DE102016219488A1 - Verfahren zum Bereitstellen einer Konfidenzinformation - Google Patents

Verfahren zum Bereitstellen einer Konfidenzinformation Download PDF

Info

Publication number
DE102016219488A1
DE102016219488A1 DE102016219488.7A DE102016219488A DE102016219488A1 DE 102016219488 A1 DE102016219488 A1 DE 102016219488A1 DE 102016219488 A DE102016219488 A DE 102016219488A DE 102016219488 A1 DE102016219488 A1 DE 102016219488A1
Authority
DE
Germany
Prior art keywords
image data
medical image
parameter
diagnostic system
confidence
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.)
Pending
Application number
DE102016219488.7A
Other languages
English (en)
Inventor
Björn Heismann
René KARTMANN
Martin Hammes
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.)
Siemens Healthineers Ag De
Original Assignee
Siemens Healthcare GmbH
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
Application filed by Siemens Healthcare GmbH filed Critical Siemens Healthcare GmbH
Priority to DE102016219488.7A priority Critical patent/DE102016219488A1/de
Priority to CN201710915757.7A priority patent/CN107913076B/zh
Priority to US15/726,621 priority patent/US11302436B2/en
Publication of DE102016219488A1 publication Critical patent/DE102016219488A1/de
Pending legal-status Critical Current

Links

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
    • A61B6/58—Testing, adjusting or calibrating thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/58—Testing, adjusting or calibrating the diagnostic device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • 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
    • A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B6/468—Arrangements for interfacing with the operator or the patient characterised by special input means allowing annotation or message recording
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/467—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B8/468—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient characterised by special input means allowing annotation or message recording
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Evolutionary Computation (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Optics & Photonics (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Evolutionary Biology (AREA)
  • Physiology (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Psychiatry (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Bereitstellen einer Konfidenzinformation, eine Recheneinheit, ein medizinisches Bildgebungsgerät und ein Computerprogrammprodukt. Das erfindungsgemäße Verfahren zum Bereitstellen einer Konfidenzinformation umfasst folgende Verfahrensschritte: – Bereitstellen eines automatischen Befundungssystems, – Erfassen von medizinischen Bilddaten eines Patienten, – Ermitteln eines Konfidenzmaßes, welches eine Sicherheit einer korrekten Befundung der medizinischen Bilddaten durch das Befundungssystem beschreibt, und – Bereitstellen einer Konfidenzinformation über die Sicherheit der korrekten Befundung der medizinischen Bilddaten durch das Befundungssystem, wobei die Konfidenzinformation auf dem ermittelten Konfidenzmaß basiert.

Description

  • Die Erfindung betrifft ein Verfahren zum Bereitstellen einer Konfidenzinformation, eine Recheneinheit, ein medizinisches Bildgebungsgerät und ein Computerprogrammprodukt.
  • Üblicherweise werden medizinische Bilddaten mittels medizinischer Bildgebungsgeräte aufgenommen und können anatomische Strukturen und/oder funktionelle Vorgänge eines Körpers eines Patienten darstellen.
  • Verfahren aus der angewandten künstlichen Intelligenzforschung, wie beispielsweise Deep learning, werden zunehmend auf medizinische Bilddaten und/oder deren Kombination mit anderen Patientendaten angewandt. Es ist absehbar, dass radiologische Befundungen von medizinischen Bilddaten sukzessive von Computern ergänzt oder sogar übernommen werden können. Derart können Radiologen, beispielsweise bei Routine-Fällen, entlastet werden. Auch können computerunterstütze Auswertungen neue, für den Menschen zu komplizierte Anwendungen ermöglichen.
  • Eine entscheidende Hürde für die Akzeptanz der maschinellen Befundung der medizinischen Bilddaten ist dabei eine Gewährleistung einer ausreichenden Qualität bzw. Sicherheit der maschinellen Befundung. Üblicherweise werden radiologische Befundungen von Menschen erstellt und verantwortet. Sobald ein Computer teilautonom oder autonom eine Befundung erstellt, scheint es angebracht, diese in der klinischen Realität validieren zu müssen.
  • Der Erfindung liegt die Aufgabe zu Grunde, eine Konfidenzinformation für ein automatisches Befundungssystem zu ermitteln und bereitzustellen. Die Aufgabe wird durch die Merkmale der unabhängigen Ansprüche gelöst. Vorteilhafte Ausgestaltungen sind in den Unteransprüchen beschrieben.
  • Das erfindungsgemäße Verfahren zum Bereitstellen einer Konfidenzinformation umfasst folgende Verfahrensschritte:
    • – Bereitstellen eines automatischen Befundungssystems,
    • – Erfassen von medizinischen Bilddaten eines Patienten,
    • – Ermitteln eines Konfidenzmaßes, welches eine Sicherheit einer korrekten Befundung der medizinischen Bilddaten durch das Befundungssystem beschreibt, und
    • – Bereitstellen einer Konfidenzinformation über die Sicherheit der korrekten Befundung der medizinischen Bilddaten durch das Befundungssystem, wobei die Konfidenzinformation auf dem ermittelten Konfidenzmaß basiert.
  • Als Befundung kann hierbei insbesondere eine Diagnosestellung, beispielsweise in Form eines standardisierten Annotationsformats, gemeint sein. Als Befundung kann auch ein Report über ein Vorhandensein bestimmter klinischer Merkmale im Patienten, beispielsweise ein Vorhandensein eines Tumors oder einer sonstigen in den medizinischen Bilddaten detektierbaren Krankheit, gelten. Die Befundung kann alternativ oder zusätzlich auch Angaben über generelle Unregelmäßigkeiten bzw. Auffälligkeiten in den medizinischen Bilddaten umfassen.
  • Das Bereitstellen des Befundungssystems kann dabei ein Aufrufen bzw. Laden des Befundungssystems aus einer Datenbank und/oder einem elektronisch lesbaren Datenträger umfassen. Insbesondere wird ein solches Befundungssystem bereitgestellt, welches zur Befundung der medizinischen Bilddaten geeignet ist. Das Befundungssystem kann insbesondere zum Analysieren der medizinischen Bilddaten in Bezug auf eine bestimmte diagnostische Fragestellung ausgebildet sein. Eine solche bestimmte diagnostische Fragestellung kann beispielsweise das Vorhandensein eines bestimmten Tumors, beispielsweise einer verdächtigen Läsion in der Brust, eines Rektumkarzinoms, eines Tumorherds in der Lunge, eines Prostatakarzinoms, usw. sein. Die bestimmte diagnostische Fragestellung kann alternativ auch das automatische Feststellen eines Vorliegens einer Gefäßkrankheit, wie beispielsweise einer koronaren Herzkrankheit und/oder eines angeborenen Herzfehlers, sein. Die bestimmte diagnostische Fragestellung kann auch neurologische Fragestellungen, wie beispielsweise ein Feststellen des Vorliegens der Alzheimer Krankheit oder Vorstufen davon, oder die Detektion von Multiple Sklerose Läsionen, umfassen. Weitere mögliche bestimmte diagnostische Fragestellungen sind dem Fachmann bekannt. Das Befundungssystem kann alternativ oder zusätzlich auch zum generellen Detektieren von Unregelmäßigkeiten bzw. Auffälligkeiten in den medizinischen Bilddaten ausgebildet sein.
  • Das Befundungssystem ist insbesondere als Algorithmus ausgebildet, welcher als Eingangsdaten die medizinischen Bilddaten und möglicherweise weitere patientenspezifische Daten und als Ausgangsdaten eine Befundung der medizinischen Bilddaten umfassen. Alternativ oder zusätzlich kann das Befundungssystem auch zur Unterstützung eines Radiologen, welcher die finale Befundung erstellt, ausgebildet sein. Das Befundungssystem kann dabei insbesondere eine maschinelle künstliche Intelligenz aufweisen. Beispielsweise kann das Befundungssystem ein künstliches neuronales Netz einsetzen. Das Befundungssystem kann dabei unter dem Begriff „Deep Learning“ bekannte Methoden einsetzen. Das Befundungssystem kann alternativ oder zusätzlich bekannte automatische Klassifizierungsalgorithmen, wie beispielsweise Bayes-Klassifikatoren oder support-vectormachines (SVM), einsetzen. Das Befundungssystem kann weiterhin Algorithmen zur Strukturanalyse und/oder Vorverarbeitung und/oder Segmentierung der medizinischen Bilddaten einsetzen. Verschiedene weitere mögliche Ausprägungen eines automatischen Befundungssystems sind dabei dem Fachmann bekannt, so dass hier nicht genauer auf sie eingegangen werden soll.
  • Das Erfassen der medizinischen Bilddaten kann ein Aufnehmen der medizinischen Bilddaten mittels eines medizinischen Bildgebungsgeräts oder ein Laden der medizinischen Bilddaten aus einer Datenbank umfassen.
  • Das Konfidenzmaß kann insbesondere durch eine Ermittlungseinheit ermittelt werden. Das Konfidenzmaß kann dabei mittels eines Ermittlungsalgorithmus ermittelt werden, welcher als Eingangsparameter zumindest einen Kennwert des Befundungssystems, eventuell ergänzt um Metainformationen und/oder einen Bildinhalt der medizinischen Bilddaten, und als Ausgangsparameter das Konfidenzmaß umfasst. Der zumindest eine Kennwert des Befundungssystems kann dabei, wie in einem der folgenden Abschnitte noch genauer beschrieben, eine mittlere Genauigkeit des Befundungssystems, beispielswiese eine Sensitivität und/oder Spezifität, des Befundungssystems charakterisieren.
  • Das ermittelte Konfidenzmaß charakterisiert insbesondere die Sicherheit der korrekten Befundung durch das Befundungssystem konkret bezogen auf die medizinischen Bilddaten. Dies kann insbesondere bedeuten, dass das ermittelte Konfidenzmaß ausschließlich für den konkreten Fall der Befundung der vom Patienten erfassten medizinischen Bilddaten gilt. Es ist alternativ auch denkbar, dass das Konfidenzmaß eine generelle Sicherheit der korrekten Befundung durch das Befundungssystem beschreibt. Das Konfidenzmaß kann dabei eine Zahl bzw. ein Prozentmaß sein. Somit kann das Konfidenzmaß direkt die Sicherheit der korrekten Befundung quantifizieren. Das Konfidenzmaß kann alternativ auch eine Einordnung der Sicherheit der korrekten Befundung in verschiedene Sicherheitsklassen, wie beispielsweise „hohe Sicherheit“, „geringe Sicherheit“, umfassen. Die Konfidenzinformation kann alternativ oder zusätzlich Entscheidungsinformationen, welche als Grundlage für eine nachfolgende Entscheidung dienen können, und/oder Anweisungen für eine Steuerung einer Weiterverarbeitung umfassen. Das Konfidenzmaß kann direkt von der Konfidenzinformation, welche schließlich bereitgestellt wird, gebildet werden. Die Konfidenzinformation kann direkt das ermittelte Konfidenzmaß oder eine von dem ermittelten Konfidenzmaß abgeleitete Information umfassen.
  • Das Bereitstellen der Konfidenzinformation kann eine Ausgabe der Konfidenzinformation auf einer Ausgabeeinheit, beispielsweise einer Anzeigeeinheit, umfassen. Alternativ oder zusätzlich kann die Konfidenzinformation einer Weiterverarbeitungseinheit für eine Weiterverarbeitung bereitgestellt werden. Das Bereitstellen der Konfidenzinformation kann ein Weiterleiten der Konfidenzinformation bzw. des Konfidenzmaßes an eine Entscheidungseinheit umfassen. Das Bereitstellen der Konfidenzinformation kann alternativ oder zusätzlich ein Abspeichern der Konfidenzinformation, insbesondere für Dokumentationszwecke, umfassen. Das Bereitstellen der Konfidenzinformation kann dabei direkt ein Bereitstellen des Konfidenzmaßes umfassen.
  • Das Bereitstellen der Konfidenzinformation kann eine vorteilhafte Möglichkeit zum Evaluieren, ob das Befundungssystem geeignet für die automatische Befundung der medizinischen Bilddaten ist, bieten. So kann die bereitgestellte Konfidenzinformation beispielsweise eine Entscheidung, ob die Befundung durch das Befundungssystem durchgeführt werden soll, erleichtern bzw. ermöglichen. Die bereitgestellte Konfidenzinformation kann auch eine wichtige Rolle bezüglich regulatorischer Voraussetzungen des Einsatzes des Befundungssystems spielen.
  • Eine Ausführungsform sieht vor, dass basierend auf dem Konfidenzmaß eine Entscheidung getroffen wird, ob die medizinischen Bilddaten automatisch durch das Befundungssystem befundet werden oder ob die medizinischen Bilddaten zur Befundung einem Radiologen vorgelegt werden.
  • Die Entscheidung kann automatisch durch eine Entscheidungseinheit, welchem das Konfidenzmaß vorgelegt wird, oder manuell, beispielsweise einen Radiologen getroffen werden. Gibt das Konfidenzmaß bzw. die bereitgestellte Konfidenzinformation, dass eine hohe Sicherheit der korrekten Befundung der medizinischen Bilddaten durch das Befundungssystem vorliegt, so kann insbesondere die Entscheidung getroffen werden, dass die medizinischen Bilddaten automatisch durch das Befundungssystem befundet werden. Ansonsten ist die Entscheidung sinnvoll, dass die medizinischen Bilddaten manuell durch den Radiologen befundet werden bzw. dass das Befundungssystem lediglich den Radiologen bei der Befundung der medizinischen Bilddaten unterstützt. Wenn entschieden wird, dass die medizinischen Bilddaten zur Befundung einem Radiologen vorgelegt werden, kann die Entscheidung erweitert werden. Es ist dabei eine Erweiterung der Entscheidung denkbar, dass zusätzlich entschieden wird, ob die Befundung ausschließlich manuell durch den Radiologen erfolgen soll oder dass zunächst eine automatische Befundung durch das Befundungssystem erfolgt, wobei die automatische Befundung dann nur noch durch den Radiologen überprüft werden muss. Grundsätzlich ist es denkbar, dass basierend auf dem Konfidenzmaß eine Entscheidung getroffen wird, ob eine Befundung der medizinischen Bilddaten durch das Befundungssystem von einem Radiologen überprüft werden muss oder nicht.
  • Basierend auf der getroffenen Entscheidung können die medizinischen Bilddaten automatisch weiterverarbeitet werden. So kann die getroffene Entscheidung als Metadaten zu den medizinischen Bilddaten hinterlegt werden. Die Weiterverarbeitung der medizinischen Bilddaten basierend auf der Entscheidung kann beispielsweise umfassen, dass die medizinischen Bilddaten zur Befundung an das Befundungssystem gegeben werden oder dass die medizinischen Bilddaten auf eine Arbeitsliste des Radiologen gesetzt werden. Das Konfidenzmaß kann derart eine besonders vorteilhafte Grundlage für die Entscheidung bieten, ob die Befundung durch einen Radiologen alleine, eine Kombination aus dem Radiologen und dem Befundungssystem oder dem Befundungssystem alleine durchgeführt werden kann.
  • Eine Ausführungsform sieht vor, dass die Entscheidung basierend auf der bereitgestellten Konfidenzinformation getroffen wird.
  • Dafür umfasst das Bereitstellen der Konfidenzinformation insbesondere eine Ausgabe der Konfidenzinformation, beispielsweise auf einer Anzeigeeinheit. Die Entscheidung kann dann basierend auf der ausgegebenen Konfidenzinformation, beispielsweise durch einen Radiologen getroffen werden. Die Konfidenzinformation kann dem Radiologen eine wertvolle Information bieten, inwieweit er sich auf die Befundung durch das Befundungssystem verlassen kann. Auch kann die Konfidenzinformation dem Radiologen einen Hinweis geben, wieviel Zeit er gegebenenfalls für eine Kontrolle der Befundung durch das Befundungssystem aufwenden sollte.
  • Eine Ausführungsform sieht vor, dass die Entscheidung automatisch basierend auf dem Konfidenzmaß getroffen wird und das Bereitstellen der Konfidenzinformation ein Bereitstellen der Entscheidung umfasst.
  • In diesem Fall wird die Entscheidung insbesondere automatisch durch die Entscheidungseinheit getroffen, welche das Konfidenzmaß als Eingangsparameter für die Entscheidung verwendet. Dafür kann das von der Ermittlungseinheit ermittelte Konfidenzmaß an die Entscheidungseinheit übergeben werden. Die Entscheidung, dass die medizinischen Bilddaten automatisch durch das Befundungssystem befundet werden, wird insbesondere dann getroffen, wenn ein hohes Konfidenzmaß, welches eine Sicherheit der Befundung durch das Befundungssystem bestätigt, ermittelt wurde. Das Bereitstellen der Entscheidung ist insbesondere zum Festlegen der Weiterverarbeitung der medizinischen Bilddaten, insbesondere im Hinblick auf die Befundung der medizinischen Bilddaten, ausgebildet.
  • Eine Ausführungsform sieht vor, dass die Entscheidung automatisch basierend auf einem Schwellwertvergleich des Konfidenzmaßes mit zumindest einem Schwellwert für das Konfidenzmaß getroffen wird.
  • Im einfachsten Fall kann dabei ein Schwellwert für das Konfidenzmaß definiert werden. Liegt das Konfidenzmaß über dem Schwellwert, so kann die Entscheidung getroffen werden, dass die medizinischen Bilddaten automatisch durch das Befundungssystem befundet werden. Liegt das Konfidenzmaß unter dem Schwellwert, so kann die Entscheidung getroffen werden, dass die medizinischen Bilddaten zur Befundung einem Radiologen vorgelegt werden. Selbstverständlich ist auch der umgekehrte Fall denkbar, bei welchem ein niedrigeres Konfidenzmaß eine hohe Sicherheit der automatischen Befundung durch das Befundungssystem ausdrückt. Vorteilhafterweise können auch mehrere Schwellwerte definiert werden. Derart können feiner abgestufte Entscheidungen getroffen werden, beispielsweise dass die Befundung zwar durch das Befundungssystem erfolgen kann, allerdings anschließend noch durch einen Radiologen kontrolliert worden muss.
  • Der Schwellwertvergleich bietet eine besonders einfache Möglichkeit zum Treffen der Entscheidung. Gleichzeitig ermöglicht der Schwellwertvergleich eine auf individuelle Wünsche des Benutzers abgestimmte Anpassung des zumindest einen Schwellwerts. Selbstverständlich sind auch weitere Möglichkeiten denkbar, wie automatisch basierend auf dem Konfidenzmaß die Entscheidung getroffen werden kann.
  • In den folgenden Abschnitten werden verschiedene Parameter (erster Parameter, zweiter Parameter, dritter Parameter, vierter Parameter, fünfter Parameter, sechster Parameter) beschrieben, welche bei der Ermittlung des Konfidenzmaßes berücksichtigt werden. Bei der Ermittlung des Konfidenzmaßes kann so zumindest einer der in den folgenden Abschnitten beschriebenen Parameter berücksichtigt werden. Es ist auch ein Berücksichtigen einer beliebigen Kombination der in den folgenden Abschnitten beschriebenen Parameter bei der Ermittlung des Konfidenzmaßes denkbar. Dass das Konfidenzmaß unter Verwendung bzw. unter Berücksichtigung eines der folgenden Parameter ermittelt wird, bedeutet insbesondere, dass der Ermittlungsalgorithmus zur Ermittlung des Konfidenzmaßes den Parameter als Eingangsparameter aufweist. Die Formulierung, dass das Konfidenzmaß unter Verwendung eines Parameters ermittelt wird, wobei der Parameter basierend auf einer Eingangsvariablen ermittelt wird, kann auch umfassen, dass das Konfidenzmaß direkt unter Verwendung der Eingangsvariablen ermittelt wird.
  • Eine Ausführungsform sieht vor, dass das Konfidenzmaß unter Verwendung eines ersten Parameters ermittelt wird, wobei der erste Parameter eine mittlere Genauigkeit des Befundungssystems charakterisiert.
  • Der erste Parameter wird insbesondere bei einer klinischen Validierung und/oder einem Training des Befundungssystems und/oder im laufenden klinischen Betrieb ermittelt. Eine Möglichkeit zum Ermitteln des ersten Parameters wird in der folgenden Ausführungsform beschrieben. Der erste Parameter kann dabei insbesondere unabhängig von einer Ausbildung der konkret zu befundenden medizinischen Bilddaten sein. Derart kann der erste Parameter, insbesondere ausschließlich, eine generelle Sicherheit des Befundungssystems bezüglich des Befundens von medizinischen Bilddaten charakterisieren.
  • Der erste Parameter kann auf einer Sensitivität und/oder Spezifität des Befundungssystems basieren bzw. die Sensitivität und/oder Spezifität des Befundungssystems umfassen. Vorteilhafterweise ist dabei der erste Parameter auf eine Sensitivität und/oder Spezifität des Befundungssystems in Bezug auf die konkrete Befundung, welche das Befundungssystem in den medizinischen Bilddaten durchführen soll, gerichtet. Alternativ oder zusätzlich kann der erste Parameter auf einer absoluten Detektionsrate des Befundungssystems basieren bzw. die absolute Detektionsrate des Befundungssystems umfassen.
  • Eine Ausführungsform sieht vor, dass der erste Parameter mittels folgender Verfahrensschritte ermittelt wird:
    • – Bereitstellen von medizinischen Trainings-Bilddaten, für welche eine manuelle Befundung durch einen Radiologen vorliegt,
    • – Anwendung des Befundungssystems auf die medizinischen Trainings-Bilddaten, wobei eine automatische Befundung der medizinischen Trainings-Bilddaten erstellt wird,
    • – Ermitteln des ersten Parameters basierend auf einem Grad der Übereinstimmung der manuellen Befundung und automatischen Befundung der medizinischen Trainings-Bilddaten.
  • Die medizinischen Trainings-Bilddaten können dediziert zum Ermitteln des ersten Parameters bereitgestellt werden. Bei den medizinischen Trainings-Bilddaten kann es sich auch um Bilddaten handeln, welche kontinuierlich im klinischen Betrieb akquiriert werden bzw. im klinischen Betrieb vom Befundungssystem befundet werden. Wie in der folgenden Ausführungsform noch genauer beschrieben, kann es sich bei den medizinischen Trainings-Bilddaten auch um Bilddaten handeln, mittels welcher das Befundungssystem trainiert wird.
  • Die medizinischen Trainings-Bilddaten zeichnen sich insbesondere dadurch aus, dass zu ihnen jeweils eine manuelle Befundung durch einen Radiologen vorliegt. Die manuelle Befundung kann dabei eine schriftliche oder mündliche Befundungsstellung umfassen. Die medizinischen Trainings-Bilddaten sind insbesondere zusammen mit der manuellen Befundung in einer Trainings-Datenbank hinterlegt. Insbesondere handelt es sich dabei um eine Vielzahl von verschiedenen medizinischen Trainings-Bilddatensätzen, welche insbesondere von unterschiedlichen Patienten akquiriert worden sind, mit den jeweils dazu abgespeicherten manuellen Befundungen. Derart kann das Bereitstellen der medizinischen Trainings-Bilddaten ein Laden der medizinischen Trainings-Bilddaten zusammen mit der jeweiligen manuellen Befundung aus der Datenbank umfassen.
  • Die manuelle Befundung ist vorteilhafterweise in einem standardisierten Annotationsformat, wie es beispielsweise von einer Radiologenvereinigung definiert wird, abgespeichert. Das standardisierte Annotationsformat kann besonders einfach maschinenlesbar sein, so dass ein einfaches Bestimmen des Grads der Übereinstimmung der manuellen Befundung und automatischen Befundung möglich ist.
  • Das Befundungssystem wird insbesondere unabhängig von der manuellen Befundung auf die medizinischen Bilddaten angewendet. Derart wird die automatische Befundung durch das Befundungssystem insbesondere unabhängig von der manuellen Befundung durchgeführt. Die Reihenfolge der Durchführung der automatischen Befundung und manuellen Befundung ist dementsprechend unerheblich. Beide Befundungen können auch zumindest teilweise gleichzeitig durchgeführt werden.
  • Zum Ermitteln des ersten Parameters wird ein, insbesondere automatischer, Vergleich der manuellen Befundung und automatischen Befundung der medizinischen Bilddaten durchgeführt. In dem Vergleich kann der Grad der Übereinstimmung zwischen der manuellen Befundung und der automatischen Befundung ermittelt werden. Beispielsweise kann in dem Vergleich ermittelt werden, in wie vielen Fällen die automatische Befundung durch das Befundungssystem das gleiche Ergebnis liefert wie die manuelle Befundung durch den Radiologen.
  • Der erste Parameter kann direkt aus dem Grad der Übereinstimmung abgeleitet werden bzw. den Grad der Übereinstimmung umfassen. Generell legt ein hoher Grad der Übereinstimmung zwischen der manuellen Befundung und der automatischen Befundung nahe, dass die automatische Befundung mit einer hohen Sicherheit korrekt durchgeführt wird. Derart kann ein Vorliegen eines hohen Grads der Übereinstimmung dazu führen, dass der erste Parameter dem Befundungssystem eine hohe mittlere Genauigkeit attestiert. Dann kann wiederum ein Konfidenzmaß basierend auf dem ersten Parameter ermittelt werden, welches eine hohe Sicherheit der korrekten Befundung der medizinischen Bilddaten durch das Befundungssystem beschreibt. Im umgekehrten Fall kann die Sicherheit der korrekten Befundung durch das Befundungssystem eher gering sein, wenn die manuellen Befundungen und automatischen Befundungen der medizinischen Trainings-Bilddaten stark divergieren.
  • Das vorgeschlagene Vorgehen, welches die Verwendung der medizinischen Trainings-Bilddaten vorsieht, kann so zu einer aussagekräftigen Ermittlung der mittleren Genauigkeit des Befundungssystems führen. Vorteilhafterweise kann dabei die mittlere Genauigkeit des Befundungssystems laufend im klinischen Betrieb des Befundungssystems, solange manuelle Befundungen durch einen Radiologen vorliegen, aktualisiert werden.
  • Eine Ausführungsform sieht vor, dass basierend auf dem Grad der Übereinstimmung der manuellen Befundung und der automatischen Befundung Parameter des Befundungssystems angepasst werden.
  • Derart wird nicht nur der erste Parameter mit dem beschriebenen Vorgehen ermittelt, sondern es wird auch das Befundungssystem an sich angepasst. Derart kann vorteilhafterweise ein Training des Befundungssystems unter Verwendung der medizinischen Trainings-Bilddaten erfolgen. Das Befundungssystem kann auf Grundlage der medizinischen Trainings-Bilddaten und der dazu abgespeicherten manuellen Befundung lernen. Die Parameter des Befundungssystems werden dabei vorteilhafterweise derart angepasst, dass ein Grad der Übereinstimmung zwischen den manuellen Befundungen und automatischen Befundungen erhöht wird. Das Befundungssystem kann so gleichzeitig verbessert werden und hinsichtlich der diagnostischen Genauigkeit validiert werden.
  • Eine Ausführungsform sieht vor, dass das Konfidenzmaß unter Verwendung eines zweiten Parameters ermittelt wird, wobei der zweite Parameter basierend auf den medizinischen Bilddaten des Patienten ermittelt wird.
  • Die medizinischen Bilddaten gehen demnach direkt als Eingangsparameter in die Ermittlung des zweiten Parameters, welcher für die Berechnung des Konfidenzmaßes verwendet wird, ein. Hierbei können ein Bildinhalt der medizinischen Bilddaten und/oder Metainformationen, welche zu den medizinischen Bilddaten, beispielsweise in einem DICOM Format, hinterlegt sind, in die Ermittlung des zweiten Parameters eingehen. Die Metainformationen können dabei beispielsweise demographische Patienteninformationen, wie beispielsweise ein Alter und/oder Geschlecht des Patienten, umfassen. Weitere Metainformationen zu den medizinischen Bilddaten, wie beispielsweise hinterlegte Akquisitionsparameter, sind selbstverständlich denkbar. Die Ermittlung des Konfidenzmaßes basierend auf den medizinischen Bilddaten ermöglicht kann derart besonders vorteilhaft abgestimmt auf die konkrete Befundung der medizinischen Bilddaten des Patienten erfolgen.
  • Eine Ausführungsform sieht vor, dass basierend auf den medizinischen Bilddaten ein Qualitätsmaß für die medizinischen Bilddaten erstellt wird, wobei der zweite Parameter basierend auf dem Qualitätsmaß ermittelt wird.
  • Das Qualitätsmaß kann direkt aus einem Bildinhalt der medizinischen Bilddaten und/oder aus Metainformationen, die zu den medizinischen Bilddaten hinterlegt sind, abgeleitet werden. Das Qualitätsmaß kann beispielsweise ein Signal-zu-Rauschverhältnis (SNR) oder Kontrast-zu-Rauschverhältnis (CNR) der medizinischen Bilddaten umfassen bzw. auf diesen Parametern basieren. Das Qualitätsmaß kann basierend auf einem Auftreten von Artefakten in den medizinischen Bilddaten ermittelt werden. Das Qualitätsmaß kann besonders vorteilhaft eine Eignung der medizinischen Bilddaten für die automatische Befundung durch das Befundungssystem kennzeichnen. Medizinische Bilddaten mit einer schlechteren Bildqualität bzw. mit Artefakten können nämlich typischerweise zuverlässiger durch eine menschliche Person als durch ein automatisches System befundet werden. Derart kann das Qualitätsmaß derart als zweiter Parameter in das Ermitteln des Konfidenzmaßes eingehen, dass eine höhere Bildqualität bzw. geringeres Auftreten von Artefakten zu einer höheren Sicherheit einer korrekten Befundung der medizinischen Bilddaten durch das Befundungssystem führt.
  • Eine Ausführungsform sieht vor, dass die medizinischen Bilddaten mehrere medizinische Bilddatensätze des Patienten umfassen und das Befundungssystem mehrere unabhängige Befundungen getrennt für die mehreren medizinischen Bilddatensätze erstellt, wobei das Konfidenzmaß unter Verwendung eines dritten Parameters ermittelt wird, wobei der dritte Parameter basierend auf einem Grad der Übereinstimmung der mehreren unabhängigen Befundungen ermittelt wird.
  • Die mehreren medizinischen Bilddatensätze werden insbesondere vom gleichen Patienten aufgenommen. Die mehreren medizinischen Bilddatensätze können mit der gleichen Bildgebungsmodalität oder mit unterschiedlichen Bildgebungsmodalitäten akquiriert werden. Wenn die mehreren medizinischen Bilddatensätze mit der gleichen Bildgebungsmodalität aufgenommen werden, dann werden die mehreren medizinischen Bilddatensätze insbesondere sequentiell, insbesondere in einer Aufnahmesitzung, aufgenommen. Wenn die mehreren medizinischen Bilddatensätze mit verschiedenen Bildgebungsmodalitäten aufgenommen werden, ist bei integrierten Bildgebungsgeräten auch eine simultane Akquisition der mehreren medizinischen Bilddatensätze denkbar. Die mehreren medizinischen Bilddatensätze können einen unterschiedlichen Bildkontrast aufweisen. Wenn die mehreren medizinischen Bilddatensätze mittels Magnetresonanz-Bildgebung akquiriert werden, dann können die mehreren medizinischen Bilddatensätze beispielsweise mittels unterschiedlicher Magnetresonanz-Sequenzen akquiriert werden.
  • Die Befundung der mehreren medizinischen Bilddatensätze durch das Befundungssystem umfasst insbesondere eine erste Befundung eines ersten medizinischen Bilddatensatzes der mehreren medizinischen Bilddatensätze und eine zweite Befundung eines zweiten medizinischen Bilddatensatzes der mehreren medizinischen Bilddatensätze. Hierbei werden die erste Befundung und die zweite Befundung insbesondere derart unabhängig voneinander durchgeführt, dass keine Informationen aus der ersten Befundung die zweite Befundung beeinflussen und umgekehrt. Anschließend kann ein Grad der Übereinstimmung der ersten Befundung und der zweiten Befundung ermittelt werden, indem beispielsweise die Befundungsergebnisse aus der ersten Befundung und der zweiten Befundung verglichen werden. Indizieren die erste Befundung und die zweite Befundung das gleiche Befundungsergebnis, so kann ein hoher Grad der Übereinstimmung der mehreren unabhängigen Befundungen ermittelt werden. Dieses Vorgehen lässt sich problemlos auf mehr als zwei medizinische Bilddatensätze, d.h. mehr als zwei Befundungen, erweitern. Grundsätzlich kann der dritte Parameter zuverlässiger ermittelt werden, wenn eine hohe Zahl von mehreren medizinischen Bilddatensätzen unabhängig voneinander befundet werden und die jeweiligen Befundungen verglichen werden.
  • Diesem Vorgehen zum Ermitteln des Konfidenzmaßes liegt die Überlegung zugrunde, dass ein hoher Grad der Übereinstimmung der mehreren unabhängigen Befundungen grundsätzlich eine höhere Sicherheit der korrekten Befundung durch das Befundungssystem indizieren kann. Wenn beispielsweise alle unabhängigen Befundungen das gleiche Befundungsergebnis umfassen, so kann dem Befundungssystem eine höhere Sicherheit zugewiesen werden, als wenn nur die Hälfte der unabhängigen Befundungen das gleiche Befundungsergebnis umfasst bzw. wenn ein Teil der unabhängigen Befundungen voneinander abweichende Befundungsergebnisse umfassen.
  • Eine Ausführungsform sieht vor, dass das Konfidenzmaß unter Verwendung eines vierten Parameters ermittelt wird, wobei der vierte Parameter basierend auf einer Stärke eines Einflusses der automatischen Befundung durch das Befundungssystems auf eine folgende Therapie des Patienten ermittelt wird.
  • Derart können mögliche Folgen der automatischen Befundung der medizinischen Bilddaten durch das Befundungssystems bei der Ermittlung des Konfidenzmaßes berücksichtigt werden. Wenn zu erwarten ist, dass die automatische Befundung eher geringe therapeutische Konsequenzen nach sich zieht, so kann das Konfidenzmaß derart ermittelt werden, dass eher mehr Fälle automatisch durch das Befundungssystem befundet werden. Ist es dagegen offensichtlich, dass von der korrekten Befundung der medizinischen Bilddaten schwerwiegende therapeutische Folgen für den Patienten abhängen, so kann das Konfidenzmaß vorteilhafterweise derart ermittelt werden, dass die medizinischen Bilddaten zur Befundung bzw. zur Kontrolle der Befundung durch das Befundungssystem einem Radiologen vorgelegt werden.
  • Derart kann besonders vorteilhaft die bereits beschriebene Entscheidung unter Verwendung des so berechneten Konfidenzmaßes getroffen werden.
  • Eine Ausführungsform sieht vor, dass das Konfidenzmaß unter Verwendung eines fünften Parameters ermittelt wird, wobei der fünfte Parameter basierend auf einer aktuellen Zeitauslastung von zur Befundung der medizinischen Bilddaten zur Verfügung stehenden Radiologen ermittelt wird.
  • Die Zeitauslastung des zur Verfügung stehenden Radiologen kann elektronisch erfasst werden und demzufolge als Eingangsparameter für die Berechnung des Konfidenzmaßes verwendet werden. Diesem Vorgehen liegt die Überlegung zugrunde, dass das Konfidenzmaß derart berechnet werden kann, dass eher mehr medizinische Bilddaten zur Befundung bzw. zur Kontrolle der Befundung dem Radiologen vorgelegt werden, wenn eine geringe Zeitauslastung des Radiologen vorliegt. Liegt eine hohe Zeitauslastung des Radiologen vor, so kann das Konfidenzmaß derart angepasst werden, dass mehr Fälle dem Befundungssystem zur automatischen Befundung vorgelegt werden, um den Radiologen zu entlasten. Derart kann besonders vorteilhaft die bereits beschriebene Entscheidung unter Verwendung des so berechneten Konfidenzmaßes getroffen werden.
  • Eine Ausführungsform sieht vor, dass das Konfidenzmaß unter Verwendung eines sechsten Parameters ermittelt wird, wobei der sechste Parameter basierend auf zu erwartenden Kosten und/oder einem zu erwartenden Zeitaufwand der Befundung der medizinischen Bilddaten durch einen Radiologen ermittelt wird.
  • Diesem Vorgehen liegt die Überlegung zugrunde, dass die Entscheidung, ob die medizinischen Bilddaten automatisch durch das Befundungssystem befundet werden oder ob die medizinischen Bilddaten zur Befundung einem Radiologen vorgelegt werden, basierend auf einer Kostenrechnung, welche beispielsweise die Kosten der manuellen und automatischen Befundung miteinander vergleicht, getroffen werden kann.
  • Eine Ausführungsform sieht vor, dass basierend auf dem Konfidenzmaß automatisch ein Vorschlag für eine Akquisition von zusätzlichen medizinischen Bilddaten des Patienten zur Unterstützung der automatischen Befundung generiert wird, wobei das Bereitstellen der Konfidenzinformation ein Bereitstellen des Vorschlags umfasst.
  • Die Akquisition der zusätzlichen medizinischen Bilddaten wird insbesondere dann vorgeschlagen, wenn das Konfidenzmaß indiziert, dass auf Grundlage der bereits vorliegenden medizinischen Bilddaten keine ausreichend sichere Befundungsstellung durch das automatische Befundungssystem erfolgen kann. Gemäß dem Vorschlag können die zusätzlichen medizinischen Bilddaten derart akquiriert werden, dass sie einen zu den bereits vorliegenden medizinischen Bilddaten veränderten Bildkontrast aufweisen. Der Vorschlag kann auch eine Empfehlung umfassen, für die Akquisition der zusätzlichen medizinischen Bilddaten dem Patienten ein Kontrastmittel zu verabreichen.
  • Das Bereitstellen des Vorschlags kann eine Anzeige des Vorschlags für einen Benutzer auf einer Benutzeroberfläche umfassen. Das Bereitstellen des Vorschlags kann auch direkt eine zusätzliche Messung mittels des medizinischen Bildgebungsgeräts zur Akquisition der zusätzlichen medizinischen Bilddaten umfassen. Der Vorschlag kann derart unterbreitet werden, dass die automatische Befundung der zusätzlichen medizinischen Bilddaten, insbesondere in Kombination mit den bereits vorliegenden medizinischen Bilddaten, durch das Befundungssystem eine höhere Sicherheit der korrekten Befundung aufweist, als die automatische Befundung der bereits vorliegenden medizinischen Bilddaten alleine.
  • Die erfindungsgemäße Recheneinheit umfasst zumindest ein Rechenmodul, wobei die Recheneinheit zum Ausführen eines erfindungsgemäßen Verfahrens ausgebildet ist.
  • So ist insbesondere die Recheneinheit dazu ausgebildet, computerlesbare Instruktionen auszuführen, um das erfindungsgemäße Verfahren auszuführen. Insbesondere umfasst die Recheneinheit eine Speichereinheit, wobei auf der Speichereinheit computerlesbare Informationen gespeichert sind, wobei die Recheneinheit dazu ausgebildet ist, die computerlesbaren Informationen von der Speichereinheit zu laden und die computerlesbaren Informationen auszuführen, um ein erfindungsgemäßes Verfahren auszuführen.
  • Derart ist die erfindungsgemäße Recheneinheit dazu ausgebildet, ein Verfahren zum Bereitstellen einer Konfidenzinformation auszuführen. Die Recheneinheit kann dafür eine erste Bereitstellungseinheit zum Bereitstellen eines Befundungssystems umfassen. Weiterhin kann die Recheneinheit eine Erfassungseinheit zum Erfassen von medizinischen Bilddaten eines Patienten umfassen. Die Recheneinheit kann auch eine Ermittlungseinheit zum Ermitteln eines Konfidenzmaßes, welches eine Sicherheit einer korrekten Befundung der medizinischen Bilddaten durch das Befundungssystem beschreibt, umfassen. Schließlich kann die Recheneinheit eine zweite Bereitstellungseinheit zum Bereitstellen einer Konfidenzinformation über die Sicherheit der korrekten Befundung der medizinischen Bilddaten durch das Befundungssystem, wobei die Konfidenzinformation auf dem ermittelten Konfidenzmaß basiert, umfassen.
  • Die Komponenten der Recheneinheit können zum überwiegenden Teil in Form von Softwarekomponenten ausgebildet sein. Grundsätzlich können diese Komponenten aber auch zum Teil, insbesondere wenn es um besonders schnelle Berechnungen geht, in Form von softwareunterstützten Hardwarekomponenten, beispielsweise FPGAs oder dergleichen, realisiert sein. Ebenso können die benötigten Schnittstellen, beispielsweise wenn es nur um eine Übernahme von Daten aus anderen Softwarekomponenten geht, als Softwareschnittstellen ausgebildet sein. Sie können aber auch als hardwaremäßig aufgebaute Schnittstellen ausgebildet sein, die durch geeignete Software angesteuert werden. Selbstverständlich ist es auch denkbar, dass mehrere der genannten Komponenten in Form einer einzelnen Softwarekomponente bzw. softwareunterstützter Hardwarekomponente zusammengefasst realisiert sind.
  • Das erfindungsgemäße medizinische Bildgebungsgerät umfasst die erfindungsgemäße Recheneinheit.
  • Die Recheneinheit kann dazu ausgebildet sein, Steuerungssignale an das medizinische Bildgebungsgerät zu senden und/oder Steuerungssignale zu empfangen und/oder zu verarbeiten, um ein erfindungsgemäßes Verfahren auszuführen. Die Recheneinheit kann in das medizinische Bildgebungsgerät integriert sein. Die Recheneinheit kann auch separat von dem medizinischen Bildgebungsgerät installiert sein. Die Recheneinheit kann mit dem medizinischen Bildgebungsgerät verbunden sein.
  • Das Erfassen der medizinischen Bilddaten kann eine Aufnahme der medizinischen Bilddaten mittels einer Aufnahmeeinheit des medizinischen Bildgebungsgeräts umfassen. Die medizinischen Bilddaten können dann an die Recheneinheit zur Weiterverarbeitung übergeben werden. Die Recheneinheit kann die medizinischen Bilddaten dann mittels der Erfassungseinheit erfassen.
  • Das erfindungsgemäße Computerprogrammprodukt ist direkt in einen Speicher einer programmierbaren Recheneinheit ladbar und weist Programmcode-Mittel auf, um ein erfindungsgemäßes Verfahren auszuführen, wenn das Computerprogrammprodukt in der Recheneinheit ausgeführt wird. Das Computerprogrammprodukt kann ein Computerprogramm sein oder ein Computerprogramm umfassen. Dadurch kann das erfindungsgemäße Verfahren schnell, identisch wiederholbar und robust ausgeführt werden. Das Computerprogrammprodukt ist so konfiguriert, dass es mittels der Recheneinheit die erfindungsgemäßen Verfahrensschritte ausführen kann. Die Recheneinheit muss dabei jeweils die Voraussetzungen wie beispielsweise einen entsprechenden Arbeitsspeicher, eine entsprechende Grafikkarte oder eine entsprechende Logikeinheit aufweisen, so dass die jeweiligen Verfahrensschritte effizient ausgeführt werden können. Das Computerprogrammprodukt ist beispielsweise auf einem computerlesbaren Medium gespeichert oder auf einem Netzwerk oder Server hinterlegt, von wo es in den Prozessor einer lokalen Recheneinheit geladen werden kann, der mit direkt verbunden oder als Teil ausgebildet sein kann. Weiterhin können Steuerinformationen des Computerprogrammprodukts auf einem elektronisch lesbaren Datenträger gespeichert sein. Die Steuerinformationen des elektronisch lesbaren Datenträgers können derart ausgestaltet sein, dass sie bei Verwendung des Datenträgers in einer Recheneinheit ein erfindungsgemäßes Verfahren ausführen. So kann das Computerprogrammprodukt auch den elektronisch lesbaren Datenträger darstellen. Beispiele für elektronisch lesbare Datenträger sind eine DVD, ein Magnetband, eine Festplatte oder ein USB-Stick, auf welchem elektronisch lesbare Steuerinformationen, insbesondere Software (vgl. oben), gespeichert ist. Wenn diese Steuerinformationen (Software) von dem Datenträger gelesen und in eine Steuerung und/oder Recheneinheit gespeichert werden, können alle erfindungsgemäßen Ausführungsformen der vorab beschriebenen Verfahren durchgeführt werden. So kann die Erfindung auch von dem besagten computerlesbaren Medium und/oder dem besagten elektronisch lesbaren Datenträger ausgehen.
  • Die Vorteile der erfindungsgemäßen Computerprogrammprodukts, des erfindungsgemäßen medizinischen Bildgebungsgeräts und der erfindungsgemäßen Recheneinheit entsprechen im Wesentlichen den Vorteilen des erfindungsgemäßen Verfahrens, welche vorab im Detail ausgeführt sind. Hierbei erwähnte Merkmale, Vorteile oder alternative Ausführungsformen sind ebenso auch auf die anderen beanspruchten Gegenstände zu übertragen und umgekehrt. Mit anderen Worten können die gegenständlichen Ansprüche auch mit den Merkmalen, die in Zusammenhang mit einem Verfahren beschrieben oder beansprucht sind, weitergebildet sein. Die entsprechenden funktionalen Merkmale des Verfahrens werden dabei durch entsprechende gegenständliche Module, insbesondere durch Hardware-Module, ausgebildet.
  • Im Folgenden wird die Erfindung anhand der in den Figuren dargestellten Ausführungsbeispiele näher beschrieben und erläutert.
  • Es zeigen:
  • 1 ein medizinisches Bildgebungsgerät mit einer erfindungsgemäßen Recheneinheit 27,
  • 2 eine erste Ausführungsform eines erfindungsgemäßen Verfahrens und
  • 3 eine zweite Ausführungsform eines erfindungsgemäßen Verfahrens.
  • 1 zeigt ein medizinisches Bildgebungsgerät 11 mit einer erfindungsgemäßen Recheneinheit 27.
  • Das medizinische Bildgebungsgerät 11 kann beispielsweise ein Magnetresonanzgerät, ein Einzelphotonenemissionstomographie-Gerät (SPECT-Gerät), ein Positronen-Emissions-Tomographie-Gerät (PET-Gerät), ein Computertomograph, ein Ultraschall-Gerät, ein Röntgengerät oder ein C-Bogen-Gerät sein. Es sind dabei auch kombinierte medizinische Bildgebungsgeräte 11 möglich, welche eine beliebige Kombination aus mehreren der genannten Bildgebungsmodalitäten umfassen.
  • Im gezeigten Fall ist das medizinische Bildgebungsgerät 11 exemplarisch als Magnetresonanzgerät 11 ausgebildet.
  • Das Magnetresonanzgerät 11 umfasst eine von einer Magneteinheit 13 gebildete Detektoreinheit mit einem Hauptmagneten 17 zu einem Erzeugen eines starken und insbesondere konstanten Hauptmagnetfelds 18. Zudem weist das Magnetresonanzgerät 11 einen zylinderförmigen Patientenaufnahmebereich 14 zu einer Aufnahme eines Patienten 15, wobei der Patientenaufnahmebereich 14 in einer Umfangsrichtung von der Magneteinheit 13 zylinderförmig umschlossen ist. Der Patient 15 kann mittels einer Patientenlagerungsvorrichtung 16 des Magnetresonanzgeräts 11 in den Patientenaufnahmebereich 14 geschoben werden. Die Patientenlagerungsvorrichtung 16 weist hierzu einen Liegentisch auf, der bewegbar innerhalb des Magnetresonanzgeräts 11 angeordnet ist. Die Magneteinheit 13 ist mittels einer Gehäuseverkleidung 31 des Magnetresonanzgeräts nach außen abgeschirmt.
  • Die Magneteinheit 13 weist weiterhin eine Gradientenspuleneinheit 19 zu einer Erzeugung von Magnetfeldgradienten auf, die für eine Ortskodierung während einer Bildgebung verwendet werden. Die Gradientenspuleneinheit 19 wird mittels einer Gradientensteuereinheit 28 angesteuert. Des Weiteren weist die Magneteinheit 13 eine Hochfrequenzantenneneinheit 20, welche im gezeigten Fall als fest in das Magnetresonanzgerät 10 integrierte Körperspule ausgebildet ist, und eine Hochfrequenzantennensteuereinheit 29 zu einer Anregung einer Polarisation, die sich in dem von dem Hauptmagneten 17 erzeugten Hauptmagnetfeld 18 einstellt, auf. Die Hochfrequenzantenneneinheit 20 wird von der Hochfrequenzantennensteuereinheit 29 angesteuert und strahlt hochfrequente Magnetresonanz-Sequenzen in einen Untersuchungsraum, der im Wesentlichen von dem Patientenaufnahmebereich 14 gebildet ist, ein. Die Hochfrequenzantenneneinheit 20 ist weiterhin zum Empfang von Magnetresonanz-Signalen, insbesondere aus dem Patienten 15, ausgebildet.
  • Zu einer Steuerung des Hauptmagneten 17, der Gradientensteuereinheit 28 und der Hochfrequenzantennensteuereinheit 29 weist das Magnetresonanzgerät 11 eine Steuereinheit 24 auf. Die Steuereinheit 24 steuert zentral das Magnetresonanzgerät 11, wie beispielsweise das Durchführen einer vorbestimmten bildgebenden Gradientenechosequenz. Steuerinformationen wie beispielsweise Bildgebungsparameter, sowie rekonstruierte Magnetresonanz-Bilder können auf einer Bereitstellungseinheit 25, im vorliegenden Fall einer Anzeigeeinheit 25, des Magnetresonanzgeräts 11 für einen Benutzer bereitgestellt werden. Zudem weist das Magnetresonanzgerät 11 eine Eingabeeinheit 26 auf, mittels derer Informationen und/oder Parameter während eines Messvorgangs von einem Benutzer eingegeben werden können. Die Steuereinheit 24 kann die Gradientensteuereinheit 28 und/oder Hochfrequenzantennensteuereinheit 29 und/oder die Anzeigeeinheit 25 und/oder die Eingabeeinheit 26 umfassen.
  • Das Magnetresonanzgerät 11 umfasst weiterhin eine Aufnahmeeinheit 32. Die Aufnahmeeinheit 32 wird im vorliegenden Fall von der Magneteinheit 13 zusammen mit der Hochfrequenzantennensteuereinheit 29 und der Gradientensteuereinheit 28 gebildet.
  • Das dargestellte Magnetresonanzgerät 11 kann selbstverständlich weitere Komponenten umfassen, die Magnetresonanzgeräte 11 gewöhnlich aufweisen. Eine allgemeine Funktionsweise eines Magnetresonanzgeräts 11 ist zudem dem Fachmann bekannt, so dass auf eine detaillierte Beschreibung der weiteren Komponenten verzichtet wird.
  • Das dargestellte Magnetresonanzgerät 11 umfasst eine Recheneinheit 27, welche eine erste Bereitstellungseinheit 33, eine Erfassungseinheit 34, eine Ermittlungseinheit 35 und eine zweite Bereitstellungseinheit 36 umfasst. Derart ist die Recheneinheit 27 zum Ausführen eines Verfahrens gemäß 2–3 ausgebildet.
  • Zum alleinigen Ausführen eines erfindungsgemäßen Verfahrens wird die Recheneinheit 27 vorteilhafterweise medizinische Bilddaten mittels der Erfassungseinheit 34 aus einer Datenbank laden. Wenn das erfindungsgemäße Verfahren kombiniert von dem Magnetresonanzgerät 11 und der Recheneinheit 27 ausgeführt wird, wird die Erfassungseinheit 34 der Recheneinheit 27 insbesondere medizinische Bilddaten, welche mittels der Aufnahmeeinheit 32 des Magnetresonanzgeräts 11 aufgenommen worden sind, erfassen. Dafür ist die Recheneinheit 27, insbesondere die Erfassungseinheit 34, vorteilhafterweise mit der Steuereinheit 24 des Magnetresonanzgeräts 11 hinsichtlich eines Datenaustauschs verbunden. Wenn das erfindungsgemäße Verfahren kombiniert von dem Magnetresonanzgerät 11 und der Recheneinheit 27 ausgeführt wird, kann die Konfidenzinformation, welche von der Recheneinheit 27 ermittelt wird, auf der Bereitstellungseinheit 25 des Magnetresonanzgeräts 11 bereitgestellt werden.
  • 2 zeigt ein Ablaufdiagramm einer ersten Ausführungsform eines erfindungsgemäßen Verfahrens zum Bereitstellen einer Konfidenzinformation.
  • In einem ersten Verfahrensschritt 40 erfolgt ein Bereitstellen eines Befundungssystems mittels der ersten Bereitstellungseinheit 33 der Recheneinheit 27.
  • In einem weiteren Verfahrensschritt 41 erfolgt ein Erfassen von medizinischen Bilddaten eines Patienten mittels der Erfassungseinheit 34 der Recheneinheit 27.
  • In einem weiteren Verfahrensschritt 42 erfolgt ein Ermitteln eines Konfidenzmaßes, welches eine Sicherheit einer korrekten Befundung der medizinischen Bilddaten durch das Befundungssystem beschreibt, mittels der Ermittlungseinheit 35 der Recheneinheit 27.
  • In einem weiteren Verfahrensschritt 43 erfolgt ein Bereitstellen einer Konfidenzinformation über die Sicherheit der korrekten Befundung der medizinischen Bilddaten durch das Befundungssystem mittels der zweiten Bereitstellungseinheit 36 der Recheneinheit 27, wobei die Konfidenzinformation auf dem ermittelten Konfidenzmaß basiert.
  • 3 zeigt ein Ablaufdiagramm einer zweiten Ausführungsform eines erfindungsgemäßen Verfahrens zum Bereitstellen einer Konfidenzinformation.
  • Die nachfolgende Beschreibung beschränkt sich im Wesentlichen auf die Unterschiede zu dem Ausführungsbeispiel in 2, wobei bezüglich gleich bleibender Verfahrensschritte auf die Beschreibung des Ausführungsbeispiels in 2 verwiesen wird. Im Wesentlichen gleich bleibende Verfahrensschritte sind grundsätzlich mit den gleichen Bezugszeichen beziffert.
  • Die in 3 gezeigte Ausführungsform des erfindungsgemäßen Verfahrens umfasst im Wesentlichen die Verfahrensschritte 40, 41, 42, 43 der ersten Ausführungsform des erfindungsgemäßen Verfahrens gemäß 2. Zusätzlich umfasst die in 3 gezeigte Ausführungsform des erfindungsgemäßen Verfahrens zusätzliche Verfahrensschritte und Unterschritte. Denkbar ist auch ein zu 3 alternativer Verfahrensablauf, welcher nur einen Teil der in 3 dargestellten zusätzlichen Verfahrensschritte und/oder Unterschritte aufweist. Selbstverständlich kann auch ein zu 3 alternativer Verfahrensablauf zusätzliche Verfahrensschritte und/oder Unterschritte aufweisen.
  • Im in 3 gezeigten Fall wird das Konfidenzmaß unter Verwendung zumindest eines Parameters ermittelt. In das Ermitteln des Konfidenzmaßes kann dabei einer der genannten Parameter. Es kann auch eine beliebige Kombination bzw. Teilmenge der genannten Parameter gleichzeitig für die Ermittlung des Konfidenzmaßes verwendet werden.
  • Das Konfidenzmaß kann unter Verwendung eines ersten Parameters ermittelt werden, wobei der erste Parameter eine mittlere Genauigkeit des Befundungssystems charakterisiert. Der erste Parameter kann in einem ersten Parameter-Ermittlungsschritt P1 ermittelt werden.
  • Der erste Parameter wird im in 3 gezeigten Fall mittels folgender Teilschritte P1-1, P1-2, P1-3 des ersten Parameter-Ermittlungsschritts P1 ermittelt:
    • – Bereitstellen von medizinischen Trainings-Bilddaten in einem ersten Teilschritt P1-1, wobei für die medizinischen Trainings-Bilddaten eine manuelle Befundung durch einen Radiologen vorliegt,
    • – Anwendung des Befundungssystems auf die medizinischen Trainings-Bilddaten in einem zweiten Teilschritt P1-2, wobei eine automatische Befundung der medizinischen Trainings-Bilddaten erstellt wird,
    • – Ermitteln des ersten Parameters basierend auf einem Grad der Übereinstimmung der manuellen Befundung und automatischen Befundung der medizinischen Trainings-Bilddaten in einem dritten Teilschritt P1-3.
  • Basierend auf dem Grad der Übereinstimmung der manuellen Befundung und der automatischen Befundung können in einem weiteren Verfahrensschritt 44 Parameter des Befundungssystems angepasst werden.
  • Das Konfidenzmaß kann auch unter Verwendung eines zweiten Parameters ermittelt werden, wobei der zweite Parameter basierend auf den medizinischen Bilddaten des Patienten in einem zweiten Parameter-Ermittlungsschritt P2 ermittelt wird. Der zweite Parameter-Ermittlungsschritt P2 kann einen Teilschritt P2-1 umfassen, bei dem basierend auf den medizinischen Bilddaten ein Qualitätsmaß für die medizinischen Bilddaten erstellt wird, wobei der zweite Parameter dann im zweiten Parameter-Ermittlungsschritt P2 basierend auf dem Qualitätsmaß ermittelt wird.
  • Das Vorgehen gemäß 3 kann weiterhin das Ermitteln eines dritten Parameters in einem dritten Parameter-Ermittlungsschritt P3 vorsehen. Basierend auf dem dritten Parameter kann dann das Konfidenzmaß bestimmt werden.
  • Hierbei können in einem ersten Teilschritt P3-1 ein erster medizinischer Bilddatensatz und in einem zweiten Teilschritt P3-2 ein zweiter medizinischer Bilddatensatz unabhängig voneinander vom Befundungssystem befundet werden. In einem dritten Teilschritt P3-3 kann ein Grad der Übereinstimmung der mehreren unabhängigen Befundungen ermittelt werden, wobei der dritte Parameter dann basierend auf dem Grad der Übereinstimmung der mehreren unabhängigen Befundungen ermittelt wird.
  • Generell gesprochen können die medizinischen Bilddaten mehrere medizinische Bilddatensätze des Patienten umfassen. Das Befundungssystem kann dann mehrere unabhängige Befundungen getrennt für die mehreren medizinischen Bilddatensätze erstellt, wobei das Konfidenzmaß unter Verwendung eines dritten Parameters ermittelt wird, wobei der dritte Parameter in dem dritten Parameter-Ermittlungsschritt P3 basierend auf einem Grad der Übereinstimmung der mehreren unabhängigen Befundungen ermittelt wird.
  • Gemäß 3 kann das Konfidenzmaß auch unter Verwendung eines vierten Parameters ermittelt werden, wobei der vierte Parameter in einem vierten Parameter-Ermittlungsschritt P4 basierend auf einer Stärke eines Einflusses der automatischen Befundung durch das Befundungssystems auf eine folgende Therapie des Patienten ermittelt wird.
  • Gemäß 3 kann das Konfidenzmaß auch unter Verwendung eines fünften Parameters ermittelt werden, wobei der fünfte Parameter in einem fünften Parameter-Ermittlungsschritt P5 basierend auf einer aktuellen Zeitauslastung von zur Befundung der medizinischen Bilddaten zur Verfügung stehenden Radiologen ermittelt wird.
  • Gemäß 3 kann das Konfidenzmaß auch unter Verwendung eines sechsten Parameters ermittelt werden, wobei der sechste Parameter in einem sechsten Parameter-Ermittlungsschritt P6 basierend auf zu erwartenden Kosten und/oder einem zu erwartenden Zeitaufwand der Befundung der medizinischen Bilddaten durch einen Radiologen ermittelt wird.
  • Schließlich wird gemäß 3 basierend auf dem Konfidenzmaß in einem Entscheidungsschritt Ex2, Ey eine Entscheidung getroffen wird, ob die medizinischen Bilddaten automatisch durch das Befundungssystem befundet werden oder ob die medizinischen Bilddaten zur Befundung einem Radiologen vorgelegt werden. Hierbei kann die Entscheidung in einem ersten möglichen Entscheidungsschritt Ey, insbesondere manuell, basierend auf der bereitgestellten Konfidenzinformation getroffen werden. Alternativ kann die Entscheidung in einem zweiten möglichen Entscheidungsschritt Ex2 automatisch basierend auf dem Konfidenzmaß getroffen werden. In diesem Fall umfasst das Bereitstellen der Konfidenzinformation insbesondere ein Bereitstellen der Entscheidung. Weiterhin kann für den zweiten möglichen Entscheidungsschritt Ex2 in einem Vergleichsschritt Ex1 ein Schwellwertvergleich des Konfidenzmaßes mit zumindest einem Schwellwert für das Konfidenzmaß durchgeführt werden, wobei dann die Entscheidung im zweiten möglichen Entscheidungsschritt Ex2 automatisch basierend auf dem Ergebnis des Schwellwertvergleichs getroffen wird.
  • Es ist weiterhin denkbar, dass basierend auf dem Konfidenzmaß automatisch ein Vorschlag für eine Akquisition von zusätzlichen medizinischen Bilddaten des Patienten zur Unterstützung der automatischen Befundung generiert wird, wobei das Bereitstellen der Konfidenzinformation in einem Teilschritt V des weiteren Verfahrensschritts 43 ein Bereitstellen des Vorschlags umfasst.
  • Die in 2–3 dargestellten Verfahrensschritte des erfindungsgemäßen Verfahrens werden von der Recheneinheit ausgeführt. Hierzu umfasst die Recheneinheit erforderliche Software und/oder Computerprogramme, die in einer Speichereinheit der Recheneinheit gespeichert sind. Die Software und/oder Computerprogramme umfassen Programmmittel, die dazu ausgelegt sind, das erfindungsgemäße Verfahren auszuführen, wenn das Computerprogramm und/oder die Software in der Recheneinheit mittels einer Prozessoreinheit der Recheneinheit ausgeführt wird.
  • Exemplarisch soll nun eine Ausführung von Teilen des erfindungsgemäßen Verfahrens an einem konkreten Fall illustriert werden. Die folgende Beschreibung dient selbstverständlich nur zur Veranschaulich.
  • Es wird ein Befundungssystem angenommen, welches als künstliche Intelligenz ein künstliches neuronales Deep-Learning Netzwerk einsetzt. Das Befundungssystem ist zur Durchführung der Klassifizierung „Lebertumor bei Patient vorhanden“ in den medizinischen Bilddaten ausgebildet.
  • Zunächst kann festgehalten werden, dass die „Ground Truth“, also die wahre Befundung aller diagnostizierten Patienten, in der Realität nicht vollständig bekannt ist. Es geht somit im ersten Schritt darum, dass das Befundungssystem die Befundung des Radiologen möglichst gut nachbilden kann. Dies wird im regulatorischen Sinne Gleichwertigkeit („non-inferiority“) genannt. Erst in einem zweiten Schritt könnte dann gezeigt werden, dass die Klassifizierung durch das Befundungssystem besser ist als die bestehenden radiologischen Maßnahmen, etwa durch Vergleich mit klinischen Sekundärparametern wie Therapieergebnissen oder pathologischen bzw. histologischen Informationen.
  • Im vorliegenden Bespiel wird deshalb zunächst die manuelle Befundung durch einen Radiologen als „ground truth“ angenommen. Durch den ständigen Vergleich von annotierten medizinischen Trainings-Bilddaten und den Klassifizierungsergebnissen des Befundungssystems wird beispielsweise ermittelt, dass das Befundungssystem für diese spezielle Aufgabe mit einer Sensitivität (True Positive Rate) von 98 Prozent und einer Spezifität (True Negative Rate) von 95 Prozent die manuelle Diagnostik der Radiologie des Krankenhauses nachbildet. Eine solche Ermittlung kann im Rahmen der bereits beschriebenen Ermittlung des ersten Parameters erfolgen.
  • In diesem speziellen Fall wäre es angebracht, dem Radiologen die automatische Befundung durch das Befundungssystem mindestens zur Bestätigung vorzulegen. Den Radiologen ganz auszuschließen könnte in diesem konkreten Beispiel unangemessen sein, da die False Negative Rate im Mittel immerhin 5 Prozent falsche Ergebnisse erzeugt. Solche falschen Ergebnisse können aufgrund der folgenden Therapieentscheidung potentiell schwerwiegende Folgen für den Patienten haben. Es ist dabei denkbar, dass ein höheres ermitteltes Konfidenzmaß dazu führt, dass der Radiologe weniger Zeit bzw. Aufmerksamkeit in die Befundung bzw. die Kontrolle der Befundung durch das Befundungssystem investieren muss.
  • Langfristig ist es denkbar, dass Teile der Diagnostik auch autonom maschinell durch das Befundungssystem gemacht werden. In diesem Fall kann die Befundung durch das Befundungssystem auch mit anderen „ground-truth“ Verfahren, wie beispielsweise histologischen und pathologischen Befundungen, trainiert werden. Auch der Vergleich von der ermittelten Konfidenz von unterschiedlichen automatischen Befundungssystemen gegeneinander ist möglich. Wichtig ist, dass in diesem Szenario das ermittelte Konfidenzmaß für das Befundungssystem, insbesondere im Mittel und im konkreten Patientenfall, quantitativ dokumentiert werden kann. Aus regulativer Sicht kann dies ein entscheidender Schritt zur regulatorischen Zulassung eines automatischen Befundungssystems sein.
  • Obwohl die Erfindung im Detail durch die bevorzugten Ausführungsbeispiele näher illustriert und beschrieben wurde, so ist die Erfindung dennoch nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen.

Claims (18)

  1. Verfahren zum Bereitstellen einer Konfidenzinformation, umfassend folgende Verfahrensschritte: – Bereitstellen eines automatischen Befundungssystems, – Erfassen von medizinischen Bilddaten eines Patienten, – Ermitteln eines Konfidenzmaßes, welches eine Sicherheit einer korrekten Befundung der medizinischen Bilddaten durch das Befundungssystem beschreibt, und – Bereitstellen einer Konfidenzinformation über die Sicherheit der korrekten Befundung der medizinischen Bilddaten durch das Befundungssystem, wobei die Konfidenzinformation auf dem ermittelten Konfidenzmaß basiert.
  2. Verfahren nach Anspruch 1, wobei basierend auf dem Konfidenzmaß eine Entscheidung getroffen wird, ob die medizinischen Bilddaten automatisch durch das Befundungssystem befundet werden oder ob die medizinischen Bilddaten zur Befundung einem Radiologen vorgelegt werden.
  3. Verfahren nach Anspruch 2, wobei die Entscheidung basierend auf der bereitgestellten Konfidenzinformation getroffen wird.
  4. Verfahren nach Anspruch 2, wobei die Entscheidung automatisch basierend auf dem Konfidenzmaß getroffen wird und das Bereitstellen der Konfidenzinformation ein Bereitstellen der Entscheidung umfasst.
  5. Verfahren nach Anspruch 4, wobei die Entscheidung automatisch basierend auf einem Schwellwertvergleich des Konfidenzmaßes mit zumindest einem Schwellwert für das Konfidenzmaß getroffen wird.
  6. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Konfidenzmaß unter Verwendung eines ersten Parameters ermittelt wird, wobei der erste Parameter eine mittlere Genauigkeit des Befundungssystems charakterisiert.
  7. Verfahren nach Anspruch 6, wobei der erste Parameter mittels folgender Verfahrensschritte ermittelt wird: – Bereitstellen von medizinischen Trainings-Bilddaten, für welche eine manuelle Befundung durch einen Radiologen vorliegt, – Anwendung des Befundungssystems auf die medizinischen Trainings-Bilddaten, wobei eine automatische Befundung der medizinischen Trainings-Bilddaten erstellt wird, – Ermitteln des ersten Parameters basierend auf einem Grad der Übereinstimmung der manuellen Befundung und automatischen Befundung der medizinischen Trainings-Bilddaten.
  8. Verfahren nach Anspruch 7, wobei basierend auf dem Grad der Übereinstimmung der manuellen Befundung und der automatischen Befundung Parameter des Befundungssystems angepasst werden.
  9. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Konfidenzmaß unter Verwendung eines zweiten Parameters ermittelt wird, wobei der zweite Parameter basierend auf den medizinischen Bilddaten des Patienten ermittelt wird.
  10. Verfahren nach Anspruch 9, wobei basierend auf den medizinischen Bilddaten ein Qualitätsmaß für die medizinischen Bilddaten erstellt wird, wobei der zweite Parameter basierend auf dem Qualitätsmaß ermittelt wird.
  11. Verfahren nach einem der vorhergehenden Ansprüche, wobei die medizinischen Bilddaten mehrere medizinische Bilddatensätze des Patienten umfassen und das Befundungssystem mehrere unabhängige Befundungen getrennt für die mehreren medizinischen Bilddatensätze erstellt, wobei das Konfidenzmaß unter Verwendung eines dritten Parameters ermittelt wird, wobei der dritte Parameter basierend auf einem Grad der Übereinstimmung der mehreren unabhängigen Befundungen ermittelt wird.
  12. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Konfidenzmaß unter Verwendung eines vierten Parameters ermittelt wird, wobei der vierte Parameter basierend auf einer Stärke eines Einflusses der automatischen Befundung durch das Befundungssystems auf eine folgende Therapie des Patienten ermittelt wird.
  13. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Konfidenzmaß unter Verwendung eines fünften Parameters ermittelt wird, wobei der fünfte Parameter basierend auf einer aktuellen Zeitauslastung von zur Befundung der medizinischen Bilddaten zur Verfügung stehenden Radiologen ermittelt wird.
  14. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Konfidenzmaß unter Verwendung eines sechsten Parameters ermittelt wird, wobei der sechste Parameter basierend auf zu erwartenden Kosten und/oder einem zu erwartenden Zeitaufwand der Befundung der medizinischen Bilddaten durch einen Radiologen ermittelt wird.
  15. Verfahren nach einem der vorhergehenden Ansprüche, wobei basierend auf dem Konfidenzmaß automatisch ein Vorschlag für eine Akquisition von zusätzlichen medizinischen Bilddaten des Patienten zur Unterstützung der automatischen Befundung generiert wird, wobei das Bereitstellen der Konfidenzinformation ein Bereitstellen des Vorschlags umfasst.
  16. Recheneinheit, umfassend zumindest ein Rechenmodul, wobei die Recheneinheit zum Ausführen eines Verfahrens nach einem der vorhergehenden Ansprüche ausgebildet ist.
  17. Medizinisches Bildgebungsgerät umfassend eine Recheneinheit nach Anspruch 16.
  18. Computerprogrammprodukt, welches direkt in einen Speicher einer programmierbaren Recheneinheit ladbar ist, mit Programmcode-Mitteln, um ein Verfahren nach einem der Ansprüche 1–15 auszuführen, wenn das Computerprogrammprodukt in der Recheneinheit ausgeführt wird.
DE102016219488.7A 2016-10-07 2016-10-07 Verfahren zum Bereitstellen einer Konfidenzinformation Pending DE102016219488A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
DE102016219488.7A DE102016219488A1 (de) 2016-10-07 2016-10-07 Verfahren zum Bereitstellen einer Konfidenzinformation
CN201710915757.7A CN107913076B (zh) 2016-10-07 2017-09-30 用于提供置信信息的方法
US15/726,621 US11302436B2 (en) 2016-10-07 2017-10-06 Method, computer and medical imaging apparatus for the provision of confidence information

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102016219488.7A DE102016219488A1 (de) 2016-10-07 2016-10-07 Verfahren zum Bereitstellen einer Konfidenzinformation

Publications (1)

Publication Number Publication Date
DE102016219488A1 true DE102016219488A1 (de) 2018-04-12

Family

ID=61695617

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102016219488.7A Pending DE102016219488A1 (de) 2016-10-07 2016-10-07 Verfahren zum Bereitstellen einer Konfidenzinformation

Country Status (3)

Country Link
US (1) US11302436B2 (de)
CN (1) CN107913076B (de)
DE (1) DE102016219488A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3889967A1 (de) * 2020-03-31 2021-10-06 XCoorp GmbH Teleradiologisches system und verfahren
DE102022209173B3 (de) 2022-09-02 2023-11-30 Siemens Healthcare Gmbh Verfahren und Datenverarbeitungssystem zum Bereitstellen von radiologischen Visualisierungsdaten

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210042916A1 (en) * 2018-02-07 2021-02-11 Ai Technologies Inc. Deep learning-based diagnosis and referral of diseases and disorders
KR101929752B1 (ko) * 2018-05-30 2018-12-17 (주)제이엘케이인스펙션 인공지능 기반 의료기기의 임상적 유효성 평가 방법 및 시스템
CN117179815A (zh) 2018-10-23 2023-12-08 深圳迈瑞生物医疗电子股份有限公司 一种心脏运动定量分析方法和超声系统
US10937155B2 (en) * 2018-12-10 2021-03-02 General Electric Company Imaging system and method for generating a medical image
CN110853737B (zh) * 2019-10-15 2023-05-23 吉林大学 一种医疗影像识别模型的更新方法及系统
JP7349345B2 (ja) * 2019-12-23 2023-09-22 富士フイルムヘルスケア株式会社 画像診断支援装置、画像診断支援プログラム、及び、それを備えた医用画像取得装置
EP3901964A1 (de) 2020-04-22 2021-10-27 Siemens Healthcare GmbH Intelligente scan-empfehlung für die magnetresonanztomographie
WO2021232320A1 (zh) * 2020-05-20 2021-11-25 深圳迈瑞生物医疗电子股份有限公司 超声图像处理方法、系统及计算机可读存储介质
CN111798439A (zh) * 2020-07-11 2020-10-20 大连东软教育科技集团有限公司 线上线下融合的医疗影像质量判读方法、系统及存储介质
CA3103872A1 (en) * 2020-12-23 2022-06-23 Pulsemedica Corp. Automatic annotation of condition features in medical images
CN116419716A (zh) * 2020-12-29 2023-07-11 深圳迈瑞生物医疗电子股份有限公司 周期性参数的分析方法和超声成像系统
CN115017844B (zh) * 2022-08-03 2022-11-08 阿里巴巴（中国）有限公司 设计参数调整方法、装置、电子设备和存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004051401A1 (de) * 2004-10-21 2006-05-24 Siemens Ag Verfahren zur Befundung in der dreidimensionalen Bildgebung, insbesondere in der Mammographie

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6662051B1 (en) * 2000-03-31 2003-12-09 Stephen A. Eraker Programmable pain reduction device
AU2002348241A1 (en) * 2001-11-24 2003-06-10 Image Analysis, Inc. Automatic detection and quantification of coronary and aortic calcium
US7640051B2 (en) 2003-06-25 2009-12-29 Siemens Medical Solutions Usa, Inc. Systems and methods for automated diagnosis and decision support for breast imaging
US7672491B2 (en) * 2004-03-23 2010-03-02 Siemens Medical Solutions Usa, Inc. Systems and methods providing automated decision support and medical imaging
US20060210131A1 (en) * 2005-03-15 2006-09-21 Wheeler Frederick W Jr Tomographic computer aided diagnosis (CAD) with multiple reconstructions
US7672497B2 (en) 2005-12-29 2010-03-02 Carestream Health, Inc. Computer aided disease detection system for multiple organ systems
CN101366059A (zh) * 2005-12-29 2009-02-11 卡尔斯特里姆保健公司 用于多个器官系统的cad检测系统
US7940970B2 (en) * 2006-10-25 2011-05-10 Rcadia Medical Imaging, Ltd Method and system for automatic quality control used in computerized analysis of CT angiography
US8144953B2 (en) * 2007-09-11 2012-03-27 Siemens Medical Solutions Usa, Inc. Multi-scale analysis of signal enhancement in breast MRI
JP5100285B2 (ja) 2007-09-28 2012-12-19 キヤノン株式会社 医用診断支援装置およびその制御方法、プログラム、記憶媒体
US7876943B2 (en) * 2007-10-03 2011-01-25 Siemens Medical Solutions Usa, Inc. System and method for lesion detection using locally adjustable priors
US8175367B2 (en) * 2007-11-23 2012-05-08 Hologic, Inc. Reducing false positives in computer-aided detection
RU2566462C2 (ru) * 2008-06-11 2015-10-27 Конинклейке Филипс Электроникс Н.В. Система и способ компьютеризированной диагностики с множественными модальностями
US8213700B2 (en) * 2009-03-31 2012-07-03 Icad, Inc. Systems and methods for identifying suspicious anomalies using information from a plurality of images of an anatomical colon under study
US8977575B2 (en) * 2010-07-20 2015-03-10 Lockheed Martin Corporation Confidence level generator for bayesian network
US20120256920A1 (en) * 2011-04-05 2012-10-11 Julian Marshall System and Method for Fusing Computer Assisted Detection in a Multi-Modality, Multi-Dimensional Breast Imaging Environment
US9292576B2 (en) * 2012-08-09 2016-03-22 International Business Machines Corporation Hypothesis-driven, real-time analysis of physiological data streams using textual representations
US20140288440A1 (en) * 2013-03-22 2014-09-25 Children's Medical Center Corporation Systems and methods for quantitative capnogram analysis
KR102204437B1 (ko) 2013-10-24 2021-01-18 삼성전자주식회사 컴퓨터 보조 진단 방법 및 장치
DE102014217730A1 (de) * 2014-09-04 2016-03-10 Siemens Aktiengesellschaft Verfahren zur Bildgebung eines Untersuchungsobjekts mittels eines kombinierten Magnetresonanz-Emissionstomographie-Geräts
US9536054B1 (en) * 2016-01-07 2017-01-03 ClearView Diagnostics Inc. Method and means of CAD system personalization to provide a confidence level indicator for CAD system recommendations

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004051401A1 (de) * 2004-10-21 2006-05-24 Siemens Ag Verfahren zur Befundung in der dreidimensionalen Bildgebung, insbesondere in der Mammographie

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3889967A1 (de) * 2020-03-31 2021-10-06 XCoorp GmbH Teleradiologisches system und verfahren
DE102022209173B3 (de) 2022-09-02 2023-11-30 Siemens Healthcare Gmbh Verfahren und Datenverarbeitungssystem zum Bereitstellen von radiologischen Visualisierungsdaten

Also Published As

Publication number Publication date
US20180101644A1 (en) 2018-04-12
CN107913076B (zh) 2022-02-25
CN107913076A (zh) 2018-04-17
US11302436B2 (en) 2022-04-12

Similar Documents

Publication Publication Date Title
DE102016219488A1 (de) Verfahren zum Bereitstellen einer Konfidenzinformation
DE10311319B4 (de) Verfahren, System und Computerprodukt zur Planung eines Herzinterventionsverfahrens
DE102008005923B4 (de) Verfahren und Einrichtung zur automatischen Kontrastmittelphasen-Klassifizierung von Bilddaten
DE102011053044A1 (de) System und Verfahren zur Analyse und sichtbaren Darstellung lokaler klinischer Merkmale
DE112009001676T5 (de) Diagnosesystem für Gehirnerkrankungen
DE102016219887A1 (de) Verfahren und System zur Nutzung von Messdaten
DE102006012015A1 (de) Verfahren und Systeme zur Überwachung einer Tumorbelastung
DE102009044075A1 (de) Auf aktiven elektronischen Patientenakten basierendes Unterstützungssystem unter Nutzung von lernenden Automaten
DE102017221830A1 (de) Charakterisierung eines Störkörpers innerhalb eines Untersuchungsobjektes anhand eines medizinischen Bilddatensatzes
WO2013098074A2 (de) Kontrollverfahren und kontrollsystem
DE102015213730B4 (de) Qualitätskontrolle einer Bestrahlungsplanung durch Vergleich erster und zweiter MR-basierter Dosisverteilungen im Planungsvolumen
DE102004061435A1 (de) Verfahren und Vorrichtung zur Registrierung von Lungenbilddaten
DE102010022266A1 (de) Verfahren und Vorrichtung zur Registrierung von medizinischen Bilddaten
DE102021131242A1 (de) Medizinbild-Leseassistent-Vorrichtung und Verfahren zum Anpassen eines Schwellenwerts einer Diagnoseassistent-Information basierend auf einer Nachfolgeuntersuchung
DE102018214325A1 (de) Verfahren und Bereitstellungseinheit zum Bereitstellen eines virtuellen tomographischen Schlaganfall-Nachfolgeuntersuchungsbildes
DE102014200303A1 (de) Verfahren zur Durchführung einer Positronenemissionstomographie
DE102012200782A1 (de) Verfahren zur Ansteuerung einer Bildaufnahmeeinrichtung und Bildaufnahmeeinrichtung
DE102014219405A1 (de) Verfahren zur Optimierung einer Untersuchung
EP3084651A1 (de) Automatische dosissteuerung für bildgebende medizinische einrichtungen
DE102013220018A1 (de) Berechnung eines Untersuchungsparameters
DE102015221876A1 (de) Verfahren zum Auswerten von medizinischen Bilddaten eines Untersuchungsobjekts
DE102015210912A1 (de) Rekonstruktion eines Ergebnisbildes unter Berücksichtigung von Kontur-Signifikanz-Daten
DE102014210218A1 (de) Verfahren zum Generieren von medizinischen Bilddatensätzen
EP3451286B1 (de) Verfahren zum segmentieren einer organstruktur eines untersuchungsobjekts in medizinischen bilddaten
DE102015200850B4 (de) Verfahren zur Auswertung von medizinischen Bilddaten

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R016 Response to examination communication
R079 Amendment of ipc main class

Free format text: PREVIOUS MAIN CLASS: G06F0019000000

Ipc: G16Z0099000000

R081 Change of applicant/patentee

Owner name: SIEMENS HEALTHINEERS AG, DE

Free format text: FORMER OWNER: SIEMENS HEALTHCARE GMBH, MUENCHEN, DE