DE102006058941A1 - Verfahren und Vorrichtung zum Auswählen computergestützter Algorithmen, basierend auf dem Protokoll und/oder Parametern eines Akquisitionssystems - Google Patents

Verfahren und Vorrichtung zum Auswählen computergestützter Algorithmen, basierend auf dem Protokoll und/oder Parametern eines Akquisitionssystems Download PDF

Info

Publication number
DE102006058941A1
DE102006058941A1 DE102006058941A DE102006058941A DE102006058941A1 DE 102006058941 A1 DE102006058941 A1 DE 102006058941A1 DE 102006058941 A DE102006058941 A DE 102006058941A DE 102006058941 A DE102006058941 A DE 102006058941A DE 102006058941 A1 DE102006058941 A1 DE 102006058941A1
Authority
DE
Germany
Prior art keywords
computer
data
algorithms
optimal
clinical
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.)
Withdrawn
Application number
DE102006058941A
Other languages
English (en)
Inventor
Saad Ahmet Pewaukee Sirohey
Gopal B. New Berlin Avinash
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
General Electric Co
Original Assignee
General Electric Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority to US11/301,856 priority Critical patent/US20070133851A1/en
Priority to US11/301,856 priority
Application filed by General Electric Co filed Critical General Electric Co
Publication of DE102006058941A1 publication Critical patent/DE102006058941A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K9/00Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
    • G06K9/62Methods or arrangements for recognition using electronic means
    • G06K9/6217Design or setup of recognition systems and techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06K9/6253User interactive design ; Environments; Tool boxes
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00ICT specially adapted for the handling or processing of medical images
    • G16H30/40ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K2209/00Indexing scheme relating to methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
    • G06K2209/05Recognition of patterns in medical or anatomical images
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing

Abstract

Ein System (100) und Verfahren (200) zum Wählen eines Computeralgorithmus zum Verarbeiten eines medizinischen Bilds für einen klinischen Zweck wird beigefügt. Zu dem Verfahren gehören die Schritte: Zugreifen auf Bilddaten (210), Zugreifen auf klinische Daten (210) und Zugreifen auf eine strukturierte Informationsdatenbank (210). Ein optimaler Computeralgorithmus wird aus einer Anzahl Computeralgorithmen mit zugeordneten optimalen Betriebsparametern ausgewählt (220). Der optimale Computeralgorithmus kann basierend auf den Bilddaten, den klinischen Daten und den Daten einer strukturierten Informationsdatenbank ausgewählt werden. Die Bilddaten können mittels des optimalen Computeralgorithmus verarbeitet werden (230). Die strukturierte Informationsdatenbank kann einen endlichen Satz von Algorithmen aufweisen, der die möglichen Algorithmen für den klinischen Zweck umfasst. Die Bilddaten können Metadaten und anatomische Daten beinhalten. Die Metadaten können Modalitätsdaten und Bildakquisitionsdaten beinhalten. Die Computeralgorithmen können Computeralgorithmen zum Ausführen von computergestützter Detektion (670) beinhalten. Die Computeralgorithmen können ferner Computeralgorithmen zum Ausführen von volumenrechnergestütztem Auslesen (630) beinhatlen.

Description

  • HINTERGRUND ZU DER ERFINDUNG
  • Die Erfindung betrifft allgemein ein System und Verfahren zum verbesserten Arbeitsablauf eines medizinischen Bildgebungssystems. Insbesondere betrifft die vorliegende Erfindung ein effizienteres System und Verfahren zum Wählen eines optimalen Computeralgorithmus, um ein medizinisches Bild zu verarbeiten.
  • Medizinische diagnostische Bildgebungssysteme umfassen vielfältige Bildgebungsverfahren, z.B. röntgenologische Systeme, Computertomographie-(CT)-Systeme, Ultraschallsysteme, Elektronenstrahltomographie-(EBT = Electron Beam Tomography)-Systeme, Magnetresonanz-(MR)-Systeme und dergleichen. Medizinische diagnostische Bildgebungssysteme erzeugen Bilder von einem Objekt, beispielsweise einem Patienten, beispielsweise durch Exposition gegenüber einer Energiequelle, z.B. Röntgenstrahlen, die beispielsweise einen Patienten durchqueren. Die erzeugten Bilder können für vielfältige Zwecke verwendet wer den. Beispielsweise lassen sich Defekte im Innern eines Objekts erfassen. Weiter können Veränderungen der inneren Struktur oder fluchtenden Ausrichtung ermittelt werden. Es kann auch ein Fluidstrom in einem Objekt dargestellt werden. Außerdem kann das Bild das Vorhandensein oder Fehlen von Objekten innerhalb eines Objekts aufzeigen. Die anhand von medizindiagnostischer Bildgebung gewonnenen Daten lassen sich auf vielen Gebieten verwenden, beispielsweise in der Medizin und in der Industrie.
  • Ein Beispiel eines medizindiagnostischen Bildgebungssystems ist ein Bildarchivierungsdatenkommunikationssystem (PACS = Picture Archival Communication System). PACS ist ein Begriff für eine Ausrüstung und Software die es erlaubt, Bilder, z.B. Röntgen-, Ultraschall-, CT-, MRI-, EBT-, MR- oder nuklearmedizinische Bilder, elektronisch zu akquirieren, zu speichern und zur Betrachtung zu übermitteln. Anhand einer Untersuchung gewonnene Bilder können unmittelbar betrachtet werden, oder gespeichert oder übertragen werden. Die Bilder können auf diagnostischen Workstations von Benutzern, beispielsweise Röntgenologen, betrachtet werden. Neben der Betrachtung der Bilder ist es dem Benutzer außerdem möglich, Patientendaten einzusehen, die dem Bild zugeordnet sind, beispielsweise der Name des Patienten oder das Geschlecht des Patienten.
  • Viele PACS-Systeme lassen Rechnersoftware zum Ausführen von rechnergestützter Detektion und Diagnoseaufgaben ablaufen. Bei der Ausführung dieser Aufgaben basiert die Computersoftware im Allgemeinen auf beispielsweise anatomischen Strukturen, einem klinischem Zweck bzw. Funktion, sowie sonstigen Variablen. Bei dem Arbeiten mit der rechnergestützten Detektions- und Diagnosesoftware muss ein Benutzer möglicherweise diese Variablen manuell eingeben, was den Vorgang ver langsamt und ineffizient macht. Außerdem sind die Computeralgorithmen, die diese Aufgaben ausführen, unveränderlich, was bedeutet, dass die Software sich bei der Entgegennahme von Eingaben nicht dynamisch verhält.
  • Die Computersoftware kann auch auf Bildakquisitionsprotokollen beruhen, zu denen beispielsweise Modalitäten, Rekonstruktionsalgorithmen und Kontrastmittel gehören. Da die rechnergestützten Detektions- und Diagnoseprogramme möglicherweise auf den Bildakquisitionsprotokollen beruhen, sind für eine spezielle Maschine verfasste Softwareprogramme nicht in der Lage, auf einem anderen Typ einer Maschine zu arbeiten. Beispielsweise lässt sich ein mit Blick auf einen Vierschicht-CT-Scanner entworfener Computeralgorithmus nicht auf einen Vierundsechzigschicht-CT-Scanner anwenden.
  • Gegenwärtig schreiben die Entwickler im Allgemeinen einzigartige Softwareprogramme, um Ergebnisse für zahlreiche spezielle Bedingungen hervorzubringen. Entwickler, die Algorithmen entwerfen, um speziellen Bedingungen zu entsprechen, berücksichtigen im Allgemeinen die häufigsten Variationen in den Akquisitionsprotokollen. Zu typischen Variationen zählen Rekonstruktionsverfahren, das Rauschen in den Daten, die zeitliche Auflösung, der verwendete Kontrast und sonstige variablen. Variablen wie diese werden im Allgemeinen bei der Entwicklung der Algorithmen berücksichtigt. Mit wachsender Anzahl von Variablen steigt die Komplexität des Algorithmus. Jede der Variablen bringt in automatisierte oder halbautomatische rechnergestützte Detektionsalgorithmen im Allgemeinen unterschiedliche Komplexitäten ein. Dementsprechend ist eine Verwendung einzigartiger Algorithmen für spezielle Bedingungen im Allgemeinen ineffizient und zu kostspielig für die Entwicklung und Vermarktung.
  • Dementsprechend besteht ein Bedarf nach einem System und Verfahren, das sich nutzen lässt, um basierend auf Eingaben in optimaler Weise einen Computeralgorithmus oder einen Pfad von Algorithmen auszuwählen. Ein derartiges System und Verfahren kann eine Lösung zum optimalen Ausführen rechnergestützter Detektions- und Diagnoseaufgaben schaffen.
  • KURZDARSTELLUNG DER ERFINDUNG
  • Spezielle Ausführungsbeispiele der vorliegenden Erfindung können ein Verfahren zum Wählen eines Computeralgorithmus beinhalten, um ein medizinisches Bild für einen klinischen Zweck zu verarbeiten, wie beigefügt. Zu dem Verfahren können die Schritte gehören: Zugreifen auf Bilddaten, Zugreifen auf klinische Daten und Zugreifen auf eine strukturierte Informationsdatenbank. Ein optimaler Computeralgorithmus wird aus einer Anzahl Computeralgorithmen mit zugeordneten optimalen Betriebsparametern ausgewählt. Der optimale Computeralgorithmus kann basierend auf den Bilddaten, den klinischen Daten und den Daten einer strukturierten Informationsdatenbank ausgewählt werden. Die Bilddaten können mittels des optimalen Computeralgorithmus verarbeitet werden. Der optimale Computeralgorithmus kann mehrere Computeralgorithmen umfassen. Die strukturierte Informationsdatenbank kann einen endlichen Satz von Algorithmen aufweisen, der die möglichen Algorithmen für den klinischen Zweck umfasst. Die Bilddaten können Metadaten und anatomische Daten beinhalten. Die Metadaten können Modalitätsdaten und Bildakquisitionsdaten beinhalten. Die Computeralgorithmen können Computeralgorithmen zum Ausführen von computergestützter Detektion beinhalten. Die Computeralgorithmen können ferner Computeralgorithmen zum Ausführen von volumenrechnergestütztem Auslesen beinhalten.
  • Spezielle Ausführungsbeispiele der vorliegenden Erfindung können ein System zum Wählen eines Computeralgorithmus beinhalten, um ein medizinisches Bild für einen klinischen Zweck zu verarbeiten. Das System kann eine Rechnereinheit zum Manipulieren von Daten enthalten. Die Rechnereinheit kann Computersoftware zum Zugreifen auf Bilddaten und zum Zugreifen auf klinische Daten und zum Zugreifen auf eine strukturierte Informationsdatenbank ausführen. Die Computersoftware wählt einen optimalen Computeralgorithmus mit zugeordneten optimalen Betriebsparametern aus einer Anzahl Computeralgorithmen aus. Der optimale Computeralgorithmus kann basierend auf den Bilddaten und den klinischen Daten und Daten einer strukturierten Informationsdatenbank ausgewählt werden. Die Computersoftware verarbeitet die Bilddaten mittels des optimalen Computeralgorithmus. Das System kann ferner eine Eingabeeinheit, um Eingaben von einem Benutzer entgegen zu nehmen, und eine Anzeigeeinheit umfassen, die dazu dient, einem Benutzer Daten anzuzeigen.
  • Die strukturierte Informationsdatenbank kann einen endlichen Satz von Algorithmen enthalten, der die möglichen Algorithmen für den klinischen Zweck abdeckt. Die Bilddaten können anatomische Daten und Metadaten beinhalten. Die Metadaten können Bildakquisitionsdaten und Modalitätsdaten beinhalten. Darüber hinaus kann der optimale Computeralgorithmus mehrere Computeralgorithmen umfassen. Die Anzahl von Computeralgorithmen können Computeralgorithmen zum Ausführen von computergestützter Detektion umfassen. Darüber hinaus kann die Anzahl Computeralgorithmen Computeralgorithmen zum Ausführen von volumenrechnergestütztem Auslesen umfassen. Die Rechnereinheit, Eingabeeinheit und Anzeigeeinheit können ein Bildarchivierungsdatenkommunikationssystem aufweisen.
  • Spezielle Ausführungsbeispiele der vorliegenden Erfindung können als Teil eines von einem Rechner auslesbaren Speichermediums verwirklicht werden, das einen Satz von Instruktionen für einen Computer beinhaltet. Der Satz von Instruktionen kann eine erste Zugriffsprogrammroutine zum Zugreifen auf Bilddaten, eine zweite Zugriffsprogrammroutine zum Zugreifen auf klinische Daten und eine dritte Zugriffsprogrammroutine zum Zugreifen auf eine strukturierte Informationsdatenbank beinhalten. Der Satz von Instruktionen kann ferner eine Auswählprogrammroutine zum Wählen eines optimalen Computeralgorithmus mit zugeordneten optimalen Betriebsparametern aus einer Anzahl Computeralgorithmen beinhalten. Der optimale Computeralgorithmus kann basierend auf den Bilddaten, den klinischen Daten und den Daten einer strukturierten Informationsdatenbank ausgewählt werden. Der Satz von Instruktionen kann ferner eine Verarbeitungsroutine beinhalten, um die Bilddaten mittels des optimalen Computeralgorithmus zu verarbeiten.
  • KURZBESCHREIBUNG DER ZEICHNUNGEN
  • 1 veranschaulicht ein Beispiel eines Systems, das gemäß einem Ausführungsbeispiel der vorliegenden Erfindung verwendet werden kann.
  • 2 veranschaulicht ein Verfahren, das gemäß einem Ausführungsbeispiel der vorliegenden Erfindung verwendet werden kann.
  • 3 veranschaulicht ein Beispiel einer Informationsdatenbank, die gemäß einem Ausführungsbeispiel der vorliegenden Erfindung verwendet werden kann.
  • 4 veranschaulicht eine allgemeine Darstellung einer Auswahl der optimalen abschnittsweisen linearen Stratifikation von Algorithmuspfaden gemäß einem Ausführungsbeispiel der vorliegenden Erfindung.
  • 5 veranschaulicht ein Beispiel des Auswählens der optimalen abschnittsweisen linearen Stratifikation von Algorithmuspfaden gemäß einem Ausführungsbeispiel der vorliegenden Erfindung.
  • 6 veranschaulicht ein Beispiel des Verfahrens nach 2 mit volumenrechnergestütztem Auslesen und mit computergestützter Detektion.
  • DETAILLIERTE BESCHREIBUNG DER ERFINDUNG
  • 1 veranschaulicht ein System 100 zum Verarbeiten und Anzeigen medizinischer Bilder. Das System 100 enthält eine Rechnereinheit 110. Die Rechnereinheit 110 kann eine beliebige Einrichtung oder Software sein, die es erlaubt elektronische medizinische Bilder, z.B. Röntgen-, Ultraschall-, CT-, MRI-, EBT-, MR- oder nuklearmedizinische Bilder, elektronisch zu akquirieren, zu speichern oder zur Betrachtung und zum Betrieb zu übertragen. Die Rechnereinheit 110 kann Eingaben von einem Benutzer entgegennehmen. Die Rechnereinheit 110 kann mit anderen Vorrichtungen verbunden sein, die in ein elektronisches Netzwerk integriert sind. In 1 ist die Verbindung mit dem Netzwerk durch die Leitung 105 repräsentiert. Die Rechnereinheit 110 kann mit dem Netzwerk 105 physikalisch, durch ein Kabel oder durch ein drahtloses Medium verbunden sein. In einem Ausführungsbeispiel kann die Rechnereinheit 110 ein Bildarchivierungsdatenkommunikationssystem (PACS) oder ein Teil eines solchen Systems sein.
  • Das System 100 enthält ferner eine Eingabeeinheit 120. Die Eingabeeinheit 120 kann eine Konsole mit einem Trackball 122 und einer Tastatur 124 sein. Als Teil der Eingabeeinheit 120 können auch andere Eingabegeräte eingesetzt werden, um Eingaben von einem Benutzer entgegenzunehmen. Beispielsweise kann ein Mikrofon genutzt werden, um mündliche Eingaben von einem Benutzer zu empfangen. Das System 100 enthält ferner wenigstens eine Anzeigeeinheit 130. Die Anzeigeeinheit 130 kann eine typische Computeranzeigeeinheit sein. Die Anzeigeeinheit 130 kann mit der Rechnereinheit 110 und der Eingabeeinheit 120 elektrisch verbunden sein. In einem Ausführungsbeispiel kann die Anzeigeeinheit 130 mehrere Anzeigeeinheiten oder Displaybereiche eines Bildschirms repräsentieren. Dementsprechend können in Übereinstimmung mit der vorliegenden Erfindung beliebig viele Anzeigeeinheiten verwendet werden.
  • In einem Ausführungsbeispiel ist das System 100 ein PACS, wobei die Anzeigeeinheit 130 die Anzeigeeinheit des PACS repräsentiert. Die Rechnereinheit 110 kann eine andere Ausrüstung und andere Komponenten eines PACS-Systems repräsentieren als die Anzeigeeinheit. Die Rechnereinheit 110 und die Anzeigeeinheit 130 können gesonderte Einheiten oder Teil einer einzigen Einheit sein. Im Falle gesonderter Einheiten kann die Anzeigeeinheit 130 mit der Rechnereinheit 110 elektrisch verbunden sein. Die Systemkomponenten 100 können einzelne Einheiten oder gesonderte Einheiten sein, können in vielfältiger Weise integriert sein und können in Form von Hardware und/oder Software verwirklicht sein.
  • 2 veranschaulicht ein Verfahren 200 zum Wählen eines Computeralgorithmus, um ein medizinisches Bild zu verarbeiten. Ein medizinisches Bild kann durch Bildverarbeitungs algorithmen beispielsweise zur Verbesserung, Detektion, Quantifizierung oder Segmentation verarbeitet werden. Das Verfahren 200 kann durch eine auf der Rechnereinheit 110 angeordnete Computersoftware ausgeführt werden. In einer Abwandlung kann das Verfahren 200 durch Computersoftware auf einem Computersystem, beispielsweise einem Server oder einer Datenbank, ausgeführt werden, das sich von jenem unterscheidet, auf dem die Computersoftware gespeichert ist. In einer anderen Abwandlung kann die Computersoftware gegenüber der Rechnereinheit 110 extern ausgeführt und gespeichert werden. Die Rechnereinheit 110 kann jedoch Daten mit dem Computersystem oder Server austauschen, das/der die Computersoftware für das Verfahren 200 über das Netzwerk 105 ausführt und/oder speichert. In einem Ausführungsbeispiel kann die Computersoftware, die das Verfahren 200 ausführt, im Vorliegenden als eine Regelmaschine bezeichnet sein.
  • Das Verfahren 200 kann verwendet werden, um einen Computeralgorithmus auszuwählen, um ein medizinisches Bild zu verarbeiten. Ein Computeralgorithmus kann eine oder mehrere Computerprogramme beinhalten. Beispielsweise kann das Verfahren 200 genutzt werden, um einen Computeralgorithmus auszuwählen, um einen klinischen Zweck zu erfüllen. In einem Ausführungsbeispiel kann der klinische Zweck die Durchführung einer Knotenvermessung für eine Lunge sein. Das Verfahren 200 kann basierend auf Werten einiger Eingaben einen Computeralgorithmus auswählen, um das Ziel einer Knotenvermessung für die Lunge zu erreichen. Das Verfahren 200 ermöglicht es, den klinischen Zweck zu erreichen, indem der optimale Algorithmus basierend auf Bilddaten, klinischen Daten und Daten einer strukturierten Informationsdatenbank ausgewählt wird. Die Bilddaten können das Bild der Anatomie und zugeordnete Parameter sowie Bild-Metadaten beinhalten. Die Bild-Metadaten können Bildak quisitionsdaten, beispielsweise Verfahren und Schichtdicke, beinhalten. Die klinischen Daten können Daten für klinische Zwecke, beispielsweise die Aufgabe betreffende Daten beinhalten, beispielsweise eine Untersuchung, um zu ermitteln, ob ein Patient unter Lungenkrebs leidet. Basierend auf den Bilddaten und klinischen Daten kann ein optimaler Computeralgorithmus ausgewählt werden, um den klinischen Zweck zu erfüllen. Der optimale Computeralgorithmus kann aus einer strukturierten Informationsdatenbank ausgewählt werden, die Daten einer strukturierten Informationsdatenbank enthält. Eine strukturierte Informationsdatenbank kann eine Datenbank oder ein Server sein, die/der über Daten verfügt, um den optimalen Computeralgorithmus auszuwählen, um basierend auf der Eingabe einen vorgegebenen klinischen Zweck zu erfüllen. Wenn der optimale Computeralgorithmus ausgewählt ist, können die Bilddaten durch den optimalen Computeralgorithmus mit den zugehörigen Parametern verarbeitet werden.
  • In Schritt 210 greift die Computersoftware auf Daten zu. Insbesondere greift die Computersoftware auf Bilddaten, auf klinische Daten und, um Informationsdatenbankdaten zu erhalten, auf eine strukturierte Informationsdatenbank zu. Die Bilddaten können das Bild der Anatomie und zugeordnete Parameter sowie Bild-Metadaten beinhalten. Die Bild-Metadaten können Bildakquisitionsdaten, beispielsweise Modalitätsdaten, Schichtdicke, Dosis, Rekonstruktionskernel, Pulssequenzen, T1/T2-Gewichtung, TE/TR-Gewichtung, beinhalten. Die klinischen Daten können Informationen für klinische Zwecke beinhalten, beispielsweise Daten, die Körperteile, Erkrankungstyp, verwendete Indikatoren, Screening, Nachsorge, diagnostisches Ausschließens oder differentielle diagnostische Daten betreffen. Sowohl die klinischen Daten als auch die Bilddaten können auf der Rechnereinheit 110 gespeichert sein, und es kann auf diese durch die das Verfahren 200 ausführende Computersoftware entsprechend zugegriffen werden. Alternativ können die klinischen und Bilddaten auf einer oder mehreren anderen Rechnereinheiten, Systemen, Datenbanken, Servern oder auf einer sonstigen Speicher- oder Verarbeitungsvorrichtung gespeichert sein, und für einen entsprechenden Zugriff zugänglich sein.
  • Nachdem auf die Bilddaten und klinischen Daten zugegriffen ist, wird auf eine strukturierte Informationsdatenbank zugegriffen. Anhand der Bilddaten und klinischen Daten als Eingaben kann die strukturierte Informationsdatenbank genutzt werden, um, wie in Schritt 220, den/einen optimalen Computeralgorithmus auszuwählen. Eine strukturierte Informationsdatenbank kann eine Datenbank oder ein Server sein, die/der einen endlichen Satz von Algorithmen enthält, die die für den klinischen Zweck möglichen Algorithmen abdecken. Beispielsweise kann die strukturierte Informationsdatenbank Daten darüber enthalten, welche Computeralgorithmen unter der Vorgabe eines Satzes von Daten und Parametern optimal sind, um eine klinische Aufgabe durchzuführen. Die Daten einer strukturierten Informationsdatenbank können in der Rechnereinheit 110 integriert oder können an einem externen Ort, z.B. einer Datenbank, gespeichert sein und mit der Rechnereinheit 110 über das Netzwerk 105 verbunden werden.
  • 3 veranschaulicht ein Beispiel von Gebieten, die in einer exemplarischen strukturierten Informationsdatenbank verfügbar sein können. Spalte 310 bezeichnet einen vorgegebenen Körperteil. Spalte 320 bezeichnet eine vorgegebene klinische Aufgabe für den in Spalte 310 bezeichneten Körperteil. Spalte 330 bezeichnet mehrere abschnittsweise lineare Sätze. Diese Sätze beinhalten einen Bereich von Akquisitionsparame tern, die vom Standpunkt einer Verarbeitung ähnliche Eigenschaften aufweisen.
  • Spalte 340 veranschaulicht optimale Computeralgorithmen für einen vorgegebenen Satz von Parametern. In einem Ausführungsbeispiel kann abhängig von den Parametern ein grober Teilsatz ausgewählt werden, z.B. der grobe Teilsatz 1, der grobe Teilsatz 2, usw. bis zum groben Teilsatz n. Die groben Teilsätze identifizieren unterschiedliche Computeralgorithmen, die ausgeführt werden können, um den klinischen Zweck basierend auf den Bilddaten und klinischen Daten zu erreichen.
  • Für das in 3 gezeigte Beispiel ist der identifizierte Körperteil die Lunge. Falls ein Benutzer wünscht, eine Knotenvermessung an der Lunge durchzuführen (d.h. der klinische Zweck ist die Durchführung einer Knotenvermessung an der Lunge), werden vielfältige grobe Teilsätze identifiziert. Beispielsweise sind der grobe Teilsatz 1 bis zu dem groben Teilsatz n in 3 dargestellt. Jede beliebige Anzahl von groben Teilsätzen kann verwendet werden. Ein grober Teilsatz kann basierend auf den Bildgebungsdaten, beispielsweise den Akquisitions-/Rekonstruktionsparametern ausgewählt werden. Jeder grobe Teilsatz weist einen Computeralgorithmus auf, der ausgeführt werden kann, um den klinischen Zweck zu erreichen. Falls beispielsweise die Akquisitions/Rekonstruktionsparameter anzeigen, dass der grobe Teilsatz 1 optimal ist, können die Algorithmen A, B, C oder D ausgewählt werden. Falls der grobe Teilsatz 2 optimal ist, dann können die Algorithmen A, C, D oder E ausgewählt werden. Die Auswahl der Algorithmen kann durch die Bilddaten und die klinischen Daten bestimmt werden. Falls, in Fortsetzung des Beispiels, die Daten und Parameter anzeigen, dass der optimale Algorithmus zur Durch führung einer Knotenvermessung für eine spezielle Lunge der Pfad E in dem groben Teilsatz 2 ist, kann der Algorithmus E des groben Teilsatzes 2 ausgewählt werden.
  • 4 veranschaulicht allgemein die Auswahl der optimalen abschnittsweise linearen Stratifikation eines Computeralgorithmus. Block 410 repräsentiert die Daten einer strukturierten Informationsdatenbank. Block 420 repräsentiert Bildgebungsdaten, z.B. der Anatomie. Block 430 repräsentiert Bildgebungs- und klinische Daten, z.B. Bild-Metadaten und klinischen Zweck. Block 440 repräsentiert Bildgebungsdaten, z.B. Modalitätsdaten.
  • Die Regelmaschine 450 repräsentiert das als Verfahren 200 ausgeführte Computersoftwareprogramm. In dem in 4 gezeigten Ausführungsbeispiel greift die Regelmaschine 450 auf Bilddaten 420-440 und klinische Daten 430 zu. Basierend auf diesen Daten 420-440 und Daten aus der strukturierten Informationsdatenbank 410 wählt die Regelmaschine 450 einen optimalen Computeralgorithmus aus einer Anzahl Computeralgorithmen 460-480 aus. Beispielsweise kann die Regelmaschine 450 die Computeralgorithmen 460, 470 oder 480 auswählen. Wie weiter unten näher erörtert, kann der Algorithmus, wenn der optimale Computeralgorithmus ausgewählt ist, ausgeführt werden, und die Ergebnisse können, wie in den Blöcken 462, 472 und 482 gezeigt, wiedergegeben und/oder gespeichert werden.
  • Nachdem der optimale Computeralgorithmus ausgewählt ist, beinhaltet Schritt 230 des Verfahrens 200 eine Verarbeitung der Bilddaten mittels des optimalen Computeralgorithmus. 5 veranschaulicht den Schritt 230 der Verarbeitung der Bilddaten mittels des optimalen Computeralgorithmus. 5 weist ähnliche Eingaben wie 4 auf, da Block 510 die Daten ei ner strukturierten Informationsdatenbank repräsentiert. Block 520 repräsentiert Bildgebungsdaten, z.B. der Anatomie. Block 530 repräsentiert Bildgebungs- und klinische Daten, z.B. Bild-Metadaten und klinischen Zweck. Block 540 repräsentiert Bildgebungsdaten, z.B. Modalitätsdaten. Block 550 repräsentiert eine dem Block 450 in 4 ähnelnde Regelmaschine.
  • Innerhalb des Regelmaschinenblocks 550 repräsentieren die Blöcke 552, 554, 556 und 558 allerdings Bedingungen, um einen Computeralgorithmus 560, 570, 580 oder 590 auszuwählen und Parameter zuzuordnen. Die Bedingungen können basierend auf den Eingaben 510-540 ausgewählt werden. In dem gezeigten Beispiel sind die Bedingungen in den Blöcken 552-558 die Schichtdicke, der Rekonstruktionstyp und das Verfahren. Für die Blöcke 552-558 ist der Rekonstruktionstyp Knochen und das Verfahren eine CT. In dem unterbreiteten Beispiel haben diese zwei Faktoren die möglichen Computeralgorithmen auf vier Algorithmen, nämlich 560-590, eingeschränkt. Der unterscheidende Faktor in der Auswahl der Algorithmen ist die Schichtdicke. Wie in 5 gezeigt, wird für eine Schichtdicke von weniger als 1,1 mm in Block 552 der Algorithmus 560 gewählt. Für eine Schichtdicke zwischen 1,1 mm und 2,5 mm in Block 554 wird der Algorithmus 554 gewählt. Für eine Schichtdicke zwischen 2,5 mm und 5 mm in Block 556 wird der Algorithmus 580 gewählt. Für ein Schichtdicke von mehr als 5 mm in Block 558 wird der Algorithmus 590 gewählt.
  • Zusätzlich zu der Auswahl des optimalen Computeralgorithmus ordnet die Regelmaschine 550 dann, wie in Schritt 230, die zugehörigen Parameter zu. Falls der Algorithmus 560 ausgewählt ist, wird ein Krümmungstensoralgorithmus ausgewählt und in Block 562 wird vielfältigen Parametern der Wert 1,0 mm zugewiesen. In Block 564 wird eine blinde positive Re duktion durchgeführt, und die Ergebnisse können in Block 566 ausgeführt und angezeigt und/oder gespeichert werden. Falls die Regelmaschine 550 den Algorithmus 570 auswählt, wird ein Krümmungstensoralgorithmus durchgeführt, und in Block 572 wird Parametern der Wert 2,0 mm zugewiesen. Ähnlich wie im Falle des Algorithmus 560 wird in Block 574 eine blinde positive Reduktion durchgeführt, und in Block 576 werden Ergebnisse ausgeführt und angezeigt und/oder gespeichert.
  • Falls der Algorithmus 580 gewählt ist, wird ein Krümmungstensoralgorithmus wie in Algorithmus 560 und 570 gewählt, allerdings werden in diesem Fall, wie in Block 582 gezeigt, den Parametern unterschiedliche Werte zugeordnet. In Block 584 wird eine blinde positive Reduktion durchgeführt und eine weitere in Block 586. Die Ergebnisse können in Block 588 ausgeführt und angezeigt und/oder gespeichert werden. Falls der Pfad 590 gewählt ist, wird aus den Pfaden 560-580 ein anderer Algorithmus ausgewählt. Ein Hesse-Algorithmus wird gewählt, und Parametern werden in Block 592 entsprechende Werte zugewiesen. In Block 594 wird eine blinde positive Reduktion durchgeführt, und in Block 596 werden die Ergebnisse ausgeführt und stehen für eine Anzeige und/oder Speicherung zur Verfügung.
  • 6 veranschaulicht ein Ausführungsbeispiel der vorliegenden Erfindung. Insbesondere veranschaulicht 6 in einem schematischen Diagramm auf hoher Abstraktionsebene das Algorithmusauswählverfahren mit volumenrechnergestütztem Auslesen, Option A 610, und mit computergestützter Detektion, Option B 650. Beide Optionen A 610 und B 650 weisen drei Eingaben auf, die den oben erörterten Eingaben ähneln. Eingabe 612, 652 repräsentiert die klinische Daten, Eingabe 614, 654 repräsentiert die strukturierte Informationsdatenbankeingabe, und Eingaben 616, 618 repräsentieren die Bildgebungsdaten. Die Eingaben werden an eine Regelmaschine 620, 660 übermittelt. Die Regelmaschinen 620, 660 ähneln in ihrer Funktion den Regelmaschinen 450, 550 in den 4 bzw. 5. Die Regelmaschinen 620, 660 greifen auf die Daten 612, 614, 616 bzw. auf die Daten 652, 654, 658 zu. Die Regelmaschinen 620, 660 wählen den optimalen Computeralgorithmus basierend auf den Bilddaten, den klinischen Daten und den Informationsdatenbankdaten aus. Basierend auf den Daten ordnen die Regelmaschinen 620, 660 außerdem die richtige Parameter dem ausgewählten Algorithmus zu. Darüber hinaus kann die Regelmaschine, wie in den Blöcken 620, 660 gezeigt, eine Parameterwahl durchführen.
  • Blöcke 630 und 670 repräsentieren die unterschiedlichen algorithmischen Pfade, die ausgewählt werden können. Die Blöcke 630 und 670 entsprechen den Blöcken 460-480 nach 4 und den Blöcken 660-690 nach 5. Der Block 630 repräsentiert eine Anzahl Computeralgorithmen, die verwendet werden können, um volumenrechnergestütztes Auslesen durchzuführen. Wie in dem Block 630 gezeigt, können die Pfade VCAR-Pfad 1 bis VCAR-Pfad K beinhalten. Der Block 670 repräsentiert eine Anzahl Computeralgorithmen, die verwendet werden können, um computergestützte Detektion durchzuführen. Wie in dem Block 670 gezeigt, können die Pfade CAD-Pfad 1 bis CAD-Pfad M beinhalten. Welche der Pfade aus den Blöcken 630 oder 670 gewählt werden, kann für den Block möglicher Pfade für VCAR 630 auf den Daten 612-616 oder für den Block möglicher Pfade für CAD 670 auf den Daten 652-656 basieren. Wie in den Blöcken 640 und 680 zu sehen, können die Ergebnisse, wenn der Algorithmus ausgewählt und ausgeführt ist, wiedergegeben und/oder gespeichert werden.
  • Das oben beschriebene System und Verfahren kann als Teil eines von einem Rechner auslesbaren Speichermedium mit einem Satz von Instruktionen für einen Computer durchgeführt werden. Der Satz von Instruktionen kann eine erste Zugriffsprogrammroutine zum Zugreifen auf Bilddaten, eine zweite Zugriffsprogrammroutine zum Zugreifen auf klinische Daten und eine dritte Zugriffsprogrammroutine zum Zugreifen auf eine strukturierte Informationsdatenbank enthalten. Der Satz von Instruktionen kann ferner eine Auswählprogrammroutine zum Wählen eines optimalen Computeralgorithmus mit zugeordneten optimalen Betriebsparametern aus einer Anzahl Computeralgorithmen beinhalten. Der optimale Computeralgorithmus kann basierend auf den Bilddaten, den klinischen Daten und den Daten einer strukturierten Informationsdatenbank ausgewählt werden. Der Satz von Instruktionen kann ferner eine Verarbeitungsroutine beinhalten, um die Bilddaten mittels des optimalen Computeralgorithmus zu verarbeiten.
  • Während die Erfindung anhand spezieller Ausführungsbeispiele beschrieben wurde, ist es dem Fachmann klar, dass vielfältige Änderungen vorgenommen werden können und äquivalente Ausführungen substituiert werden können, ohne dass der Schutzumfang der Erfindung berührt ist. Darüber hinaus können viele Abwandlungen vorgenommen werden, um eine besondere Situation oder ein spezielles Material an die Lehre der Erfindung anzupassen, ohne von deren Schutzumfang abzuweichen. Es ist dementsprechend nicht beabsichtigt, die Erfindung auf das offenbarte spezielle Ausführungsbeispiel zu beschränken, vielmehr soll die Erfindung sämtliche Ausführungsbeispiele einbeziehen, die in den Schutzbereich der beigefügten Patentansprüche fallen. Elementeliste
    Figure 00180001
    Figure 00190001
    Figure 00200001
    Figure 00210001

Claims (10)

  1. Verfahren (200) zum Wählen eines Computeralgorithmus, um ein medizinisches Bild für einen klinischen Zweck zu verarbeiten, wobei das Verfahren beinhaltet: Zugreifen auf Bilddaten (210); Zugreifen auf klinische Daten (210); Zugreifen auf eine strukturierte Informationsdatenbank (210); Auswählen eines optimalen Computeralgorithmus mit zugeordneten optimalen Betriebsparametern aus einer Anzahl Computeralgorithmen, wobei der optimale Computeralgorithmus basierend auf den Bilddaten und den klinischen Daten und Daten einer strukturierten Informationsdatenbank ausgewählt wird (220); und Verarbeitung der Bilddaten mittels des optimalen Computeralgorithmus (230).
  2. Verfahren nach Anspruch 1 (200), wobei die strukturierte Informationsdatenbank einen endlichen Satz von Algorithmen aufweist, der die für den klinischen Zweck möglichen Algorithmen überspannt.
  3. Verfahren nach Anspruch 1 (200), wobei die Bilddaten anatomische Daten beinhalten.
  4. Verfahren nach Anspruch 1 (200), wobei die Bilddaten Metadaten beinhalten.
  5. Verfahren nach Anspruch 3 (200), wobei die Metadaten Modalitätsdaten beinhalten.
  6. Verfahren nach Anspruch 3 (200), wobei die Metadaten Bildakquisitionsdaten beinhalten.
  7. Verfahren nach Anspruch 1 (200), wobei die Anzahl von Computeralgorithmen Computeralgorithmen zum Ausführen von computergestützter Detektion umfasst (670).
  8. Verfahren nach Anspruch 1 (200), wobei die Anzahl von Computeralgorithmen Computeralgorithmen zum Ausführen von volumenrechnergestütztem Auslesen umfasst (630).
  9. System (100) zum Wählen eines Computeralgorithmus, um ein medizinisches Bild für einen klinischen Zweck zu verarbeiten, wobei das System beinhaltet: eine Rechnereinheit (110) zum Bearbeiten von Daten, wobei die Rechnereinheit Computersoftware zum Zugreifen auf Bilddaten und zum Zugreifen auf klinische Daten und zum Zugreifen auf eine strukturierte Informationsdatenbank ausführen, wobei die Computersoftware einen optimalen Computeralgorithmus mit zugeordneten optimalen Betriebsparametern aus einer Anzahl Computeralgorithmen auswählt, wobei der optimale Computeralgorithmus basierend auf den Bilddaten und den klinischen Daten und Daten einer strukturierten Informationsdatenbank ausgewählt wird, und die Computersoftware die Bilddaten mittels des optimalen Computeralgorithmus verarbeitet. eine Eingabeeinheit zum Entgegennehmen von Eingaben von einem Benutzer (120); und eine Anzeigeeinheit, die dazu dient, einem Benutzer Daten anzuzeigen (130).
  10. Von einem Rechner auslesbares Speichermedium mit einem Satz von Instruktionen für einen Computer, wobei der Satz von Instruktionen beinhaltet: eine erste Zugriffsprogrammroutine zum Zugreifen auf Bilddaten; eine zweite Zugriffsprogrammroutine zum Zugreifen auf klinische Daten; eine dritte Zugriffsprogrammroutine zum Zugreifen auf eine strukturierte Informationsdatenbank; eine Auswählprogrammroutine zum Wählen eines optimalen Computeralgorithmus mit zugeordneten optimalen Betriebsparametern aus einer Anzahl Computeralgorithmen, wobei der optimale Computeralgorithmus basierend auf den Bilddaten und den klinischen Daten und Daten einer strukturierten Informationsdatenbank, ausgewählt wird; und eine Verarbeitungsroutine zum Verarbeiten der Bilddaten mittels des optimalen Computeralgorithmus.
DE102006058941A 2005-12-12 2006-12-12 Verfahren und Vorrichtung zum Auswählen computergestützter Algorithmen, basierend auf dem Protokoll und/oder Parametern eines Akquisitionssystems Withdrawn DE102006058941A1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US11/301,856 US20070133851A1 (en) 2005-12-12 2005-12-12 Method and apparatus for selecting computer-assisted algorithms based on protocol and/or parameters of an acquisistion system
US11/301,856 2005-12-12

Publications (1)

Publication Number Publication Date
DE102006058941A1 true DE102006058941A1 (de) 2007-08-16

Family

ID=38139419

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102006058941A Withdrawn DE102006058941A1 (de) 2005-12-12 2006-12-12 Verfahren und Vorrichtung zum Auswählen computergestützter Algorithmen, basierend auf dem Protokoll und/oder Parametern eines Akquisitionssystems

Country Status (3)

Country Link
US (1) US20070133851A1 (de)
JP (1) JP2007172604A (de)
DE (1) DE102006058941A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008040801A1 (de) * 2008-07-28 2010-02-11 Carl Zeiss Surgical Gmbh Verfahren zum Ableiten medizinischer Größen aus einer Bildfolge medizinischer Bilddaten

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5252262B2 (ja) * 2007-09-28 2013-07-31 テラリコン・インコーポレイテッド 解析プロトコルに基づいた前処理装置を具備する三次元画像表示装置と画像保管通信システムの連携システム
JP5252263B2 (ja) * 2007-09-28 2013-07-31 テラリコン・インコーポレイテッド 解析プロトコルに基づいた前処理装置を具備する三次元画像表示装置を相互接続した医用画像解析システム
US8786873B2 (en) 2009-07-20 2014-07-22 General Electric Company Application server for use with a modular imaging system
EP2385474A1 (de) * 2010-05-07 2011-11-09 TomTec Imaging Systems GmbH Verfahren zur Analyse medizinischer Daten
US8243882B2 (en) 2010-05-07 2012-08-14 General Electric Company System and method for indicating association between autonomous detector and imaging subsystem
US20130282396A1 (en) * 2010-12-20 2013-10-24 Koninklijke Philips N.V. System and method for deploying multiple clinical decision support models
US8965104B1 (en) * 2012-02-10 2015-02-24 Google Inc. Machine vision calibration with cloud computing systems
DE102013205502A1 (de) * 2013-03-27 2014-10-02 Siemens Aktiengesellschaft Verfahren und Anordnung zur optimierten Einstellung von medizintechnischen Systemen
EP2806374A1 (de) * 2013-05-24 2014-11-26 Tata Consultancy Services Limited Verfahren und System zur automatischen Auswahl von einem oder mehreren Bildverarbeitungsalgorithmen
US10163028B2 (en) * 2016-01-25 2018-12-25 Koninklijke Philips N.V. Image data pre-processing

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6581038B1 (en) * 1999-03-15 2003-06-17 Nexcura, Inc. Automated profiler system for providing medical information to patients
WO2003040965A2 (en) * 2001-11-02 2003-05-15 Siemens Corporate Research, Inc. Patient data mining
US20040122787A1 (en) * 2002-12-18 2004-06-24 Avinash Gopal B. Enhanced computer-assisted medical data processing system and method
JP2006510436A (ja) * 2002-12-19 2006-03-30 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 医療撮像システム用の動作パラメータを選択する方法及び装置
US8484001B2 (en) * 2003-08-26 2013-07-09 Voyant Health Ltd. Pre-operative medical planning system and method for use thereof
JP2005087470A (ja) * 2003-09-17 2005-04-07 Fuji Photo Film Co Ltd 異常陰影候補検出装置およびプログラム
DE10345073A1 (de) * 2003-09-26 2005-05-04 Siemens Ag Betriebsverfahren für ein tomographiefähiges bildgebendes Untersuchungsgeräts und Röntgen-Computertomographiegerät

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008040801A1 (de) * 2008-07-28 2010-02-11 Carl Zeiss Surgical Gmbh Verfahren zum Ableiten medizinischer Größen aus einer Bildfolge medizinischer Bilddaten
DE102008040801B4 (de) * 2008-07-28 2014-03-20 Carl Zeiss Meditec Ag Verfahren zum Ableiten medizinischer Größen aus einer Bildfolge medizinischer Bilddaten, medizinische Vorrichtung und Analysesystern

Also Published As

Publication number Publication date
JP2007172604A (ja) 2007-07-05
US20070133851A1 (en) 2007-06-14

Similar Documents

Publication Publication Date Title
DE102006058941A1 (de) Verfahren und Vorrichtung zum Auswählen computergestützter Algorithmen, basierend auf dem Protokoll und/oder Parametern eines Akquisitionssystems
DE102015221998B4 (de) Verfahren zur Unterstützung eines Befunders bei der Ortsbeschreibung einer Zielstruktur in einer Brust, Vorrichtung und Computerprogramm
DE10311319B4 (de) Verfahren, System und Computerprodukt zur Planung eines Herzinterventionsverfahrens
DE102007034911A1 (de) Vorrichtung und Verfahren zur On-Demand visuellen Verbesserung von klinischen Zuständen in Bildern
EP2648122B1 (de) Verfahren zum Laden von medizinischen Bilddaten sowie Vorrichtung zur Durchführung des Verfahrens
DE112014000611T5 (de) Verfahren und Vorrichtung zum Erzeugen eines abgeleiteten Bildes unter Verwendung von Bildern verschiedener Typen
DE102011080260B4 (de) Verfahren und Anordnung zur rechnergestützten Darstellung bzw. Auswertung von medizinischen Untersuchungsdaten
DE102011078278A1 (de) Verfahren zur Bilderzeugung und Bildauswertung
DE112005001755T5 (de) System und Verfahren zur Baummodell-Visualisierung zur Erkennung von Lungenembolie
DE102010012797B4 (de) Rechnergestützte Auswertung eines Bilddatensatzes
DE112005001741T5 (de) System und Verfahren zur Baumprojektion zur Erkennung von Lungenembolie
DE112004001691T5 (de) Verfahren und System zur automatischen Ausrichtung von lokalen Visualisierungstechniken für vaskuläre Strukturen
DE10333563A1 (de) Temporales Bildvergleichsverfahren
DE102007050184B4 (de) Integrierte Lösung für diagnostische Lese- und Berichterstellung
DE102018108072A1 (de) Einrichtung, Verfahren und Programm zur Klassifizierung medizinischer Bilder
DE112012002671T5 (de) Anzeigen einer Vielzahl von registrierten Bildern
DE102016219887A1 (de) Verfahren und System zur Nutzung von Messdaten
DE102009043868A1 (de) Halbautomatische Registrierung von Daten auf der Basis eines hyrarchischen Netzes
EP1209622A2 (de) Verfahren und Vorrichtung zur Registrierung von Bildern
DE102005036998A1 (de) Vorrichtung zur automatischen Detektion von Auffälligkeiten in medizinischen Bilddaten
DE10161381A1 (de) Patientendatenverarbeitungssystem und -verfahren
DE102013210252A1 (de) Automatische Generierung eines Auswahl-Bilddatensatzes
DE112004001486B4 (de) System und Verfahren zur Ortung von kompakten Objekten in Bildern
EP3214562B1 (de) Bestimmen einer bildserie abhängig von einer signaturmenge
DE102017203315A1 (de) Verfahren und Datenverarbeitungseinheit zur Auswahl eines Protokolls für eine medizinische Bildgebungsuntersuchung

Legal Events

Date Code Title Description
R012 Request for examination validly filed

Effective date: 20131031

R016 Response to examination communication
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee
R002 Refusal decision in examination/registration proceedings
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee

Effective date: 20140701