数据的选择,使得可以从众多可能的后处理方法中选择出最佳构造的后处理方法。
在结合上下文数据对测量数据进行语法分析之后,以及在对这些语法分析后的数据的分析之后,可以自动地确定所采集的测量数据的类型。按照本发明,将该结果与所记录的后处理部件建立联系,并且可以由此非常迅速和自动地采集出,哪些记录的后处理方法对于各自出现的测量数据是适合的和/或哪些对该测量数据是最佳构造的。这点例如可以按照查找表的形式实现。
本发明方法的结果在于为测量数据选择一个或者多个后处理方法。通常,将本发明方法的结果显示出来。尤其是,用户通过合适的用户界面得到关于可能的后处理方法的建议。如果选择了多个后处理方法,则按照本发明对这些后处理方法按照可以预定的标准设定优先级。
有可能的是,设定优先级的标准是可以配置的。在配置中可以考虑下列的观点:方法的速度、所建议后处理方法的成本、针对各后处理方法存在可选分案、各方法的说服力,等等。然后,将后处理方法对应于设定优先级的标准进行整理和显示。通过用户的交互作用,可以开始一个或者多个所建议或选择出的后处理方法。
在本发明的一个优选的实施方式中,自动地开始一个所选择的后处理方法。如果本发明的方法仅仅选择了一个后处理方法因此不存在用于后处理的可选方案,则尤其如此。由此,允许优选地独立于用户实施后处理。
原则上这样构造本发明的方法,对一个测量数据组选择一个或者多个后处理方法。不过,为一组测量数据或测量数据组选择后处理方法同样属于本发明的范围。其带来了如下的优点:通过将多个相同类型的测量数据综合成一组测量数据,可以改善并加快临床流程。
在临床的实践中经常有必要,建立不同种类的测量数据相互间的关系以及进行组合。按照本发明,也可以这样来处理组合后的测量数据组,使得可以自动地选择一种对于其总体最佳构造的后处理方法。这种组合一个例子例如是,按照应该与对实验室值的选择组合起来的图像数据(例如PET图像)形式的测量数据。
在优选的实施方式中,可以将后处理方法划分为下列的两个粗略的类别:
1.可视化方法,和
2.后处理方法。
可视化方法用来产生对输入数据的可视表示。这里,例如有这样的工具,其将所出现的测量数据变换为表格、图形、图表、图或者三维模型。在优选的实施方式中,可视化方法允许与用户进行交互。由此可以改变测量数据的光学表示、编辑确定的数据值或者输入新的数据。用户交互可以根据用户的授权而进行。
在第二组后处理方法中根据测量数据产生输出。属于该种类的例如有:统计方法、分析方法、用于为测量数据导出其它值的基于知识的方法、在功能成像领域中(例如核自旋断层造影等)的彩色编码方法。
在优选的实施方式中,将该第二种类的后处理方法构造为没有用户交互的可能性。也就是说,用户在此没有对处理施加影响的可能性。该后处理方法的结果通常被存储在一个专门为此设置的文件中。同样也可以将后处理的结果直接存储在测量数据原来所在的文件中。在DICOM-SR格式的情况下该结果为SR树(即,按照该格式的数据结构)。
后处理方法也可以是一种基于知识的系统,后者构造用来对所采集的测量值进行检验。在此,尤其是可以对每个测量值的真实性(Plausibilitaet)进行检验。由此可以优选地自动对测量值错误进行诊断。其中例如包括伪影或者非正常值。
如果测量数据包括诊断或者诊断报告,则依靠基于知识的系统的使用可以自动地对测量数据所属的诊断进行真实性检验。不过,在本发明的范围中,除了真实性检验之外,还作为替换或者积累地确定其它检验标准。例如,可以进行连续性检验。在此,将所采集的测量值与分别与之对应的值进行比较,后者例如存放在外部数据库中。如果在此产生了差别,则有可能涉及的是不连续的数据组。这点将向用户显示。在本发明的范围内同样存在其它检验标准。
在本发明的优选实施方式中自动实施所有方法步骤。由此形成的优点是:也可以为不熟练的用户提供最佳的后处理方法,而不需要额外的专业知识。在本发明的备选的实施方式中,可以通过用户交互来控制个别的方法步骤,从而在这种情况下共同半自动地构成该方法。
通常,后处理方法是基于软件的部件。这些部件通过适当的接口与本发明的方法以及与本发明的装置连接。
本发明技术问题的一种备选的解决方案在于一种用来通过至少一个后处理部件对按照可预定格式存在的测量数据、尤其是医疗测量数据进行后处理的方法,其中,该方法具有如下步骤:
-记录后处理部件,使得对于每个后处理部件定义其是以哪个测量数据为基础的,
-根据该测量数据采集和/或导出上下文数据,
-按照该测量数据的格式以与所采集或导出的有关上下文数据的关联对该测量数据进行语法分析,
-根据记录的后处理部件对语法分析后的数据进行分析,以便能够为该测量数据选择出最佳结构的后处理方法,
-为该测量数据选择出至少一个最佳结构的后处理方法,以及
-执行被选择出的后处理方法。
本发明技术问题的另一种备选的解决方案在于按照本发明的装置。就根据装置的技术问题的解决方案而言,需要说明下列一点:上面针对方法的叙述同样适用于并对应于本发明的装置。
上面所述方法的按照本发明的实施方式,也可以作为计算机程序产品构成,其中,让计算机来执行上面描述的、本发明的方法,并且其程序代码由处理器来执行。
一种备选的本发明技术问题的解决方案在于存储介质,其用来存储上面描述的、计算机实现的方法,并且可以由计算机读取。
此外,还可以将上面描述方法的个别部件在一个可以出售的单元中、而将其它步骤在另一个可以出售的单元中(即作为分布式系统)执行。因此,根据本发明的另一种技术问题的解决方案在于,一种用于通过一个或多个后处理部件选择至少一种用来对测量数据、尤其是医疗测量数据进行后处理的后处理方法的产品,该测量数据按照可以预定的格式存在,其中,该产品包括下列装置:
-用来记录后处理部件的装置,使得对于每个后处理部件定义其要求哪种类型的测量数据作为输入,
-其用来根据测量数据采集和/或导出上下文数据的装置,
-用来按照测量数据的格式以与所采集或导出的有关上下文数据的关联对该测量数据进行语法分析的装置,
-用来根据记录的后处理部件对语法分析后的数据进行分析的装置,以便能够为测量数据选择出最佳结构的后处理部件,
-用来为测量数据选择出至少一个最佳结构的后处理部件的装置,其中,该产品包括这样的装置,即,其被设置用来执行根据至少一个上面描述的方法方面的方法的由该产品影响的步骤,其中,设置了至少另一个用于执行该方法的其余步骤的产品,使得通过两个产品的共同作用来执行该方法的所有步骤。
附图说明
在下面对附图的详细描述中,非限制地对带有特征的实施方式进行解释,并结合附图对其它优点进行说明。图中:
图1表示按照本发明的一种优选实施方式的流程的概略图,
图2表示按照本发明的优选实施方式的本发明结构的概略图,
图3表示一种数据结构、特别是带有文件头和文件体的结构化文件的示意图,
图4表示按照本发明的优选实施方式的本发明的数据结构的示意图,
图5表示按照本发明的装置的基本模块的概略图。
具体实施方式
本发明的主要应用领域是医疗领域,并且尤其是涉及到医疗临床数据组。不过,将本发明的原理也用于其它的技术领域(例如过程控制或制造技术领域)中同样也属于本发明的范围。
在医疗技术中基本上存在众多的不同模态,利用后者可以采集测量数据MD。在功能成像范围中,在此特别要提到PET方法(正电子放射断层造影),以及CT(计算机断层造影)或者源于核医学的核自旋断层造影方法。此外,还有众多的可以采集测量数据MD的其它领域。在此,例如是其它的图像数据、实验室结果或实验室值、或者其它生物检查的结果,等等。所有的共同点在于,它们是按照数字形式以测量值的形式出现的,或者被转换为数字形式。通常,测量数据MD通过不同类型的传感器被采集到相应的设备,并且可选地被重建或处理。重建首先被用于所谓的螺旋计算机断层造影中。重建和数字图像处理的方法基本上与图像获取紧密地耦合在一起,并且可以在前置的方法步骤中执行。
与此不同的是后处理的方法步骤。在优选的实施方式中,这些方法步骤在时间上和/或功能上依赖于预处理步骤。因此,在优选的实施方式中预处理是可选的。
在这里描述的例子中测量数据MD按照DICOM-SR格式出现。原则上测量数据MD出现的格式可以由用户确定。也就是说,用户原则上除了DICOM-SR格式外还可以确定其它的格式,例如XML编码的格式,如HL7-CDA或CCR文件那样。基本上来说,将预定格式(这里的DICOM格式)的属性映射到对应格式的、由各应用处理的属性和数据类型。
在下列表格中示例地表示出了,如何按照本发明将DICOM格式进行扩展。在此,援引了以DICOM为基础的句法。
属性名称 | 标记 | 类型 | 属性描述 |
测量上下文代码序列 | (00xx,xxxx) | 3 | 描述编码的测量上下文(例如数据获取的模式)以及维度数据 |
>包括“代码序列宏”表格8.8-1 | 没有定义BCID | ||
>维度序列 | (00xx,xxxx) | 3 | 包括编码的维度指示符和位置 |
>>维度代码序列 | (00xx,xxxx) | 1C | 包括编码的维度指示符 |
>>包括“代码序列宏”表格8.8-1 | 没有定义BCID | ||
>>位置 | (00xx,xxxx) | 1C | 维度内的位置 |
在此所建议的解决方案基于DICOM标记法。在这里需要再次提及的是,按照本发明的原则是独立于专门的格式的。原则上应该将测量数据MD与上下文数据建立关联(测量上下文代码)和/或说明应当如何在n维的坐标系中为了表示或者为了其它进一步的后处理来对这些数据进行映射。
原则上有许多不同的、但经常也有许多同类的对测量数据MD进行后处理的可能性。后处理在后处理部件K中进行。不过,为各测量数据MD选择最佳构造的后处理方法可能会造成困难。如果存在多种进行后处理的可能性则尤其如此。例如,如果要对EEG测量数据MD进行后处理,则其要求例如不同于对PET图像的后处理的其它后处理部件K。在对PET图像的后处理中例如需要彩色编码,而在其它后处理部件K的测量数据中要进行表示或显示。上面列举的表格中涉及到这样的情况,即,测量数据MD要经历这种显示或表示测量数据MD的后处理过程。
在此,按照本发明除了待处理的测量数据MD之外还额外地调用上下文数据,从而可以定义用于选择表示类型的两个基本参数。这两个参数是维度和位置。
在维度中确定,应该使用哪些表示轴以及在这些轴上显示何种单位。在EEG测量数据的情况下通常选择两维表示,其中X轴是数据轴,而Y轴是测量值轴。
第二个参数是位置。在此进行测量值的实际映射。也就是说,所采集的测量数据MD在此被变换到所选择的坐标系中。具体地确定应该在所选择的维度内部的哪个位置上进行显示或表示。
基本上,将作为原始数据出现的测量数据MD这样变换,使得其可以由所选择的后处理部件K来处理。在此必要的是,本发明的方法可以调用这样的数据或参数,即,其给定有关的后处理部件要求何种属性、数据和/或数据结构,等等。因此,根据本发明设置了记录的方法步骤,其中原则上可以选择的或应该选择的各后处理部件K由本发明的选择方法公开。也就是说,在本发明的方法中利用其各自的要求以及输入量来对所有后处理方法或后处理部件K进行记录并且在此登记。
为了使得本发明的方法可以完成对于最佳构造的后处理方法的选择,除了纯粹的测量数据MD之外,还额外地处理上下文数据。在优选的实施方式中,上下文信息已经在产生其中存放了测量数据的文件时提供了。如在上面的表格中所示出的那样,将DICOM格式对应地进行了扩展,使得除了纯粹的测量数据MD之外还额外地存放了上下文信息。即,该文件是DICOM-SR文件。
在该文件中存放了测量数据MD、可能的对于外部对象的引用以及上下文数据。其按照用户在前面的方法步骤中确定的格式出现(在此作为DICOM-SR文件)。
然后,借助于上下文和测量数据MD为测量数据MD选择至少一个最佳构造的后处理方法。
在此,用单个后处理部件K的记录参数调整与各测量数据MD关联的上下文数据,特别是用后处理部件的下列前提和要求:
-后处理部件处理何种输入参数,
-执行何种类型的处理,
-后处理的输出是何种类型?
在图3中示意和示例性地示出了一种带有文件头和文件体的结构化文件。文件头包括针对各测量数据MD的元数据。其例如可以是采集的时间、采集设备等等。结构化文件的体或躯干包含内容节点、各个节点之间的关系以及节点的分层结构。如图3所示,内容节点还可以引用外部对象。作为外部对象例如可以包括由模态提供的图像数据。按照本发明,产生该结构化的文件,并且除了测量数据MD之外还将上下文数据存放在其中,然后将这些数据进行进一步的处理。在本发明的另一个可替换的实施方式中不是将数据(测量数据MD和上下文数据)存放在结构化的文件中,而是存放在包括测量数据和上下文数据的、按照任意格式的文件中。
通过本发明的方法,也可以收集源于不同采集源(CT、PET方法、核自旋,等等)的测量数据MD并且共同处理。也就是说,可以同时读入多个测量数据文件、用上下文数据加以丰富,并且这样处理,使得可以对于一组测量数据选择出一个最佳构造的后处理方法。
在本发明优选的实施方式中,设置了一个产生结构化文件的操作符(Aktor),在该结构化文件中数据必要时按照与被引用的图像数据组合的形式进行存放。此外,该操作符将尤其是包括上下文数据的后处理数据与测量数据对应的(测量上下文代码序列)写入该结构化文件中。此外操作符还启动其它的步骤。这些其它的步骤包括用为后处理部件K记录的数据来调整后处理信息。
按照本发明为此设置了插件程序(Plug-In),后者起到了扩展文件编辑器(Dokumenten-Editor)或者阅读器的作用。基本上存在两类插件程序:
1.用于可视化的插件程序,和
2.用于其它后处理的插件程序。
不过,也可以考虑在此设置其它类型的插件程序,特别是通过对测量数据MD进行分析的、基于知识的系统构成的插件程序。原则上可以考虑与其它的外部应用的结合以及对它们的调用。
现在,要结合图1对根据本发明优选的实施方式的基本工作流程进行表示。在作为获取的第一方法步骤中,在各设备上采集测量数据MD。在此可以考虑使用任意的传感器、特别是在成像医疗方法中通过模态检测器进行图像采集。
测量数据采集的方法步骤可以包含对原始数据的重建和预处理。在另一个方法步骤中,将该测量数据MD用其它的上下文数据加以丰富。上下文数据可以具有对结构化文件(例如,如在图3中示出的文件节点)的参考,或者可以具有对图像数据的参考(例如,还有对图像数据组的片段、个别选择出的图像或图像数据组或层图像的参考)。此外,还可以确定图像的感兴趣的特定区域(Region of Interest-ROI,感兴趣区域),或者感兴趣的特定体积(Volume of Interest-VOI,感兴趣体积)。上下文数据包括后处理上下文。此外,设置了获取上下文,其分为方法上下文(过程上下文)和观察上下文。在选择适当的后处理方法期间以及必要时在后处理期间,使用该后处理上下文确定针对该后处理的最佳方法以及执行该方法。在此,重要的是可以改变该上下文数据,使得也可以更新上下文数据。此外,使用后处理上下文,以触发适当的动作、例如显示个别重叠的表示(所谓的Overlays)。另一个例子是将原始数据变换到二维或三维的感兴趣区域(ROI/VOI)。此外,还存在通过基于知识的系统进行后处理的可能性,以允许对用户的解释进行分类或进行验证,或者允许执行其它的处理步骤。基于知识的系统基于所采集的测量数据MD以及基于其它的观察和/或基于上下文数据。借助于基于知识的系统,可以自动地各测量数据MD与诊断对应。此外,对已经在更早时刻与测量数据MD对应的诊断进行验证,并且例如显示出比较值(如处于通常值域中的值),从而使有关数据的相互调用对于用户来说是透明的。
可以将这些后处理步骤的结构存储在一个仓库(Repository)中。如果要显示所采集以及必要时加以丰富的测量数据MD,则触发数据可视化。
图2描述了按照本发明的技术方案的基本结构。用来采集测量数据MD的有关应用被称为前端。随后可以连接借以对采集的测量数据MD进行处理的业务逻辑。
原则上此时可以一个用来(如上所述)对数据进行分类、验证或者另外的处理的基于知识的系统。可以存储其结果。利用本发明的方法可以产生结构化文件(优选地按照DICOM-SR格式),在其中写入了测量数据MD以及与该测量数据结合的后处理上下文数据。一个所谓的“SR阅读器”或编辑器读出各属性,以便允许最佳的后处理和/或最佳的显示,以及必要时对其它的后处理步骤进行控制。
在产生了结构化文件之后,将其引入到一个或多个语法分析过程中。也可以将结构化文件变换成其它格式。随后通常进行数据库的访问。作为结果可以确定一种最佳选择的后处理方法。可以将本发明所产生和采集的数据进行存储。
图4示例性和概略地示出了按照本发明的优选实施方式的针对红铃虫上下文的数据结构。后处理上下文包括至少一个后处理上下文代码和任选的维度数据。如果给出维度数据,则其至少包括一个维度代码和所属的位置说明(Position)。基本上来说,可以提供多个维度代码和所属位置,其中通过维度代码确定维度。可以采用多个后处理上下文代码和维度。借助于后处理上下文代码可以建立起不同数据组相互间的关系,如上所述,可以使用相同的或不同的代码,这点是以各自所使用的应用逻辑为基础的并且必要时要求不同的上下文数据。
下面,结合图5对按照本发明的优选装置的基本模块进行描述。
为了能够采集后处理部件K的参数以及前提条件,设置了记录模块10,其用来(必要时通过接口)读入有关的参数和数据。可以(必要时通过接口)读入由各个设备(X射线设备、CT等等)采集的原始数据,并且送至上下文模块12。根据本发明,除了纯粹的测量数据MD之外还处理其它的数据、尤其是上下文数据。其它的数据可以按照已经采集的形式出现、由其它的模块传送,或者由本发明的方法计算或推导出。这种一般是自动进行的。图5中从外部指向上下文模型12的箭头要表明的是,引入其它的数据、特别是上下文数据。即,在该位置上通过除了测量数据MD之外还存放所属的上下文数据而产生结构化文件。将该结构化文件输入语法分析器14。语法分析器14根据可以配置的标准在该结构化文件中搜索出允许对适当的后处理方法进行分析或者选择的数据。然后,将经过语法分析器14语法分析后的数据送至分析模块16,分析模块16的作用是,将作为一方存在的测量数据MD和丰富了的上下文数据,与作为另一方的利用记录模块10针对后处理部件K所采集的数据进行比较。分析模块16的作用还有,为有关的测量数据MD选择一种或多种适当的后处理方法。该方法的结果可以是一条通过适当的用户界面向用户显示的建议。在此,可以自动而直接地控制对所选择的后处理部件K的激活。在本发明的一种备选的实施方式中,可以不是直接地控制选择和建议的后处理部件K,而是使得其取决于用户的交互。在后一种情况下,用户可以对建议进行检验并且在此具有影响的可能,尤其是如果建议了多种后处理方法则选择特定的一种。
通常,将本发明方法的结果进行存储和/或显示。这点是通过选择模块18的指向下方的箭头标示出了的。围绕模块10、12、14、16和18的点划线围绕相应的接口,要表明的是:该系统基本上是可以扩展的并且可以连接其它的应用。
分析模块16也可以直接地将选择方法的结果写入到结构化文件MD中。在本发明的一个备选的实施方式中,将结果存储在其它文件中。
下面,将以功能成像为例示例性地表示出有关上下文数据中的内容。对于大脑的核自旋断层造影尤其是作为对于所采集的数据MD的基础。
获取上下文:功能成像,大脑的核自旋断层造影
方法上下文:大脑的核自旋断层造影
后处理上下文:功能分析,左Somato传感器技术的皮层
刺激:按压右手的手指
作为其它的例子,下面说明可以利用与引起的电势关联采集的、有关的上下文数据的内容:
获取上下文:Somato传感器技术引起的电势
方法上下文:Somato传感器技术引起的电势,右侧神经中心
后处理上下文:功能分析,左Somato传感器技术的皮层以及传入的神经(所有后处理数据存在于结构化文件中并且可以引用外部对象的有关图像。也可以将后处理上下文与被引用的对象相对应。同样,结构化文件还包括引起的电平以及对该电平的推断和测量。)
测量上下文代码:功能性MRI成像(透视),单元,值,带有(映像到MRI断层上的)位置说明的维度(X,Y,Z)
例如,可以通过叠加到磁共振图像上以及建立关联,将(作为一种测量数据的)MRI分光术(Spektordkopie)以及(作为另一种测量数据的)遗传分析与本发明的方法相结合,其中将它们与磁共振图像、遗传表达(例如p53)和/或生物学为基础的生长系数(例如外皮生长系数)叠加并关联。
基本上,本发明的装置、特别是分析模块16包括多个插件程序。这些插件程序用来对采集的测量数据MD进行后处理。原则上可以在每个时刻记录其它的插件程序并引入到装置或方法中。每个插件程序配备由相应的接口,以便对数据进行变换。
优选地,设置了用于可视化的插件程序,其用来视觉地表示数据、数据的变换,并用于输入新的数据。
此外,设置了一种这样的用于进一步处理的插件程序,即,其能够从输入数据(测量数据MD)中推断出输出数据。在此,没有规定进行用户的交互。通常地,各个插件程序的处理结果被存储回SR树中。
在本发明的方法中动态地载入各个插件程序,并且确定该插件程序支撑哪种测量上下文。这点是通过接口成为可能的。测量上下文和各个插件程序之间的对应关系被引入并存储在插件程序记录(Registry)中。可以对每个插件程序定义一个优先权,从而可以在存在多个后处理方法并且有关的测量上下文与它们匹配的条件下,选择出一个后处理方法。
在一种优选的实施方式中,这样构造本发明的方法:通过SR树对结构化文件进行导航。一旦找到了测量上下文,则调用所有在插件程序记录中找到的并且支持该测量上下文的插件程序。为了对结构化报告中(来自结构化文件)的数据进行处理,可以这样实现插件程序接口,即,使得其包括下列的模式(Modi):
只读:
仅仅读出所产生的结构化文件的数据,不产生输出。为此典型的例子是用户显示。
处理:
对结构化文件的数据作进一步处理,以产生被存储的结果。为此典型的例子是用于支持判断的插件程序,其对数据(特别是测量上下文数据)进行分析并且将结果存储在例如数据库中。
编辑:
在此,对结构化文件的数据进行处理并且作为修改或附件写回到SR树中。为此典型的例子是这样的一种插件程序,即,其允许用户将数据一体化以及改变现存的数据,或者引入新的数据。
原则上要求每个插件程序至少具有一个接口,以处理结构化文件的数据。在接口的一种实施方式中,插件程序作为变量接收结构化文件的、依赖于当前上下文节点(即测量上下文设置在此)的子树。在接口的另一种实施方式中,插件程序作为变量接收当前上下文节点(即测量上下文设置在此)的引用或识别以及一个额外的对整个SR树的参考。概念“SR”表示结构化文件,而概念“SR树”表示在图3中概略地示出的树作为结构化文件的数据结构。
最后,要指出的是:对本发明的描述以及实施方式要被理解为基本上不局限于本发明的特定物理实现。对于所属技术领域的技术人员来说,尤其明显的是可以将本发明部分地或者完全地按照软件和/或硬件和/或在多个物理产品(在此特别是计算机产品)上分布地实现。
Claims (11)
1.一种用于选择至少一种用来通过一个或多个后处理部件(K)对按照可预定格式出现的测量数据(MD)、尤其是医疗测量数据(MD)进行后处理的后处理方法的方法,其中,所述方法具有如下步骤:
-记录后处理部件(K),使得对于每个后处理部件(K)定义其是以哪个测量数据(MD)为基础的,
-根据该测量数据(MD)采集和/或导出上下文数据,
-按照该测量数据(MD)的格式以与采集或导出的有关上下文数据的关联对该测量数据(MD)进行语法分析,
-根据记录的后处理部件(K)对语法分析后的数据进行分析,以便能够为该测量数据(MD)选择出最佳结构的后处理方法,以及
-为该测量数据(MD)选择出至少一个最佳结构的后处理方法。
2.根据权利要求1所述的方法,其特征在于,所述方法还额外地包括至少下列一个方法步骤:
-显示至少一个对于被选择的后处理方法的建议,
-利用所述数据触发被选择的后处理方法。
3.根据权利要求1或2所述的方法,其特征在于,可以通过与一个或多个传感器技术的测量方法的接口读入所述测量数据(MD)和/或选择预处理所述测量数据(MD)。
4.根据上述权利要求中任一项所述的方法,其特征在于,在功能性成像的范围内采集所述测量数据和/或作为结构化的文件提供所述测量数据,尤其是按照基于标准DICOM、HL 7 CDA和/或ASTM CCR或其它标准的格式提供所述测量数据。
5.根据上述权利要求中任一项所述的方法,其特征在于,所述测量数据(MD)包括图像数据、测量值、实验室检验结果或其它的测量数据。
6.根据上述权利要求中任一项所述的方法,其特征在于,所述上下文数据包括可以归属于至少下列上下文之一的数据:获取上下文、过程上下文、观察上下文和/或后处理上下文。
7.根据上述权利要求中任一项所述的方法,其特征在于,所述后处理方法包括至少下列方法:
-用于显示或表示测量数据的方法,
-用于对测量数据进行进一步分析的方法和/或
-用于验证测量数据的方法。
8.根据上述权利要求中任一项所述的方法,其特征在于,执行至少一个所述方法步骤并且优选完全自动地执行。
9.根据上述权利要求中任一项所述的方法,其特征在于,显示和/或在文件中存储用于选择的数据、特别是所述测量数据(MD)以及上下文数据。
10.一种用于选择至少一种用来对按照可预定格式出现的测量数据(MD)、尤其是医疗测量数据(MD)进行后处理的后处理部件(K)的装置,所述装置包括:
-至少一个记录模块(10),其用来记录后处理部件(K),使得对于每个后处理部件(K)都定义其要求哪种类型的测量数据(MD)作为输入,
-至少一个上下文模型(12),其用来根据该测量数据(MD)采集和/或导出上下文数据,
-至少一个语法分析模块(14),其用来按照该测量数据(MD)的格式以与采集或导出的有关上下文数据的关联对该测量数据(MD)进行语法分析,
-至少一个分析模块(16),其用来根据利用所述记录模块(10)记录的后处理部件(K)对语法分析模块(14)进行了语法分析后的数据进行分析,使得能够为该测量数据(MD)选择出最佳结构的后处理部件(K),以及
-必要时的至少一个选择模块(18),用来为该测量数据(MD)选择出至少一个最佳结构的后处理部件(K)。
11.一种用于选择至少一种用来对按照可预定格式出现的测量数据(MD)、尤其是医疗测量数据(MD)进行后处理的后处理部件(K)的装置,所述装置具有用于实施至少一种按照权利要求1至9中任何一项的方法的部件。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102005024326A DE102005024326B3 (de) | 2005-05-27 | 2005-05-27 | Nachbearbeitung von medizinischen Messdaten |
DE102005024326.6 | 2005-05-27 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1869996A true CN1869996A (zh) | 2006-11-29 |
CN1869996B CN1869996B (zh) | 2010-12-22 |
Family
ID=36914973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200610084219XA Expired - Fee Related CN1869996B (zh) | 2005-05-27 | 2006-05-29 | 医疗测量数据的后处理 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8036434B2 (zh) |
JP (1) | JP2006326314A (zh) |
CN (1) | CN1869996B (zh) |
DE (1) | DE102005024326B3 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266634A (zh) * | 2007-03-16 | 2008-09-17 | 西门子公司 | 用于医学设备之间的数据交换的方法 |
CN101846732A (zh) * | 2009-03-26 | 2010-09-29 | 西门子公司 | 用于分析测试团测量的二维图像时间序列的方法和装置 |
CN102362278A (zh) * | 2009-03-26 | 2012-02-22 | 皇家飞利浦电子股份有限公司 | 灌注成像 |
CN103294885A (zh) * | 2012-02-06 | 2013-09-11 | 西门子公司 | 为医学的检查系统分配控制和处理程序的处理流程模板 |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7978888B2 (en) * | 2006-10-16 | 2011-07-12 | Siemens Aktiengesellschaft | System and appertaining method for structured reporting of a native measurement import count for display |
DE102007012048A1 (de) * | 2007-03-13 | 2008-09-18 | Siemens Ag | Verfahren zur Unterstützung bei der Erstellung einer medizinischen Diagnose sowie Datenbearbeitungsanlage |
US20100008553A1 (en) * | 2008-07-08 | 2010-01-14 | Siemens Medical Solutions Usa, Inc. | Structured Medical Data Mapping System |
JP5175752B2 (ja) * | 2009-01-22 | 2013-04-03 | 株式会社東芝 | 医用画像処理装置 |
US10210589B2 (en) | 2009-09-28 | 2019-02-19 | Koninklijke Philips N.V. | Generic method of handling DICOM structured reporting contents |
DE102011078039A1 (de) * | 2011-06-24 | 2012-12-27 | Siemens Aktiengesellschaft | Generierung von Scandaten und von Folge-Steuerbefehlen |
DE102016219887A1 (de) * | 2016-10-12 | 2018-04-12 | Siemens Healthcare Gmbh | Verfahren und System zur Nutzung von Messdaten |
WO2019060298A1 (en) | 2017-09-19 | 2019-03-28 | Neuroenhancement Lab, LLC | METHOD AND APPARATUS FOR NEURO-ACTIVATION |
US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
EP3731749A4 (en) | 2017-12-31 | 2022-07-27 | Neuroenhancement Lab, LLC | NEURO-ACTIVATION SYSTEM AND METHOD FOR ENHANCING EMOTIONAL RESPONSE |
US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
CN113382683A (zh) | 2018-09-14 | 2021-09-10 | 纽罗因恒思蒙特实验有限责任公司 | 改善睡眠的系统和方法 |
US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
US11756240B2 (en) * | 2020-02-28 | 2023-09-12 | Shanghai United Imaging Intelligence Co., Ltd. | Plugin and dynamic image modality reconstruction interface device |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5935060A (en) * | 1996-07-12 | 1999-08-10 | First Opinion Corporation | Computerized medical diagnostic and treatment advice system including list based processing |
US6511426B1 (en) * | 1998-06-02 | 2003-01-28 | Acuson Corporation | Medical diagnostic ultrasound system and method for versatile processing |
US7142703B2 (en) * | 2001-07-17 | 2006-11-28 | Cedara Software (Usa) Limited | Methods and software for self-gating a set of images |
DE10157633A1 (de) * | 2001-11-26 | 2003-08-28 | Siemens Ag | Medizinische Systemarchitektur mit einer komponentenorientierten Architektur zur Befundung und Dokumentation |
US7778686B2 (en) * | 2002-06-04 | 2010-08-17 | General Electric Company | Method and apparatus for medical intervention procedure planning and location and navigation of an intervention tool |
US8157731B2 (en) * | 2002-10-09 | 2012-04-17 | Bodymedia, Inc. | Method and apparatus for auto journaling of continuous or discrete body states utilizing physiological and/or contextual parameters |
US7244230B2 (en) * | 2002-11-08 | 2007-07-17 | Siemens Medical Solutions Usa, Inc. | Computer aided diagnostic assistance for medical imaging |
US7490085B2 (en) * | 2002-12-18 | 2009-02-10 | Ge Medical Systems Global Technology Company, Llc | Computer-assisted data processing system and method incorporating automated learning |
US20050097545A1 (en) * | 2003-09-29 | 2005-05-05 | Lawrence Tarbox | System and method for deployment of configuration and analysis software |
DE10347435A1 (de) * | 2003-10-13 | 2005-05-19 | Siemens Ag | Verfahren zur Nachbearbeitung von Bilddaten einer Modalität |
DE10347433A1 (de) * | 2003-10-13 | 2004-12-23 | Siemens Ag | Verfahren zur Erzeugung von Ergebnis-Bildern eines Untersuchungsobjekts |
JP4739225B2 (ja) * | 2003-11-26 | 2011-08-03 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 高スループットイメージング環境のためのワークフロー最適化 |
US7110605B2 (en) * | 2005-02-04 | 2006-09-19 | Dts Az Research, Llc | Digital intermediate (DI) processing and distribution with scalable compression in the post-production of motion pictures |
-
2005
- 2005-05-27 DE DE102005024326A patent/DE102005024326B3/de active Active
-
2006
- 2006-05-25 JP JP2006145554A patent/JP2006326314A/ja not_active Withdrawn
- 2006-05-26 US US11/441,254 patent/US8036434B2/en active Active
- 2006-05-29 CN CN200610084219XA patent/CN1869996B/zh not_active Expired - Fee Related
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266634A (zh) * | 2007-03-16 | 2008-09-17 | 西门子公司 | 用于医学设备之间的数据交换的方法 |
CN101846732A (zh) * | 2009-03-26 | 2010-09-29 | 西门子公司 | 用于分析测试团测量的二维图像时间序列的方法和装置 |
CN102362278A (zh) * | 2009-03-26 | 2012-02-22 | 皇家飞利浦电子股份有限公司 | 灌注成像 |
CN101846732B (zh) * | 2009-03-26 | 2014-11-12 | 西门子公司 | 用于分析测试团测量的二维图像时间序列的方法和装置 |
CN103294885A (zh) * | 2012-02-06 | 2013-09-11 | 西门子公司 | 为医学的检查系统分配控制和处理程序的处理流程模板 |
Also Published As
Publication number | Publication date |
---|---|
US20070008172A1 (en) | 2007-01-11 |
JP2006326314A (ja) | 2006-12-07 |
DE102005024326B3 (de) | 2006-09-14 |
US8036434B2 (en) | 2011-10-11 |
CN1869996B (zh) | 2010-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1869996A (zh) | 医疗测量数据的后处理 | |
US8019134B2 (en) | Automatic image analysis and quantification for fluorescence in situ hybridization | |
CN1977283A (zh) | 用于医疗诊断的智能定性和定量分析的方法及系统 | |
CN1861002A (zh) | 监视肿瘤负荷的方法和系统 | |
CN1719446A (zh) | 管理多个图像的图像管理装置和方法 | |
CN1818972A (zh) | 剪接医学图像数据集的系统和方法 | |
CN1663530A (zh) | 用于处理图像数据以帮助检测疾病的方法和装置 | |
CN1795272A (zh) | 快速识别病原体、细菌和异常细胞的系统和方法 | |
Cipriano et al. | Deep segmentation of the mandibular canal: a new 3D annotated dataset of CBCT volumes | |
CN1378677A (zh) | 生成电子多媒体报告的一种方法和计算机实现程序 | |
Zheng | Computer-aided diagnosis in mammography using content-based image retrieval approaches: current status and future perspectives | |
Hung et al. | Current applications of deep learning and radiomics on CT and CBCT for maxillofacial diseases | |
US8542899B2 (en) | Automatic image analysis and quantification for fluorescence in situ hybridization | |
Junaid et al. | Development, application, and performance of artificial intelligence in cephalometric landmark identification and diagnosis: a systematic review | |
CN104750951A (zh) | 一种医疗图像数据的分析处理方法及装置 | |
Al Turkestani et al. | Clinical decision support systems in orthodontics: a narrative review of data science approaches | |
CN1895185A (zh) | 显示检查对象的检查区域和药剂在体内影响的信息的方法 | |
Albitar et al. | Artificial intelligence (AI) for detection and localization of unobturated second mesial buccal (MB2) canals in cone-beam computed tomography (CBCT) | |
Roongruangsilp et al. | The learning curve of artificial intelligence for dental implant treatment planning: a descriptive study | |
Vaitiekūnas et al. | Automatic method for bone segmentation in cone beam computed tomography data set | |
Rubiu et al. | Teeth segmentation in panoramic dental X-ray using mask regional convolutional neural network | |
Dondi et al. | Comparison between two different scanners for the evaluation of the role of 18F-FDG PET/CT semiquantitative parameters and radiomics features in the prediction of final diagnosis of thyroid incidentalomas | |
Turek et al. | Assessing the radiological density and accuracy of mandible polymer anatomical structures manufactured using 3D printing technologies | |
Han et al. | Comparison of FDG PET/CT and bone marrow biopsy results in patients with diffuse large B cell lymphoma with subgroup analysis of PET radiomics | |
WO2021112141A1 (ja) | 文書作成支援装置、方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20101222 Termination date: 20150529 |
|
EXPY | Termination of patent right or utility model |