DE102017215829A1 - Verfahren und Datenverarbeitungseinheit zum Ermitteln von Klassifikationsdaten für eine Adaption eines Untersuchungsprotokolls - Google Patents

Verfahren und Datenverarbeitungseinheit zum Ermitteln von Klassifikationsdaten für eine Adaption eines Untersuchungsprotokolls Download PDF

Info

Publication number
DE102017215829A1
DE102017215829A1 DE102017215829.8A DE102017215829A DE102017215829A1 DE 102017215829 A1 DE102017215829 A1 DE 102017215829A1 DE 102017215829 A DE102017215829 A DE 102017215829A DE 102017215829 A1 DE102017215829 A1 DE 102017215829A1
Authority
DE
Germany
Prior art keywords
examination
protocol
basic
medical imaging
adaptation
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.)
Ceased
Application number
DE102017215829.8A
Other languages
English (en)
Inventor
Dorothee Jung
Ute Feuerlein
Rainer Raupach
Thomas Allmendinger
Christiane Koch
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 Healthcare GmbH
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 DE102017215829.8A priority Critical patent/DE102017215829A1/de
Priority to US16/118,660 priority patent/US20190074083A1/en
Priority to CN201811033018.6A priority patent/CN109464199A/zh
Publication of DE102017215829A1 publication Critical patent/DE102017215829A1/de
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/08—Accessories or related features not otherwise provided for
    • 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
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • 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
    • A61B6/44—Constructional features of apparatus for radiation diagnosis
    • A61B6/4429—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units
    • A61B6/4435—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure
    • A61B6/4441—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure the rigid structure being a C-arm or U-arm
    • 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
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/40—Software arrangements specially adapted for pattern recognition, e.g. user interfaces or toolboxes therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Surgery (AREA)
  • Business, Economics & Management (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biophysics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Optics & Photonics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Computing Systems (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Pulmonology (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Ermitteln von Klassifikationsdaten für eine Adaption eines Untersuchungsprotokolls basierend auf einem Untersuchungsgrundprotokoll einer medizinischen Bildgebungsuntersuchung in Abhängigkeit von Zustandsparametern der medizinischen Bildgebungsuntersuchung, wobei das Verfahren die folgenden Schritte umfasst:
- Bereitstellen eines Satzes von Trainingsdatensätzen, wobei jeder Trainingsdatensatz jeweils einen Zustandsparameterdatensatz mit Werten der Zustandsparameter der medizinischen Bildgebungsuntersuchung und eine dem Zustandsparameterdatensatz zugeordnete Adaptionsinformation aufweist, wobei die Adaptionsinformation eine Adaption des Untersuchungsprotokolls basierend auf dem Untersuchungsgrundprotokoll der medizinischen Bildgebungsuntersuchung, insbesondere in Abhängigkeit von den Zustandsparametern, betrifft,
- Ermitteln der Klassifikationsdaten basierend auf einem Maschinenlernalgorithmus und dem Satz von Trainingsdatensätzen.

Description

  • Die Erfindung betrifft ein Verfahren und eine Datenverarbeitungseinheit zum Ermitteln von Klassifikationsdaten, eine Verwendung von Klassifikationsdaten zur Optimierung eines Untersuchungsprotokoll-Adaptionsalgorithmus, eine Verwendung von Klassifikationsdaten zur Optimierung einer Untersuchungsgrundprotokoll-Datenbank, ein Verfahren und eine Datenverarbeitungseinheit zur Adaption eines Untersuchungsprotokolls, ein Computerprogrammprodukt und ein computerlesbares Medium.
  • An bildgebenden Systemen sind in der Regel Untersuchungsgrundprotokolle für die gängigsten Untersuchungen fest abgespeichert. Diese werden aber nicht nur in dieser starren Form benutzt, sondern abhängig von speziellen Situationen, zum Beispiel dem Zustand des Patienten, insbesondere dessen Laborwerten, Herzrate, Habitus etc. ad hoc verändert. Dies kann beispielsweise Akquisitionsparameter, Rekonstruktionsparameter und/oder Kontrastmittelparameter betreffen. Ferner kann auf diese Weise eine angepasste Berechnungsbasis für Algorithmen, insbesondere Rekonstruktions-Algorithmen und/oder Bildverarbeitungsalgorithmen, bereitgestellt werden. Um die Zahl der Untersuchungsgrundprotokolle übersichtlich zu halten, werden nicht alle Unterarten als eigenes Protokoll abgespeichert. Ein solches Vorgehen erfordert eine zusätzliche Kommunikation von Regeln und ist fehleranfällig.
  • Gleichzeitig ist vielen Benutzern nicht bewusst, dass es an den bildgebenden Systemen Automationsmechanismen gibt, die eine automatische Adaption von Untersuchungsprotokollen in Abhängigkeit von Zustandsparametern ermöglichen. Dabei kann es sich insbesondere um eine Dosisautomatik, beispielsweise abhängig von der Schwächung der Röntgenstrahlung durch den Patienten, eine automatische Bestimmung der optimalen Herzphase für Akquisition und Rekonstruktion, beispielsweise abhängig von der Herzrate und/oder Herzratenvariabilität oder ähnliches handeln. Insbesondere trifft dies auf Funktionalitäten zu, die neu, beispielsweise durch Software-Upgrades, hinzugekommen sind, und unter Aufwand und zwingend notwendigem Verständnis der Funktion in die bestehenden Protokolle aufgenommen werden müssen.
  • Heute gibt es in der Regel zu den Untersuchungsgrundprotokollen ergänzende Festlegungen, die eine manuelle Adaption von Untersuchungsprotokollen ausgehend von dem Untersuchungsgrundprotokoll in Abhängigkeit von den Zustandsparametern betreffen. Diese stehen dem Benutzer als elektronisches Dokument auf einem separaten Computer, in gedruckter Form oder manchmal auch nur als eine Sammlung handgeschriebener Zettel zur Verfügung. Im Hinblick auf Möglichkeiten zur patientenindividuellen Automatisierung an der medizinischen Bildgebungsvorrichtung findet üblicherweise ein Training durch den Hersteller statt, das aber oft nicht vollständig von dem Benutzer verstanden wird. Als Folge werden patientenindividuelle Automatismen in vielen Fällen gar nicht oder sogar falsch verwendet.
  • Die manuelle Adaption der Untersuchungsprotokolle basiert typischerweise auf den Daten eines optimalen Referenzpatienten. Diese Referenzdaten sind jedoch in vielen Fällen nicht konfigurierbar und repräsentieren bis auf wenige Ausnahmen, wie zum Beispiel eine Gewichtsangabe, keine weiteren Eigenschaften eines realen Patienten, wie beispielsweise eine Herzrate, Vorerkrankungen oder ähnliches. Ein Benutzer kann daher insbesondere bei einer patientenspezifischen Adaption den zu untersuchenden Patienten oft nicht optimal an Hand des Referenzpatienten einordnen.
  • Des Weiteren können eingegebene Schwellenwerte und Referenzpunkte in der Grundeinstellung bisher nicht umfassend auf Plausibilität überprüft werden, da die eingegebenen Daten typischerweise erst bei einem realen Scanvorgang zum Tragen kommen. Durch diese Trennung der Eingabe der Daten und deren Konsequenzen, die diese im Scanvorgang haben, leidet die Nachvollziehbarkeit und das Verständnis. Dies wiederum kann dazu führen, dass die Untersuchungsgrundprotokolle kaum überprüft, verstanden oder geändert werden und dass das Potential der Optimierung, insbesondere bei der automatischen patientenindividuellen Adaption, oft nicht ausgenutzt wird.
  • US 8000510 B2 offenbart ein Verfahren zur Steuerung eines Schnittbildaufnahmesystems, bei dem ein Scanprotokoll aus einer Anzahl von Scanprotokollen ausgewählt wird.
  • US 8401872 B2 offenbart ein Verfahren zum Betreiben einer medizinischen Diagnoseeinrichtung, mit deren Hilfe medizinische Fragestellungen beantwortet werden sollen.
  • US 8687762 B2 offenbart ein CT-System zur Abtastung eines Patienten, mit mindestens einem Computersystem, welches das CT-System steuern kann, wobei im Computersystem eine Auswerteeinheit für einen vorgegebenen logischen Entscheidungsbaum integriert ist.
  • US 9615804 B2 offenbart ein Verfahren zur Bilderzeugung und Bildauswertung im Medizinbereich, wobei mittels einer vorgegebenen medizinischen Modalität, insbesondere einem Computertomographen, in Abhängigkeit von vorgegebenen Modalitäts-Parametern Rohdaten erzeugt werden.
  • US 9636077 B2 offenbart ein Verfahren zur automatischen Auswahl eines Scanprotokolls zur tomographischen Aufnahme eines Röntgenbildes eines Patienten.
  • Die Erfindung hat die Aufgabe, eine verbesserte Adaption eines Untersuchungsprotokolls basierend auf einem Untersuchungsgrundprotokoll in Abhängigkeit von Zustandsparametern der medizinischen Bildgebungsuntersuchung zu ermöglichen. Jeder der Gegenstände der unabhängigen Ansprüche löst jeweils diese Aufgabe. In den abhängigen Ansprüchen sind weitere vorteilhafte Aspekte der Erfindung berücksichtigt.
  • Die Erfindung betrifft ein Verfahren zum Ermitteln von Klassifikationsdaten für eine Adaption eines Untersuchungsprotokolls basierend auf einem Untersuchungsgrundprotokoll einer medizinischen Bildgebungsuntersuchung in Abhängigkeit von Zustandsparametern der medizinischen Bildgebungsuntersuchung, wobei das Verfahren die folgenden Schritte umfasst:
    • - Bereitstellen eines Satzes von Trainingsdatensätzen, wobei jeder Trainingsdatensatz jeweils einen Zustandsparameterdatensatz mit Werten der Zustandsparameter der medizinischen Bildgebungsuntersuchung und eine dem Zustandsparameterdatensatz zugeordnete Adaptionsinformation aufweist, wobei die Adaptionsinformation eine insbesondere manuelle Adaption des Untersuchungsprotokolls, beispielsweise durch einen oder mehrere Benutzer, basierend auf dem Untersuchungsgrundprotokoll der medizinischen Bildgebungsuntersuchung, insbesondere in Abhängigkeit von den Zustandsparametern, betrifft,
    • - Ermitteln der Klassifikationsdaten basierend auf einem Maschinenlernalgorithmus und dem Satz von Trainingsdatensätzen.
  • Eine Ausführungsform der Erfindung sieht vor, dass die Klassifikationsdaten einen Entscheidungsbaum bilden und/oder dass der Maschinenlernalgorithmus auf rekursiver Partitionierung basiert. Insbesondere können die Klassifikationsdaten ermittelt werden, indem der Entscheidungsbaum mittels rekursiver Partitionierung trainiert wird. Basierend auf dem Entscheidungsbaum kann beispielsweise zumindest ein Untersuchungsprotokollparameter des Untersuchungsprotokolls ausgehend von dem Untersuchungsgrundprotokoll in Abhängigkeit von den Zustandsparametern festgelegt und/oder modifiziert werden.
  • Unter einem Maschinenlernalgorithmus wird im Kontext dieser Anmeldung insbesondere ein Algorithmus, der zum Maschinellen Lernen ausgebildet ist, verstanden. Ein Maschinenlernalgorithmus kann beispielsweise mit Hilfe von Entscheidungsbäumen, mathematischen Funktionen und/oder allgemeinen Programmiersprachen realisiert werden. Der Maschinenlernalgorithmus kann beispielsweise zum überwachten Lernen und/oder zum unüberwachten Lernen ausgebildet sein. Der Maschinenlernalgorithmus kann beispielsweise zum tiefen Lernen („deep learning“) und/oder zum bestärkendem Lernen („reinforcement learning“) und/oder zum Marginal Space Learning ausgebildet sein. Insbesondere beim überwachten Lernen kann eine Funktionenklasse verwendet werden, welche beispielsweise auf Entscheidungsbäumen („decision trees“), einem Random Forest, einer logistischen Regression, einer Support Vector Machine, einem künstlichen neuronalen Netz, einer Kernel-Methode, Bayes-Klassifikatoren oder ähnlichem oder Kombinationen davon basiert. Mögliche Implementierungen des Maschinenlernalgorithmus können beispielsweise Künstliche Intelligenz verwenden. Für das Optimieren können dem Fachmann bekannte Optimierungsverfahren verwendet werden. Berechnungen, insbesondere beim Optimieren, können beispielsweise mittels eines Prozessorsystems ausgeführt werden. Das Prozessorsystem kann beispielsweise einen oder mehrere Grafikprozessoren aufweisen.
  • Das Untersuchungsprotokoll kann insbesondere zumindest einen Untersuchungsprotokollparameter aufweisen, der aus der Gruppe gewählt ist, welche aus einem Akquisitionsparameter, einem Rekonstruktionsparameter, einem Kontrastmittelparameter und Kombinationen davon besteht. Ein Untersuchungsprotokollparameter kann insbesondere ein Akquisitionsparameter sein. Ein Akquisitionsparameter kann beispielsweise eine Röhrenspannung, einen Röhrenstrom, eine Rotationszeit, einen Spiralpitch, einen oder mehrere Trigger-Zeitpunkte für eine Röhrenstrommodulation im Herzzyklus oder ähnliches oder Kombinationen davon betreffen. Ein Untersuchungsprotokollparameter kann insbesondere ein Rekonstruktionsparameter sein. Ein Rekonstruktionsparameter kann beispielsweise ein Faltungskern, einen Faltungsalgorithmus, eine Schichtdicke, ein Schichtinkrement oder ähnliches oder Kombinationen davon betreffen. Ein Untersuchungsprotokollparameter kann insbesondere ein Kontrastmittelparameter sein. Ein Kontrastmittelparameter kann beispielsweise eine Kontrastmittelmenge, eine Flussrate oder ähnliches oder Kombinationen davon betreffen.
  • Die Zustandsparameter der medizinischen Bildgebungsuntersuchung können insbesondere Patientenparameter und/oder Untersuchungsparameter sein. Ein Zustandsparameter kann insbesondere ein Patientenparameter sein, welcher beispielsweise einen Aspekt oder mehrere Aspekte eines Zustands des mit dem Untersuchungsprotokoll zu untersuchenden Patienten betrifft. Bei den Aspekten des Zustands des Patienten kann es sich insbesondere um demografische, physiologische und/oder ethnische Aspekte handeln.
  • Ein Patientenparameter kann beispielsweise eine Herzrate, eine Herzratenvariabilität, eine Dicke oder eine Schwächung der Röntgenstrahlung in bestimmten Bereichen des Körpers des Patienten und/oder in bestimmten Projektionsrichtungen, ein Alter, ein Geschlecht, ein Gewicht, eine Größe, einen Body-Mass-Index, Laborwerte, beispielsweise einen Kreatinin-Wert, eine Dichte oder eine Konzentration eines Stoffes im Körper des Patienten oder eine daraus abgeleitete Größe, eine Kooperationsbereitschaft, eine Historie, eine Anamnese oder ähnliches oder Kombinationen davon betreffen. Beispielsweise kann mit einem Patientenparameter, der die Kooperationsbereitschaft des Patienten betrifft, angegeben werden, dass der Patienten nicht kooperativ ist. Beispielsweise kann mit einem Patientenparameter, der die Anamnese des Patienten betrifft, angegeben, dass der Patienten vor kurzem einen Schlaganfall hatte.
  • Ein Zustandsparameter kann insbesondere ein Untersuchungsparameter sein, welcher beispielsweise einen oder mehrere Aspekte der medizinischen Bildgebungsuntersuchung und/oder eines die medizinische Bildgebungsuntersuchung umfassenden klinischen Prozesses betrifft. Ein Untersuchungsparameter kann beispielsweise einen Überweiser, der den Patienten zu der medizinischen Bildgebungsuntersuchung überwiesen hat, einen Benutzer, der die medizinische Bildgebungsuntersuchung ausführt, eine Indikation oder ähnliches oder Kombinationen davon betreffen.
  • Die Erfindung betrifft ferner eine Datenverarbeitungseinheit zum Ermitteln von Klassifikationsdaten für eine Adaption eines Untersuchungsprotokolls basierend auf einem Untersuchungsgrundprotokoll einer medizinischen Bildgebungsuntersuchung in Abhängigkeit von Zustandsparametern der medizinischen Bildgebungsuntersuchung, aufweisend:
    • - eine Trainingsdatensatz-Bereitstellungseinheit, ausgebildet zum Bereitstellen eines Satzes von Trainingsdatensätzen, wobei jeder Trainingsdatensatz jeweils einen Zustandsparameterdatensatz mit Werten der Zustandsparameter der medizinischen Bildgebungsuntersuchung und eine dem Zustandsparameterdatensatz zugeordnete Adaptionsinformation aufweist, wobei die Adaptionsinformation eine insbesondere manuelle Adaption des Untersuchungsprotokolls, beispielsweise durch einen oder mehrere Benutzer, basierend auf dem Untersuchungsgrundprotokoll der medizinischen Bildgebungsuntersuchung, insbesondere in Abhängigkeit von den Zustandsparametern, betrifft,
    • - eine Klassifikationsdaten-Ermittlungseinheit, ausgebildet zum Ermitteln der Klassifikationsdaten basierend auf einem Maschinenlernalgorithmus und dem Satz von Trainingsdatensätzen.
  • Insbesondere kann die Datenverarbeitungseinheit zum Ermitteln von Klassifikationsdaten zum Ausführen eines Verfahrens zum Ermitteln von Klassifikationsdaten nach einem oder mehreren der in dieser Anmeldung offenbarten Aspekte ausgebildet sein.
  • Die Erfindung betrifft ferner eine Verwendung von Klassifikationsdaten, welche gemäß einem Verfahren zum Ermitteln von Klassifikationsdaten nach einem oder mehreren der in dieser Anmeldung offenbarten Aspekte ermittelt wurden, zur Optimierung eines Untersuchungsprotokoll-Adaptionsalgorithmus, welcher zur insbesondere automatischen Adaption eines Untersuchungsprotokolls basierend auf einem Untersuchungsgrundprotokoll einer medizinischen Bildgebungsuntersuchung in Abhängigkeit von Zustandsparametern der medizinischen Bildgebungsuntersuchung ausgebildet ist. Unter einer Optimierung eines Untersuchungsprotokoll-Adaptionsalgorithmus kann insbesondere ein Training des Untersuchungsprotokoll-Adaptionsalgorithmus verstanden werden.
  • Insbesondere kann der Untersuchungsprotokoll-Adaptionsalgorithmus basierend auf den Klassifikationsdaten automatisch, insbesondere kontinuierlich, optimiert werden. Alternativ oder zusätzlich kann basierend auf den Klassifikationsdaten ein Vorschlag für die Optimierung eines Untersuchungsprotokoll-Adaptionsalgorithmus generiert werden, welcher von einem Benutzer übernommen werden kann.
  • Insbesondere können Trainingsdatensätze bereitgestellt werden, die das Benutzerverhalten repräsentieren, beispielsweise bei welchen Zustandsparametern bestimmte Veränderungen am Untersuchungsprotokoll durch die Benutzer vorgenommen werden. Dazu können Adaptionen von Untersuchungsprotokollen, insbesondere Änderungen von Untersuchungsprotokollparametern des Untersuchungsprotokolls relativ zu dem Untersuchungsgrundprotokoll, zusammen mit den Zustandsparametern für eine Vielzahl von medizinischen Bildgebungsuntersuchungen, bei denen insbesondere dasselbe Untersuchungsgrundprotokoll verwendet wird, geloggt werden.
  • Die Adaptionsinformation kann beispielsweise einen geänderten Wert des Untersuchungsgrundprotokollparameters oder eine Änderung des geänderten Werts des Untersuchungsgrundprotokollparameters relativ zu dem Untersuchungsgrundprotokoll. Die Änderung kann beispielsweise absolut oder relativ angegeben werden. Die Adaptionsinformation kann beispielsweise ein Vorzeichen der Änderung, das heißt eine Abnahme oder eine Zunahme oder ein Gleichbleiben eines Werts, angeben. Ferner kann die Adaptionsinformation beispielsweise eine Zuordnung der Änderung in eine vordefinierte Klasse von Änderungen, insbesondere eine starke oder eine schwache Änderung, angeben. Daraus können unter Verwendung von maschinellem Lernen (Machine Learning) Abhängigkeiten erkannt und/oder Regeln abgeleitet werden. Damit können dann vorhandene Automatismen zur Adaptionen von Untersuchungsprotokollen automatisch oder semiautomatisch konfiguriert werden. Neben der Ermittlung von signifikanten Abhängigkeiten lässt sich auf diese Weise auch bestimmen, wie konsistent diese Entscheidung von den Benutzern getroffen wird und ob eine Automatisierung dasselbe Verhalten ohne manuellen Eingriff realisieren würde.
  • Die Erfindung betrifft ferner eine Verwendung von Klassifikationsdaten, welche gemäß einem Verfahren zum Ermitteln von Klassifikationsdaten nach einem oder mehreren der in dieser Anmeldung offenbarten Aspekte ermittelt wurden, zur Optimierung einer Untersuchungsgrundprotokoll-Datenbank, welche eine Mehrzahl von Untersuchungsgrundprotokollen aufweist,
    • - wobei basierend auf den Klassifikationsdaten zumindest ein weiteres Untersuchungsgrundprotokoll für eine Aufnahme in die Untersuchungsgrundprotokoll-Datenbank ermittelt wird und/oder
    • - wobei die Untersuchungsgrundprotokolle der Mehrzahl von Untersuchungsgrundprotokollen basierend auf den Klassifikationsdaten klassifiziert werden.
  • Insbesondere kann basierend auf den Klassifikationsdaten zumindest ein weiteres Untersuchungsgrundprotokoll, welches zuvor nicht in der Untersuchungsgrundprotokoll-Datenbank enthalten war ermittelt und/oder in die Untersuchungsgrundprotokoll-Datenbank aufgenommen werden. Insbesondere kann das weitere Untersuchungsgrundprotokoll basierend auf den Klassifikationsdaten und auf einem Verfahren zur Adaption eines Untersuchungsprotokolls nach einem der in dieser Anmeldung beschriebenen Aspekte ermittelt werden.
  • Insbesondere wenn eine automatische Adaption von Untersuchungsprotokollen nicht vorgesehen ist, ermöglichen die Klassifikationsdaten eine Optimierung der fest abgespeicherten Untersuchungsgrundprotokolle, indem beispielsweise basierend auf den Klassifikationsdaten sinnvolle Klassen von Untersuchungsgrundprotokollen vorgeschlagen werden. Die erfindungsgemäße Lösung ermöglicht somit eine Vereinfachung der Durchführung und Konfiguration von medizinischen Bildgebungsuntersuchungen, indem die Untersuchungsprotokoll-Adaptionsalgorithmen und/oder die Untersuchungsgrundprotokoll-Datenbanken mit Hilfe von maschinellem Lernen insbesondere automatisch an die tatsächliche Verwendung durch die Benutzer angepasst werden. Dies reduziert die Notwendigkeit von Training, zum Beispiel nach einem Software-Update, durch das neue Funktionalität verfügbar ist und ohne einen entsprechenden Hinweis dem Benutzer nicht bekannt wäre.
  • Die Erfindung betrifft ferner ein Verfahren zur Adaption eines Untersuchungsprotokolls einer medizinischen Bildgebungsuntersuchung, wobei das Verfahren die folgenden Schritte umfasst:
    • - Auswählen eines Untersuchungsgrundprotokolls der medizinischen Bildgebungsuntersuchung,
    • - Bereitstellen einer Datenstruktur, in welcher Werte von Zustandsparametern eines Zustandsparameterdatensatzes gespeichert und geändert werden können,
    • - Adaption eines Untersuchungsprotokolls basierend auf dem Untersuchungsgrundprotokoll in Abhängigkeit von den Zustandsparametern des Zustandsparameterdatensatzes.
  • Die Adaption des Untersuchungsprotokolls kann insbesondere automatisch erfolgen. Die Adaption des Untersuchungsprotokolls kann insbesondere mittels eines Untersuchungsprotokoll-Adaptionsalgorithmus erfolgen, welcher beispielsweise unter Verwendung von Klassifikationsdaten optimiert wurde, welche gemäß einem Verfahren zum Ermitteln von Klassifikationsdaten nach einem oder mehreren der in dieser Anmeldung offenbarten Aspekte ermittelt wurden. Insbesondere kann zunächst zumindest ein Wert eines Zustandsparameters des Zustandsparameterdatensatzes in der Datenstruktur geändert werden und anschließend die Adaption des Untersuchungsprotokolls basierend auf dem Untersuchungsgrundprotokoll in Abhängigkeit von dem zumindest einen geänderten Wert des Zustandsparameters des Zustandsparameterdatensatzes erfolgen.
  • Eine Ausführungsform der Erfindung sieht vor,
    • - dass eine Benutzeroberfläche angezeigt wird, welche ein Zustandsparameter-Eingabeelement aufweist,
    • - dass eine Benutzereingabe, welche den Zustandsparameter betrifft, mittels des Zustandsparameter-Eingabeelements erfasst wird,
    • - dass der Wert des Zustandsparameters basierend auf der Benutzereingabe, welche den Zustandsparameter betrifft, geändert wird.
  • Eine Ausführungsform der Erfindung sieht vor,
    • - dass die Benutzeroberfläche ein Untersuchungsgrundprotokoll-Eingabeelement aufweist,
    • - dass eine Benutzereingabe, welche das Untersuchungsgrundprotokoll betrifft, mittels des Untersuchungsgrundprotokoll-Eingabeelements erfasst wird,
    • - dass das Untersuchungsgrundprotokoll basierend auf der Benutzereingabe, welche das Untersuchungsgrundprotokoll betrifft, ausgewählt wird.
  • Eine Ausführungsform der Erfindung sieht vor,
    • - dass die Benutzeroberfläche ein Untersuchungsprotokoll-Ausgabeelement aufweist,
    • - dass ein Wert eines Untersuchungsprotokollparameters des adaptierten Untersuchungsprotokolls und/oder ein Wert des Untersuchungsprotokollparameters des Untersuchungsgrundprotokolls mittels des Untersuchungsprotokoll-Ausgabeelements angezeigt werden.
  • Die Erfindung betrifft ferner eine Datenverarbeitungseinheit zur Adaption eines Untersuchungsprotokolls einer medizinischen Bildgebungsuntersuchung, wobei das Verfahren die folgenden Schritte umfasst:
    • - Auswahleinheit, ausgebildet zum Auswählen eines Untersuchungsgrundprotokolls der medizinischen Bildgebungsuntersuchung,
    • - Datenstruktur-Bereitstellungseinheit, ausgebildet zum Bereitstellen einer Datenstruktur, in welcher Werte von Zustandsparametern eines Zustandsparameterdatensatzes gespeichert und geändert werden können,
    • - Adaptionseinheit, ausgebildet zur Adaption eines Untersuchungsprotokolls basierend auf dem Untersuchungsgrundprotokoll in Abhängigkeit von den Zustandsparametern des Zustandsparameterdatensatzes.
  • Insbesondere kann die Datenverarbeitungseinheit zur Adaption eines Untersuchungsprotokolls zum Ausführen eines Verfahrens zur Adaption eines Untersuchungsprotokolls nach einem oder mehreren der in dieser Anmeldung offenbarten Aspekte ausgebildet sein. Optional kann die Datenverarbeitungseinheit zur Adaption eines Untersuchungsprotokolls eine Änderungseinheit aufweisen, ausgebildet zum Ändern zumindest eines Werts eines Zustandsparameters des Zustandsparameterdatensatzes in der Datenstruktur.
  • Die Erfindung betrifft ferner ein Computerprogrammprodukt mit einem Computerprogramm, welches direkt in eine Speichereinrichtung eines Computers ladbar ist, mit Programmabschnitten, um alle Schritte eines Verfahrens nach einem oder mehreren der in dieser Anmeldung offenbarten Aspekte auszuführen, wenn das Computerprogramm in dem Computer ausgeführt wird.
  • Die Erfindung betrifft ferner ein computerlesbares Medium, auf welchem von einem Computer einlesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte eines Verfahrens nach einem oder mehreren der in dieser Anmeldung offenbarten Aspekte auszuführen, wenn die Programmabschnitte von dem Computer ausgeführt werden.
  • Die Datenstruktur, in welcher Werte von Zustandsparametern eines Zustandsparameterdatensatzes gespeichert und geändert werden können, kann in Form eines virtuellen Patienten ausgebildet sein. Damit ist es beispielsweise möglich, einen virtuellen Patienten zu konfigurieren und insbesondere die eingegebenen Zustandsparameter auf Plausibilität zu überprüfen und/oder zu visualisieren. Klinische Einstellungen, insbesondere Untersuchungsprotokoll-Adaptionsalgorithmen, können so außerhalb eines realen, klinischen Falles an solchen virtuellen Patienten validiert und konfiguriert werden. Die Zustandsparameter des virtuellen Patienten können dabei in einfacher und leicht zu identifizierbaren Art und Weise graphisch und/oder unter Verwendung des medizinischen Fachjargons dargestellt werden.
  • Insbesondere können auf diese Weise Zustandsparameter von Referenzpatienten konsistent und verständlich für den Benutzer visualisiert werden. Ferner können damit vom Hersteller als Grundeinstellung bereitgestellte Zustandsparameterdatensätze, die den häufigsten Patiententypen entsprechen, in Form von virtuellen Patienten dem Benutzer zur Auswahl und/oder weiteren Anpassung zur Verfügung gestellt werden. Die erfindungsgemäße Lösung ermöglicht insbesondere, dass der Benutzer, beispielsweise mittels der Benutzeroberfläche, Zustandsparameterdatensätze individuell zusammenstellen kann und beispielsweise auf zu untersuchende Patienten anpassen kann.
  • Für die Konfiguration des Zustandsparameterdatensatzes, insbesondere in Form des virtuellen Patienten, kann dem Benutzer mittels der Benutzeroberfläche ein Pool von Zustandsparametern zur Verfügung gestellt werden, die dann beispielsweise durch Benutzerinteraktionen ausgewählt und angepasst werden können.
  • Ein Zustandsparameterdatensatz, welcher einen virtuellen Patienten repräsentiert, kann auch auf Basis von realen Patientendaten, erstellt werden. Beispielsweise können die Zustandsparameter von Patienten, die eine häufig behandelte Patientengruppe sehr gut repräsentieren, in Form eines virtuellen Patienten in dem Computer der medizinischen Bildgebungsvorrichtung gespeichert werden. Auf diese Weise können noch realistischere und vollständigere Informationen bereitgestellt werden. Eine Änderung von klinischen Einstellungen kann dann an einem repräsentativen virtuellen Patienten validiert werden. Eine solche Anwendung kann unter anderem für Kliniken interessant sein, die sich auf bestimmte Patiententypen spezialisiert haben. Eine weitere Anwendung wäre beispielsweise bei Demonstrationsvorstellungen dankbar, da auf diese Weise ein komplexer Algorithmus anhand eines leicht vorstellbaren, virtuellen Patienten getestet und erklärt werden kann. So können auch Falscheingaben und Grenzwerte, die zu einem erhöhten Risiko für den realen Patienten führen könnten, ausprobiert und demonstriert werden, ohne den realen Patienten selbst dem erhöhten Risiko auszusetzen.
  • Die erfindungsgemäße Lösung ermöglicht durch die Konfiguration eines Zustandsparameterdatensatzes in Form eines virtuellen Patienten eine anschauliche Darstellung und Handhabung der andernfalls sehr technischen Parameter und damit eine Plausibilitätskontrolle der eingegebenen Daten. Neben einem besseren Verständnis und einer höheren Identifikation mit den eingegebenen Daten, erhöht sich zusätzlich auch die Qualität, da fehlerhafte Eingaben minimiert werden können. Ein weiterer Vorteil ist die Möglichkeit der Benennung der virtuellen Patienten mit gewöhnlichen Personennamen. Das erhöht außerdem die Identifikation und die bessere Kommunikation, da nicht über technische Parameter, sondern über die verschiedenen virtuellen Patienten gesprochen wird.
  • Die Datenverarbeitungseinheit zum Ermitteln von Klassifikationsdaten und/oder die Datenverarbeitungseinheit zur Adaption eines Untersuchungsprotokolls und/oder eine oder mehrere Komponenten davon können von einem Datenverarbeitungssystem gebildet sein. Das Datenverarbeitungssystem kann beispielsweise eine oder mehrere Komponenten in Form von Hardware und/oder eine oder mehrere Komponenten in Form von Software aufweisen.
  • Das Datenverarbeitungssystem kann beispielsweise zumindest teilweise von einem Cloud-Computing-System gebildet sein. Das Datenverarbeitungssystem kann beispielsweise ein Cloud-Computing-System, ein Computernetzwerk, ein Computer, ein Tabletcomputer, ein Smartphone oder ähnliches oder eine Kombination davon sein und/oder aufweisen. Die Hardware kann beispielsweise mit einer Software zusammenwirken und/oder mittels einer Software konfigurierbar sein. Die Software kann beispielsweise mittels der Hardware ausgeführt werden. Bei der Hardware kann es sich beispielsweise um ein Speichersystem, ein FPGA-System (Field-programmable gate array), ein ASIC-System (Application-specific integrated circuit), ein Mikrocontroller-System, ein Prozessorsystem und Kombinationen davon handeln. Das Prozessorsystem kann beispielsweise einen Mikroprozessor und/oder mehrere zusammenwirkende Mikroprozessoren aufweisen.
  • Insbesondere kann eine Komponente der Datenverarbeitungseinheit nach einem der Aspekte, die in dieser Anmeldung offenbart sind, welche dazu ausgebildet ist, einen gegebenen Schritt eines Verfahrens nach einem der Aspekte, die in dieser Anmeldung offenbart sind, auszuführen, in Form einer Hardware implementiert sein, welche zum Ausführen des gegebenen Schritts konfiguriert ist und/oder welche zum Ausführen einer computerlesbaren Anweisung derart konfiguriert ist, dass die Hardware mittels der computerlesbaren Anweisung zum Ausführen des gegebenen Schritts konfigurierbar ist. Insbesondere kann das System einen Speicherbereich, beispielsweise in Form eines computerlesbaren Mediums, aufweisen, in welchem computerlesbare Anweisungen, beispielsweise in Form eines Computerprogramms, gespeichert sind.
  • Ein Datentransfer zwischen Komponenten des Datenverarbeitungssystems kann beispielsweise jeweils mittels einer geeigneten Datentransfer-Schnittstelle erfolgen. Die Datentransfer-Schnittstelle zum Datentransfer an und/oder von einer Komponente des Datenverarbeitungssystems kann zumindest teilweise in Form von Software und/oder zumindest teilweise in Form von Hardware realisiert sein. Die Datentransfer-Schnittstelle kann beispielsweise zum Abspeichern von Daten in und/oder zum Laden von Daten aus einem Bereich des Speichersystems ausgebildet sein, wobei auf diesen Bereich des Speichersystems eine oder mehrere Komponenten des Datenverarbeitungssystems zugreifen können.
  • Insbesondere können Daten, welche beispielsweise ein medizinisches Bild, Untersuchungsprotokollparameter, Zustandsparameter oder Klassifikationsdaten betreffen, bereitgestellt werden, indem die Daten geladen, beispielsweise aus einem Bereich eines Speichersystems geladen, und/oder erzeugt, beispielsweise mittels einer medizinischen Bildgebungsvorrichtung erzeugt, werden.
  • Das Computerprogramm ist in das Speichersystem des Datenverarbeitungssystems ladbar und von dem Prozessorsystem des Datenverarbeitungssystems ausführbar. Das Datenverarbeitungssystem kann beispielsweise mittels des Computerprogramms derart ausgebildet sein, dass das Datenverarbeitungssystem die Schritte eines Verfahrens nach einer der Ausführungsformen, die in dieser Anmeldung offenbart sind, ausführen kann, wenn das Computerprogramm von dem Datenverarbeitungssystem ausgeführt wird.
  • Das Computerprogrammprodukt kann beispielsweise das Computerprogramm sein oder neben dem Computerprogramm mindestens einen zusätzlichen Bestandteil umfassen. Der mindestens eine zusätzliche Bestandteil des Computerprogrammprodukts kann als Hardware und/oder als Software ausgebildet sein. Das Computerprogrammprodukt kann beispielsweise ein Speichermedium, auf dem zumindest ein Teil des Computerprogrammprodukts gespeichert ist, und/oder ein Schlüssel zur Authentifizierung eines Benutzers des Computerprogrammprodukts, insbesondere in Form eines Dongles, aufweisen.
  • Das Computerprogrammprodukt und/oder das Computerprogrammkann beispielsweise ein Cloud-Anwendungs-Programm aufweisen, welches zum Verteilen von Programmabschnitten des Computerprogramms auf verschiedene Verarbeitungseinheiten, insbesondere verschiedene Computer, eines Cloud-Computing-Systems ausgebildet ist, wobei jede der Verarbeitungseinheiten zum Ausführen eines oder mehrerer Programmabschnitte des Computerprogramms ausgebildet ist. Auf dem computerlesbaren Medium kann beispielsweise das Computerprogrammprodukt nach einer der Ausführungsformen, die in dieser Anmeldung offenbart sind, und/oder das Computerprogramm nach einer der Ausführungsformen, die in dieser Anmeldung offenbart sind, gespeichert sein. Das computerlesbare Medium kann beispielsweise ein Memorystick, eine Festplatte oder ein sonstiger Datenträger sein, der insbesondere lösbar mit dem Datenverarbeitungssystem verbunden oder fest in das Datenverarbeitungssystem integriert sein kann. Das computerlesbare Medium kann beispielsweise einen Bereich des Speichersystems des Datenverarbeitungssystems bilden.
  • Die medizinische Bildgebungsuntersuchung kann insbesondere eine medizinische Bildgebungsuntersuchung mittels einer medizinischen Bildgebungsvorrichtung sein. Die medizinische Bildgebungsvorrichtung kann beispielsweise aus der Bildgebungsmodalitäten-Gruppe gewählt sein, welche aus einem Röntgengerät, einem C-Bogen-Röntgengerät, einem Computertomographiegerät (CT-Gerät), einem Molekularbildgebungsgerät (MI-Gerät), einem Einzelphotonen-Emissions-Computertomographiegerät (SPECT-Gerät), einem Positronen-Emissions-Tomographiegerät (PET-Gerät), einem Magnetresonanztomographiegerät (MR-Gerät) und Kombinationen daraus, insbesondere einem PET-CT-Gerät und einem PET-MR-Gerät, besteht. Die medizinische Bildgebungsvorrichtung kann ferner eine Kombination einer Bildgebungsmodalität, die beispielsweise aus der Bildgebungsmodalitäten-Gruppe gewählt ist, und einer Bestrahlungsmodalität aufweisen. Dabei kann die Bestrahlungsmodalität beispielsweise eine Bestrahlungseinheit zur therapeutischen Bestrahlung aufweisen. Die medizinische Bildgebungsvorrichtung kann beispielsweise eine Kontrastmittelinjektionsvorrichtung aufweisen.
  • Ohne Einschränkung des allgemeinen Erfindungsgedankens wird bei einigen der Ausführungsformen ein Computertomographiegerät beispielhaft für eine medizinische Bildgebungsvorrichtung genannt.
  • Gemäß einer Ausführungsform der Erfindung weist die medizinische Bildgebungsvorrichtung eine Akquisitionseinheit, welche zur Akquisition der Akquisitionsdaten ausgebildet ist, auf. Insbesondere kann die Akquisitionseinheit eine Strahlungsquelle und einen Strahlungsdetektor aufweisen. Eine Ausführungsform der Erfindung sieht vor, dass die Strahlungsquelle zur Emission und/oder zur Anregung einer Strahlung, insbesondere einer elektromagnetischen Strahlung, ausgebildet ist und/oder dass der Strahlungsdetektor zur Detektion der Strahlung, insbesondere der elektromagnetischen Strahlung, ausgebildet ist. Die Strahlung kann beispielsweise von der Strahlungsquelle zu einem abzubildenden Bereich gelangen und/oder nach einer Wechselwirkung mit dem abzubildenden Bereich zu dem Strahlungsdetektor gelangen. Bei der Wechselwirkung mit dem abzubildenden Bereich wird die Strahlung modifiziert und damit zum Träger von Informationen, die den abzubildenden Bereich betreffen. Bei der Wechselwirkung der Strahlung mit dem Detektor werden diese Informationen in Form von Akquisitionsdaten erfasst.
  • Insbesondere bei einem Computertomographiegerät und bei einem C-Bogen-Röntgengerät können die Akquisitionsdaten Projektionsdaten, die Akquisitionseinheit eine Projektionsdaten-Akquisitionseinheit, die Strahlungsquelle eine Röntgenquelle, der Strahlungsdetektor ein Röntgendetektor sein. Der Röntgendetektor kann insbesondere ein quantenzählender und/oder energieauflösender Röntgendetektor sein.
  • Im Rahmen der Erfindung können Merkmale, welche in Bezug auf unterschiedliche Ausführungsformen der Erfindung und/oder unterschiedliche Anspruchskategorien (Verfahren, Verwendung, Vorrichtung, System, Anordnung usw.) beschrieben sind, zu weiteren Ausführungsformen der Erfindung kombiniert werden.
  • Beispielsweise kann ein Anspruch, der eine Vorrichtung betrifft, auch mit Merkmalen, die im Zusammenhang mit einem Verfahren beschrieben oder beansprucht sind, weitergebildet werden und umgekehrt. Funktionale Merkmale eines Verfahrens können dabei durch entsprechend ausgebildete gegenständliche Komponenten ausgeführt werden. Neben den in dieser Anmeldung ausdrücklich beschriebenen Ausführungsformen der Erfindung sind vielfältige weitere Ausführungsformen der Erfindung denkbar, zu denen der Fachmann gelangen kann, ohne den Bereich der Erfindung zu verlassen, soweit er durch die Ansprüche vorgegeben ist.
  • Die Verwendung der unbestimmten Artikel „ein“ bzw. „eine“ schließt nicht aus, dass das betroffene Merkmal auch mehrfach vorhanden sein kann. Die Verwendung des Ausdrucks „aufweisen“ schließt nicht aus, dass die mittels des Ausdrucks „aufweisen“ verknüpften Begriffe identisch sein können. Beispielsweise weist die medizinische Bildgebungsvorrichtung die medizinische Bildgebungsvorrichtung auf. Die Verwendung des Ausdrucks „Einheit“ schließt nicht aus, dass der Gegenstand, auf den sich der Ausdruck „Einheit“ bezieht, mehrere Komponenten aufweisen kann, die räumlich voneinander separiert sind. Der Ausdruck „basierend auf“ kann im Kontext der vorliegenden Anmeldung insbesondere im Sinne des Ausdrucks „unter Verwendung von“ verstanden werden. Insbesondere schließt eine Formulierung, der zufolge ein erstes Merkmal basierend auf einem zweiten Merkmal erzeugt (alternativ: ermittelt, bestimmt etc.) wird, nicht aus, dass das erste Merkmal basierend auf einem dritten Merkmal erzeugt (alternativ: ermittelt, bestimmt etc.) werden kann.
  • Im Folgenden wird die Erfindung anhand von Ausführungsbeispielen unter Hinweis auf die beigefügten Figuren erläutert. Die Darstellung in den Figuren ist schematisch, stark vereinfacht und nicht zwingend maßstabsgetreu.
  • Es zeigen:
    • 1 ein Ablaufdiagramm eines Verfahrens zum Ermitteln von Klassifikationsdaten,
    • 2 eine schematische Darstellung einer Datenverarbeitungseinheit zum Ermitteln von Klassifikationsdaten,
    • 3-5 eine schematische Darstellung der Klassifikationsdaten für eine Adaption eines Untersuchungsprotokolls,
    • 6 ein Ablaufdiagramm eines Verfahrens zur Adaption eines Untersuchungsprotokolls,
    • 7 eine schematische Darstellung einer Datenverarbeitungseinheit zur Adaption eines Untersuchungsprotokolls,
    • 8 eine Benutzeroberfläche zur Adaption eines Untersuchungsprotokolls, und
    • 9 eine medizinische Bildgebungsvorrichtung.
  • Die 1 zeigt ein Ablaufdiagramm eines Verfahrens zum Ermitteln von Klassifikationsdaten für eine Adaption eines Untersuchungsprotokolls basierend auf einem Untersuchungsgrundprotokoll einer medizinischen Bildgebungsuntersuchung in Abhängigkeit von Zustandsparametern der medizinischen Bildgebungsuntersuchung, wobei das Verfahren die folgenden Schritte umfasst:
    • - Bereitstellen PT eines Satzes von Trainingsdatensätzen, wobei jeder Trainingsdatensatz jeweils einen Zustandsparameterdatensatz mit Werten der Zustandsparameter der medizinischen Bildgebungsuntersuchung und eine dem Zustandsparameterdatensatz zugeordnete Adaptionsinformation aufweist, wobei die Adaptionsinformation eine Adaption des Untersuchungsprotokolls basierend auf dem Untersuchungsgrundprotokoll der medizinischen Bildgebungsuntersuchung betrifft,
    • - Ermitteln DC der Klassifikationsdaten basierend auf einem Maschinenlernalgorithmus und dem Satz von Trainingsdatensätzen.
  • Die 2 zeigt eine schematische Darstellung einer Datenverarbeitungseinheit 35-1 zum Ermitteln von Klassifikationsdaten für eine Adaption eines Untersuchungsprotokolls basierend auf einem Untersuchungsgrundprotokoll einer medizinischen Bildgebungsuntersuchung in Abhängigkeit von Zustandsparametern der medizinischen Bildgebungsuntersuchung, aufweisend:
    • - eine Trainingsdatensatz-Bereitstellungseinheit PT-U, ausgebildet zum Bereitstellen PT eines Satzes von Trainingsdatensätzen, wobei jeder Trainingsdatensatz jeweils einen Zustandsparameterdatensatz mit Werten der Zustandsparameter der medizinischen Bildgebungsuntersuchung und eine dem Zustandsparameterdatensatz zugeordnete Adaptionsinformation aufweist, wobei die Adaptionsinformation eine Adaption des Untersuchungsprotokolls basierend auf dem Untersuchungsgrundprotokoll der medizinischen Bildgebungsuntersuchung betrifft,
    • - eine Klassifikationsdaten-Ermittlungseinheit DC-U, ausgebildet zum Ermitteln DC der Klassifikationsdaten basierend auf einem Maschinenlernalgorithmus und dem Satz von Trainingsdatensätzen.
  • Die 3-5 zeigen Beispiele für gelernte Entscheidungsbäume. Dabei ist eine Entscheidung auch dann möglich, wenn nur eine Teilmenge der insgesamt in den Klassifikationsdaten berücksichtigten Zustandsparameter für die Abfragen zur Verfügung steht. Es können dann Entscheidungen für bestimmte Teilaspekte des Untersuchungsprotokolls unterstützt werden, indem separate Zweige ermittelt werden, in deren Knoten nur die verfügbaren Zustandsparameter abgefragt werden.
  • Der Entscheidungsbaum, der in der 3 dargestellt ist, betrifft die Auswahl einer Akquisitionsmethode in Abhängigkeit vom Alter, der Herzrate und der Herzratenvariabilität des Patienten 13. In dem Knoten Q31 wird eine Spiral-Methode mit hohem Pitch vorgeschlagen und abgefragt, welcher der Altersklassen, Erwachsener A31 oder Kind B31, der Patient 13 zugeordnet ist. Falls der Patient 13 der Altersklasse Erwachsener A31 zugeordnet ist, wird in dem Knoten Q32 eine getriggerte Sequenz vorgeschlagen und abgefragt, ob die Herzrate einen bestimmten Schwellwert, beispielsweise 65 Schläge pro Minute, überschreitet Y oder nicht überschreitet N. Falls die Herzrate den bestimmten Schwellert nicht überschreitet N wird in dem Knoten Q33 eine Spiral-Methode mit hohem Pitch vorgeschlagen und abgefragt, ob die Herzratenvariabilität einen bestimmten Schwellwert, beispielsweise 7 Schläge pro Minute, überschreitet Y oder nicht überschreitet N. Falls die Herzratenvariabilität den bestimmten Schwellwert überschreitet Y, wird in dem Knoten Q34 eine getriggerte Sequenz vorgeschlagen.
  • Der Entscheidungsbaum, der in der 4 dargestellt ist, betrifft eine Modifikation der Strahlenexposition in Abhängigkeit von dem Agatston-Score (Calcium-Score). In dem Knoten Q41 wird eine Grundeinstellung für die Strahlenexposition vorgeschlagen und abgefragt, ob der Agatston-Score einen bestimmten Schwellwert, beispielsweise 400, überschreitet Y oder nicht überschreitet N. Falls der Agatston-Score den bestimmten Schwellwert überschreitet Y, wird in dem Knoten Q42 eine Strahlenexposition vorgeschlagen, die um einen bestimmten Faktor, beispielsweise 1,5, höher ist als in der Grundeinstellung für die Strahlenexposition.
  • Der Entscheidungsbaum, der in der 5 dargestellt ist, betrifft die Adaption eines Rekonstruktionsalgorithmus in Abhängigkeit von einem mittleren Patientendurchmesser. In dem Knoten Q51 wird ein erster Kernel, beispielsweise Kernel Br40, vorgeschlagen und abgefragt, ob der mittlere Patientendurchmesser einen bestimmten ersten Schwellwert, beispielsweise 38 cm, überschreitet Y oder nicht überschreitet N. In dem Knoten Q52 wird ein zweiter Kernel, beispielsweise Kernel Br36, vorgeschlagen und abgefragt, ob der mittlere Patientendurchmesser einen bestimmten zweiten Schwellwert, beispielsweise 50 cm, überschreitet Y oder nicht überschreitet N. In dem Knoten Q53 wird ein dritter Kernel, beispielsweise Kernel Br32, vorgeschlagen.
  • Die 6 zeigt ein Ablaufdiagramm eines Verfahrens zur Adaption eines Untersuchungsprotokolls einer medizinischen Bildgebungsuntersuchung, wobei das Verfahren die folgenden Schritte umfasst:
    • - Auswählen SB eines Untersuchungsgrundprotokolls der medizinischen Bildgebungsuntersuchung,
    • - Bereitstellen PD einer Datenstruktur, in welcher Werte von Zustandsparametern eines Zustandsparameterdatensatzes gespeichert und geändert werden können,
    • - Ändern CV zumindest eines Werts eines Zustandsparameters des Zustandsparameterdatensatzes in der Datenstruktur,
    • - Adaption AP eines Untersuchungsprotokolls basierend auf dem Untersuchungsgrundprotokoll in Abhängigkeit von den Zustandsparametern des Zustandsparameterdatensatzes.
  • Die 7 zeigt eine schematische Darstellung einer Datenverarbeitungseinheit zur Adaption eines Untersuchungsprotokolls einer medizinischen Bildgebungsuntersuchung, wobei das Verfahren die folgenden Schritte umfasst:
    • - Auswahleinheit SB-U, ausgebildet zum Auswählen SB eines Untersuchungsgrundprotokolls der medizinischen Bildgebungsuntersuchung,
    • - Datenstruktur-Bereitstellungseinheit PD-U, ausgebildet zum Bereitstellen PD einer Datenstruktur, in welcher Werte von Zustandsparametern eines Zustandsparameterdatensatzes gespeichert und geändert werden können,
    • - Adaptionseinheit AP-U, ausgebildet zur Adaption AP eines Untersuchungsprotokolls basierend auf dem Untersuchungsgrundprotokoll in Abhängigkeit von den Zustandsparametern des Zustandsparameterdatensatzes.
  • Die 8 zeigt eine Benutzeroberfläche UI zur Adaption eines Untersuchungsprotokolls. Die Benutzeroberfläche UI weist das Untersuchungsgrundprotokoll-Eingabeelement V1 in Form einer Dropdown-Liste zum Auswählen eines Untersuchungsgrundprotokolls auf. Dem Untersuchungsgrundprotokoll-Eingabeelement V1 ist das Label L1 „Kontrastmittel-Protokoll“ zugeordnet, welches auf die Funktion des Untersuchungsgrundprotokoll-Eingabeelements V1 hinweist.
  • Die Benutzeroberfläche UI weist die folgenden Zustandsparameter-Eingabeelemente im Zustandsparameter-Eingabebereich SP auf: Geschlecht des Patienten: Buttons V21 für männlich und V22 für weiblich, Gewicht des Patienten: Texteingabefeld V3, Altersklasse des Patienten: zum Beispiel Buttons V41 für 18-30 Jahre, V42 für 30-65 Jahre, V43 für älter als 65 Jahre, Nierenfunktionstüchtigkeit: Buttons V51 für normal, V52 für eingeschränkt, V53 für stark geschädigt. Den Zustandsparameter-Eingabeelementen sind jeweils die Label L2 „Geschlecht“, L3 „Gewicht“, L4 „Alter“ und L5 „Nierenfunktionstüchtigkeit“ zugeordnet, welche auf die Funktion der entsprechenden Zustandsparameter-Eingabeelemente hinweisen. Zusätzlich können die Zustandsparameter-Eingabeelemente selbst jeweils ein Label aufweist, welches den Wert, der mit dem Zustandsparameter-Eingabeelemente eingegeben werden kann, näher beschreibt.
  • Die Benutzeroberfläche UI weist die folgenden Untersuchungsprotokoll-Ausgabeelemente in Form von Textanzeigefeldern im Untersuchungsprotokoll-Ausgabebereich PP auf, welche jeweils Kontrastmittelparameter betreffen: PV1 für den Kontrastmittel-Namen: Ultravist, PV2 für die Jod-Konzentration in mg/ml: 370, PV3 für den Flow in ml/s: 3.3, PV4 für das Volumen in ml: 80, PV5 für die Dauer in Sekunden: 24, PV6 für die Kontrastmittel-Ratio in Prozent: 100. Den Untersuchungsprotokoll-Ausgabeelementen sind jeweils die Label PL1 „Kontrastmittel-Name“, PL2 „Jod-Konzentration in mg/ml“, PL3 „Flow in ml/s“, PL4 „Volumen in ml“, PL5 „Dauer in Sekunden“, PL6 „Kontrastmittel-Ratio in Prozent“ zugeordnet, welche auf die Funktion der entsprechenden Untersuchungsprotokoll-Ausgabeelemente hinweisen.
  • Zusätzlich weist die Benutzeroberfläche UI die Untersuchungsprotokoll-Ausgabeelemente PV30 und PV40 in Form von Textanzeigefeldern auf, wobei mittels PV30 ein Wert für den Flow in ml/s gemäß dem Untersuchungsgrundprotokoll und mittels PV40 ein Wert für das Volumen in s gemäß dem Untersuchungsgrundprotokoll angezeigt wird. Es können auch Untersuchungsprotokoll-Ausgabeelemente vorgesehen sein, in denen eine relative oder absolute Änderung des Werts des Untersuchungsgrundprotokollparameters relativ zu dem Untersuchungsgrundprotokoll angezeigt wird.
  • Ohne Beschränkung des allgemeinen Erfindungsgedankens sind für die Untersuchungsprotokollparameter beispielhaft Kontrastmittelparameter gezeigt. Alternativ oder zusätzlich zu den Kontrastmittelparametern können auch andere Untersuchungsprotokollparameter, beispielsweise Akquisitionsparameter und/oder Akquisitionsparameter adaptiert werden. In dem Bildanzeigefeld 13A kann beispielsweise ein Avatar des ausgewählten virtuellen Patienten angezeigt werden. Mit dem Button DS können die Grundeinstellungen (Default-Werte) gemäß dem unveränderten Zustandsparameterdatensatz für den ausgewählten virtuellen Patienten geladen werden. Mit dem Button SIM kann die automatische Ermittlung der Werte für die Untersuchungsprotokollparameter basierend auf den aktuellen Zustandsparametern und dem ausgewählten Untersuchungsgrundprotokoll gestartet werden. Es kann auch vorgesehen sein, dass die Untersuchungsprotokollparameter in Echtzeit in Abhängigkeit von den geänderten Zustandsparametern aktualisiert werden.
  • Ohne Beschränkung des allgemeinen Erfindungsgedankens ist für die medizinische Bildgebungsvorrichtung 1 beispielhaft ein Computertomographiegerät gezeigt. Die medizinische Bildgebungsvorrichtung 1 weist die Gantry 20, die tunnelförmige Öffnung 9, die Patientenlagerungsvorrichtung 10 und die Steuerungsvorrichtung 30 auf. Die Gantry 20 weist den stationären Tragrahmen 21, den Kipprahmen 22 und den Rotor 24 auf. Der Kipprahmen 22 ist mittels einer Kipplagerungsvorrichtung an dem stationären Tragrahmen 21 um eine Kippachse relativ zu dem stationären Tragrahmen 21 kippbar angeordnet. Der Rotor 24 ist mittels einer Drehlagerungsvorrichtung an dem Kipprahmen 22 um eine Rotationsachse relativ zu dem Kipprahmen 22 drehbar angeordnet.
  • In die tunnelförmige Öffnung 9 ist der Patient 13 einführbar. In der tunnelförmigen Öffnung 9 befindet sich der Akquisitionsbereich 4. In dem Akquisitionsbereich 4 ist ein abzubildender Bereich des Patienten 13 derart positionierbar, dass die Strahlung 27 von der Strahlungsquelle 26 zu dem abzubildenden Bereich gelangen kann und nach einer Wechselwirkung mit dem abzubildenden Bereich zu dem Strahlungsdetektor 28 gelangen kann. Die Patientenlagerungsvorrichtung 10 weist den Lagerungssockel 11 und die Lagerungsplatte 12 zur Lagerung des Patienten 13 auf. Die Lagerungsplatte 12 ist derart relativ zu dem Lagerungssockel 11 bewegbar an dem Lagerungssockel 11 angeordnet, dass die Lagerungsplatte 12 in einer Längsrichtung der Lagerungsplatte 12, insbesondere entlang der Systemachse AR, in den Akquisitionsbereich 4 einführbar ist. Die medizinische Bildgebungsvorrichtung 1 ist zur Akquisition von Akquisitionsdaten basierend auf einer elektromagnetischen Strahlung 27 ausgebildet. Die medizinische Bildgebungsvorrichtung 1 weist eine Akquisitionseinheit auf. Die Akquisitionseinheit ist eine Projektionsdaten-Akquisitionseinheit mit der Strahlungsquelle 26, z. B. einer Röntgenquelle, und dem Detektor 28, z. B. einem Röntgendetektor, insbesondere einem energieauflösenden Röntgendetektor. Die Strahlungsquelle 26 ist an dem Rotor 24 angeordnet und zur Emission einer Strahlung 27, z. B. einer Röntgenstrahlung, mit Strahlungsquanten 27 ausgebildet. Der Detektor 28 ist an dem Rotor 24 angeordnet und zur Detektion der Strahlungsquanten 27 ausgebildet. Die Strahlungsquanten 27 können von der Strahlungsquelle 26 zu dem abzubildenden Bereich des Patienten 13 gelangen und nach einer Wechselwirkung mit dem abzubildenden Bereich auf den Detektor 28 auftreffen. Auf diese Weise können mittels der Akquisitionseinheit Akquisitionsdaten des abzubildenden Bereichs in Form von Projektionsdaten erfasst werden.
  • Die Steuerungsvorrichtung 30 ist zum Empfangen der von der Akquisitionseinheit akquirierten Akquisitionsdaten ausgebildet. Die Steuerungsvorrichtung 30 ist zum Steuern der medizinischen Bildgebungsvorrichtung 1 ausgebildet. Die Steuerungsvorrichtung 30 weist die Datenverarbeitungseinheit 35, das computerlesbare Medium 32 und das Prozessorsystem 36 auf. Die Steuerungsvorrichtung 30, insbesondere die Datenverarbeitungseinheit 35, wird von einem Datenverarbeitungssystem, welches einen Computer aufweist, gebildet. Bei der Datenverarbeitungseinheit 35 kann es sich um die Datenverarbeitungseinheit 35-1 zum Ermitteln von Klassifikationsdaten und/oder um die Datenverarbeitungseinheit 35-2 zur Adaption eines Untersuchungsprotokolls handeln. Die Steuerungsvorrichtung 30 weist die Bildrekonstruktionseinrichtung 34 auf. Mittels der Bildrekonstruktionseinrichtung 34 kann basierend auf den Akquisitionsdaten ein medizinischer Bilddatensatz rekonstruiert werden.
  • Die medizinische Bildgebungsvorrichtung 1 weist eine Eingabevorrichtung 38 und eine Ausgabevorrichtung 39 auf, welche jeweils mit der Steuerungsvorrichtung 30 verbunden sind. Die Eingabevorrichtung 38 ist zum Eingeben von Steuerungs-Informationen, z. B. Bildrekonstruktionsparametern, Untersuchungsparametern oder ähnliches, ausgebildet. Die Ausgabevorrichtung 39 ist insbesondere zum Ausgeben von Steuerungs-Informationen, Bildern und/oder akustischen Signalen ausgebildet. Bei der Ausgabevorrichtung 39 kann es sich insbesondere um einen Bildschirm handeln, mit dem die Benutzeroberfläche UI angezeigt werden kann.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • US 8000510 B2 [0007]
    • US 8401872 B2 [0008]
    • US 8687762 B2 [0009]
    • US 9615804 B2 [0010]
    • US 9636077 B2 [0011]

Claims (15)

  1. Verfahren zum Ermitteln von Klassifikationsdaten für eine Adaption eines Untersuchungsprotokolls basierend auf einem Untersuchungsgrundprotokoll einer medizinischen Bildgebungsuntersuchung in Abhängigkeit von Zustandsparametern der medizinischen Bildgebungsuntersuchung, wobei das Verfahren die folgenden Schritte umfasst: - Bereitstellen (PT) eines Satzes von Trainingsdatensätzen, wobei jeder Trainingsdatensatz jeweils einen Zustandsparameterdatensatz mit Werten der Zustandsparameter der medizinischen Bildgebungsuntersuchung und eine dem Zustandsparameterdatensatz zugeordnete Adaptionsinformation aufweist, wobei die Adaptionsinformation eine Adaption des Untersuchungsprotokolls basierend auf dem Untersuchungsgrundprotokoll der medizinischen Bildgebungsuntersuchung betrifft, - Ermitteln (DC) der Klassifikationsdaten basierend auf einem Maschinenlernalgorithmus und dem Satz von Trainingsdatensätzen.
  2. Verfahren nach Anspruch 1, - wobei die Klassifikationsdaten einen Entscheidungsbaum bilden und/oder - wobei der Maschinenlernalgorithmus auf rekursiver Partitionierung basiert.
  3. Verfahren nach einem der Ansprüche 1 bis 2, - wobei das Untersuchungsprotokoll zumindest einen Untersuchungsprotokollparameter aufweist, der aus der Gruppe gewählt ist, welche aus einem Akquisitionsparameter, einem Rekonstruktionsparameter, einem Kontrastmittelparameter und Kombinationen davon besteht.
  4. Verfahren nach einem der Ansprüche 1 bis 3, - wobei die Zustandsparameter der medizinischen Bildgebungsuntersuchung Patientenparameter und/oder Untersuchungsparameter sind.
  5. Datenverarbeitungseinheit (35-1) zum Ermitteln von Klassifikationsdaten für eine Adaption eines Untersuchungsprotokolls basierend auf einem Untersuchungsgrundprotokoll einer medizinischen Bildgebungsuntersuchung in Abhängigkeit von Zustandsparametern der medizinischen Bildgebungsuntersuchung, aufweisend: - eine Trainingsdatensatz-Bereitstellungseinheit (PT-U), ausgebildet zum Bereitstellen (PT) eines Satzes von Trainingsdatensätzen, wobei jeder Trainingsdatensatz jeweils einen Zustandsparameterdatensatz mit Werten der Zustandsparameter der medizinischen Bildgebungsuntersuchung und eine dem Zustandsparameterdatensatz zugeordnete Adaptionsinformation aufweist, wobei die Adaptionsinformation eine Adaption des Untersuchungsprotokolls basierend auf dem Untersuchungsgrundprotokoll der medizinischen Bildgebungsuntersuchung betrifft, - eine Klassifikationsdaten-Ermittlungseinheit (DC-U), ausgebildet zum Ermitteln (DC) der Klassifikationsdaten basierend auf einem Maschinenlernalgorithmus und dem Satz von Trainingsdatensätzen.
  6. Verwendung von Klassifikationsdaten, welche gemäß einem Verfahren nach einem der Ansprüche 1 bis 4 ermittelt wurden, zur Optimierung eines Untersuchungsprotokoll-Adaptionsalgorithmus, welcher zur Adaption eines Untersuchungsprotokolls basierend auf einem Untersuchungsgrundprotokoll einer medizinischen Bildgebungsuntersuchung in Abhängigkeit von Zustandsparametern der medizinischen Bildgebungsuntersuchung ausgebildet ist.
  7. Verwendung von Klassifikationsdaten, welche gemäß einem Verfahren nach einem der Ansprüche 1 bis 4 ermittelt wurden, zur Optimierung einer Untersuchungsgrundprotokoll-Datenbank, welche eine Mehrzahl von Untersuchungsgrundprotokollen aufweist, - wobei basierend auf den Klassifikationsdaten zumindest ein weiteres Untersuchungsgrundprotokoll für eine Aufnahme in die Untersuchungsgrundprotokoll-Datenbank ermittelt wird und/oder - wobei die Untersuchungsgrundprotokolle der Mehrzahl von Untersuchungsgrundprotokollen basierend auf den Klassifikationsdaten klassifiziert werden.
  8. Verfahren zur Adaption eines Untersuchungsprotokolls einer medizinischen Bildgebungsuntersuchung, wobei das Verfahren die folgenden Schritte umfasst: - Auswählen (SB) eines Untersuchungsgrundprotokolls der medizinischen Bildgebungsuntersuchung, - Bereitstellen (PD) einer Datenstruktur, in welcher Werte von Zustandsparametern eines Zustandsparameterdatensatzes gespeichert und geändert werden können, - Adaption (AP) eines Untersuchungsprotokolls basierend auf dem Untersuchungsgrundprotokoll in Abhängigkeit von den Zustandsparametern des Zustandsparameterdatensatzes.
  9. Verfahren nach Anspruch 8, - wobei die Adaption (AP) des Untersuchungsprotokolls mittels eines Untersuchungsprotokoll-Adaptionsalgorithmus erfolgt, welcher unter Verwendung von Klassifikationsdaten optimiert wurde, welche gemäß einem Verfahren nach einem der Ansprüche 1 bis 4 ermittelt wurden.
  10. Verfahren nach einem der Ansprüche 8 bis 9, - wobei eine Benutzeroberfläche (UI) angezeigt wird, welche ein Zustandsparameter-Eingabeelement aufweist, - wobei eine Benutzereingabe, welche den Zustandsparameter betrifft, mittels des Zustandsparameter-Eingabeelements erfasst wird, - wobei der Wert des Zustandsparameters basierend auf der Benutzereingabe, welche den Zustandsparameter betrifft, geändert wird.
  11. Verfahren nach einem der Ansprüche 8 bis 10, - wobei die Benutzeroberfläche (UI) ein Untersuchungsgrundprotokoll-Eingabeelement (V1) aufweist, - wobei eine Benutzereingabe, welche das Untersuchungsgrundprotokoll betrifft, mittels des Untersuchungsgrundprotokoll-Eingabeelements (V1) erfasst wird, - wobei das Untersuchungsgrundprotokoll basierend auf der Benutzereingabe, welche das Untersuchungsgrundprotokoll betrifft, ausgewählt wird.
  12. Verfahren nach einem der Ansprüche 8 bis 11, - wobei die Benutzeroberfläche (UI) ein Untersuchungsprotokoll-Ausgabeelement aufweist, - wobei ein Wert eines Untersuchungsprotokollparameters des adaptierten Untersuchungsprotokolls und/oder ein Wert des Untersuchungsprotokollparameters des Untersuchungsgrundprotokolls mittels des Untersuchungsprotokoll-Ausgabeelements angezeigt werden.
  13. Datenverarbeitungseinheit zur Adaption eines Untersuchungsprotokolls einer medizinischen Bildgebungsuntersuchung, wobei das Verfahren die folgenden Schritte umfasst: - Auswahleinheit (SB-U), ausgebildet zum Auswählen (SB) eines Untersuchungsgrundprotokolls der medizinischen Bildgebungsuntersuchung, - Datenstruktur-Bereitstellungseinheit (PD-U), ausgebildet zum Bereitstellen (PD) einer Datenstruktur, in welcher Werte von Zustandsparametern eines Zustandsparameterdatensatzes gespeichert und geändert werden können, - Adaptionseinheit (AP-U), ausgebildet zur Adaption (AP) eines Untersuchungsprotokolls basierend auf dem Untersuchungsgrundprotokoll in Abhängigkeit von den Zustandsparametern des Zustandsparameterdatensatzes.
  14. Computerprogrammprodukt mit einem Computerprogramm, welches direkt in eine Speichereinrichtung eines Computers (30) ladbar ist, mit Programmabschnitten, um alle Schritte eines Verfahrens nach einem der Ansprüche 1 bis 4 oder 8 bis 12 auszuführen, wenn das Computerprogramm in dem Computer (30) ausgeführt wird.
  15. Computerlesbares Medium (32), auf welchem von einem Computer (30) einlesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte eines Verfahrens nach einem der Ansprüche 1 bis 4 oder 8 bis 12 auszuführen, wenn die Programmabschnitte von dem Computer (30) ausgeführt werden.
DE102017215829.8A 2017-09-07 2017-09-07 Verfahren und Datenverarbeitungseinheit zum Ermitteln von Klassifikationsdaten für eine Adaption eines Untersuchungsprotokolls Ceased DE102017215829A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
DE102017215829.8A DE102017215829A1 (de) 2017-09-07 2017-09-07 Verfahren und Datenverarbeitungseinheit zum Ermitteln von Klassifikationsdaten für eine Adaption eines Untersuchungsprotokolls
US16/118,660 US20190074083A1 (en) 2017-09-07 2018-08-31 Method and data processing unit for determining classification data for adaption of an examination protocol
CN201811033018.6A CN109464199A (zh) 2017-09-07 2018-09-05 确定用于调整检查协议的分类数据的方法和数据处理单元

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102017215829.8A DE102017215829A1 (de) 2017-09-07 2017-09-07 Verfahren und Datenverarbeitungseinheit zum Ermitteln von Klassifikationsdaten für eine Adaption eines Untersuchungsprotokolls

Publications (1)

Publication Number Publication Date
DE102017215829A1 true DE102017215829A1 (de) 2018-12-06

Family

ID=64279298

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102017215829.8A Ceased DE102017215829A1 (de) 2017-09-07 2017-09-07 Verfahren und Datenverarbeitungseinheit zum Ermitteln von Klassifikationsdaten für eine Adaption eines Untersuchungsprotokolls

Country Status (3)

Country Link
US (1) US20190074083A1 (de)
CN (1) CN109464199A (de)
DE (1) DE102017215829A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020048824A1 (de) 2018-09-04 2020-03-12 Siemens Healthcare Gmbh Medizinischer bilddatensatz für eine radiotherapieplanung
EP3828578A1 (de) * 2019-11-28 2021-06-02 Siemens Healthcare GmbH Verfahren zur einstellung einer mrt-sequenz

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3889969A1 (de) * 2020-04-02 2021-10-06 Koninklijke Philips N.V. System zur medizinischen bildgebung
CN118266038A (zh) * 2021-11-25 2024-06-28 通用电气精准医疗有限责任公司 用于成像协议的网络设置管理
CN114500688B (zh) * 2022-01-28 2023-12-05 厦门科灿信息技术有限公司 设备协议识别的方法、装置、终端及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050020903A1 (en) * 2003-06-25 2005-01-27 Sriram Krishnan Systems and methods for automated diagnosis and decision support for heart related diseases and conditions
US8000510B2 (en) 2008-08-12 2011-08-16 Siemens Aktiengesellschaft Method and control device to control a slice image acquisition system
DE102011002928A1 (de) * 2011-01-20 2012-07-26 Siemens Aktiengesellschaft Verfahren zur rechnergestützten Konfiguration einer medizinischen Bildgebungsvorrichtung
US8401872B2 (en) 2005-11-22 2013-03-19 Siemens Aktiengesellschaft Medical diagnostic apparatus and method for the operation thereof
US8687762B2 (en) 2010-07-16 2014-04-01 Siemens Aktiengesellschaft CT system
DE102014226824A1 (de) * 2014-12-22 2016-06-23 Siemens Aktiengesellschaft Verfahren zum Bereitstellen eines lernbasierten Diagnoseunterstützungsmodells für zumindest ein Diagnosesystem
US9615804B2 (en) 2011-06-29 2017-04-11 Siemens Aktiengesellschaft Method for image generation and image evaluation
US9636077B2 (en) 2013-09-25 2017-05-02 Siemens Aktiengesellschaft Method and system for the automatic selection of a scanning protocol
DE102016209032B3 (de) * 2016-05-24 2017-09-14 Siemens Healthcare Gmbh Bildbegebendes Verfahren zum Durchführen einer medizinischen Untersuchung nebst zugehörigem Bildgebenden System und zugehörigem Computerprogrammprodukt
EP3282271A1 (de) * 2016-08-08 2018-02-14 Siemens Healthcare GmbH Verfahren zu einem einstellen und/oder anpassen von einem parameterwert von zumindest einem parameter eines magnetresonanzprotokolls für zumindest eine magnetresonanzsequenz

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040013097A (ko) * 2001-07-04 2004-02-11 코기줌 인터메디아 아게 카테고리 기반의 확장가능한 대화식 문서 검색 시스템
US8165368B2 (en) * 2008-09-29 2012-04-24 General Electric Company Systems and methods for machine learning based hanging protocols
WO2010117575A2 (en) * 2009-04-07 2010-10-14 Virginia Commonwealth University Accurate pelvic fracture detection for x-ray and ct images
US8332420B2 (en) * 2010-01-20 2012-12-11 Siemens Product Lifecycle Management Software Inc. System and method for performing a database query
JP5244831B2 (ja) * 2010-01-25 2013-07-24 株式会社日立製作所 計算機システム及びストレージ統合管理方法
EP2602678B1 (de) * 2011-12-07 2014-08-13 Siemens Aktiengesellschaft Verfahren zum Übersetzen eines in einer Automatisierungssprache vorliegenden Steuerungsprogramms in eine Zwischensprache
AU2013359762B2 (en) * 2012-12-10 2016-02-18 Viditeck Ag Rules based data processing system and method
WO2014172671A1 (en) * 2013-04-18 2014-10-23 Digimarc Corporation Physiologic data acquisition and analysis
US9154412B2 (en) * 2013-07-30 2015-10-06 Cisco Technology, Inc. Multicast label distribution protocol over a remote loop-free alternative
CN104751431A (zh) * 2013-12-31 2015-07-01 西门子医疗保健诊断公司 一种基于图像处理的方法和装置
AU2015296014A1 (en) * 2014-08-01 2017-02-23 Smith & Nephew, Inc. Providing implants for surgical procedures
EP3204896A1 (de) * 2014-10-07 2017-08-16 Google, Inc. Trainieren von neuronalen netzwerken auf partitionierten trainingsdaten
WO2016069463A2 (en) * 2014-10-29 2016-05-06 Tissue Analystics, Inc. A system and method for the analysis and transmission of data, images and video relating to mammalian skin damage conditions
CN106156078A (zh) * 2015-03-31 2016-11-23 西门子公司 数据分析方法与装置
US20170235915A1 (en) * 2016-02-17 2017-08-17 Siemens Healthcare Gmbh Personalized model with regular integration of data
CN106725476A (zh) * 2016-11-24 2017-05-31 太原理工大学 基于卷积神经网络的多发性硬化病灶检测及分类方法
CN106933954A (zh) * 2017-01-22 2017-07-07 四川用联信息技术有限公司 基于决策树分类算法实现搜索引擎优化技术
CN106997574A (zh) * 2017-02-15 2017-08-01 王梅 一种基于云服务的健康数据互动方法和系统
CN106992965A (zh) * 2017-02-27 2017-07-28 南京邮电大学 一种基于网络行为的木马检测方法
CN106846210A (zh) * 2017-03-11 2017-06-13 广东省中医院 一种基于患者诊疗信息的病友推荐系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050020903A1 (en) * 2003-06-25 2005-01-27 Sriram Krishnan Systems and methods for automated diagnosis and decision support for heart related diseases and conditions
US8401872B2 (en) 2005-11-22 2013-03-19 Siemens Aktiengesellschaft Medical diagnostic apparatus and method for the operation thereof
US8000510B2 (en) 2008-08-12 2011-08-16 Siemens Aktiengesellschaft Method and control device to control a slice image acquisition system
US8687762B2 (en) 2010-07-16 2014-04-01 Siemens Aktiengesellschaft CT system
DE102011002928A1 (de) * 2011-01-20 2012-07-26 Siemens Aktiengesellschaft Verfahren zur rechnergestützten Konfiguration einer medizinischen Bildgebungsvorrichtung
US9615804B2 (en) 2011-06-29 2017-04-11 Siemens Aktiengesellschaft Method for image generation and image evaluation
US9636077B2 (en) 2013-09-25 2017-05-02 Siemens Aktiengesellschaft Method and system for the automatic selection of a scanning protocol
DE102014226824A1 (de) * 2014-12-22 2016-06-23 Siemens Aktiengesellschaft Verfahren zum Bereitstellen eines lernbasierten Diagnoseunterstützungsmodells für zumindest ein Diagnosesystem
DE102016209032B3 (de) * 2016-05-24 2017-09-14 Siemens Healthcare Gmbh Bildbegebendes Verfahren zum Durchführen einer medizinischen Untersuchung nebst zugehörigem Bildgebenden System und zugehörigem Computerprogrammprodukt
EP3282271A1 (de) * 2016-08-08 2018-02-14 Siemens Healthcare GmbH Verfahren zu einem einstellen und/oder anpassen von einem parameterwert von zumindest einem parameter eines magnetresonanzprotokolls für zumindest eine magnetresonanzsequenz

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020048824A1 (de) 2018-09-04 2020-03-12 Siemens Healthcare Gmbh Medizinischer bilddatensatz für eine radiotherapieplanung
EP3828578A1 (de) * 2019-11-28 2021-06-02 Siemens Healthcare GmbH Verfahren zur einstellung einer mrt-sequenz

Also Published As

Publication number Publication date
US20190074083A1 (en) 2019-03-07
CN109464199A (zh) 2019-03-15

Similar Documents

Publication Publication Date Title
DE102017215829A1 (de) Verfahren und Datenverarbeitungseinheit zum Ermitteln von Klassifikationsdaten für eine Adaption eines Untersuchungsprotokolls
DE102016215109A1 (de) Verfahren und Datenverarbeitungseinheit zum Optimieren eines Bildrekonstruktionsalgorithmus
DE102011078278A1 (de) Verfahren zur Bilderzeugung und Bildauswertung
DE102016219488A1 (de) Verfahren zum Bereitstellen einer Konfidenzinformation
DE102017221830A1 (de) Charakterisierung eines Störkörpers innerhalb eines Untersuchungsobjektes anhand eines medizinischen Bilddatensatzes
DE102009051384A1 (de) Strahlaufhärtungskorrektur für CT-Perfusionsmessungen
DE102006046747A1 (de) Systeme, Verfahren und Vorrichtung für die Diagnose einer Krankheit, ausgehend von Kategoriezahlen
DE102018222606A1 (de) Verfahren und Vorrichtung zur Detektion eines anatomischen Merkmals eines Blutgefäßabschnittes
DE102007018260A1 (de) Verfahren und Gerät für relative Perfusion und/oder Funktionsfähigkeit
DE102017203333A1 (de) Verfahren zur Überprüfung eines medizinischen Bildes und Verfahren zur Anpassung eines Untersuchungsprotokolls während einer medizinischen Bildgebungsuntersuchung
DE102018214325A1 (de) Verfahren und Bereitstellungseinheit zum Bereitstellen eines virtuellen tomographischen Schlaganfall-Nachfolgeuntersuchungsbildes
DE102016221684A1 (de) Verfahren und Bilddatenverarbeitungseinrichtung zum Verarbeiten eines Multi-Energie-Computertomographie-Bilddatensatzes
DE102009054990A1 (de) Messprotokoll-Optimierung für ein medizintechnisches Gerät
EP3404436B1 (de) Funktionelle magnetresonanz-bildgebung
DE102014210218B4 (de) Verfahren zum Generieren von medizinischen Bilddatensätzen, sowie medizinisches Bildgebungsgerät
EP3084651A1 (de) Automatische dosissteuerung für bildgebende medizinische einrichtungen
DE102017203315A1 (de) Verfahren und Datenverarbeitungseinheit zur Auswahl eines Protokolls für eine medizinische Bildgebungsuntersuchung
DE102015210912A1 (de) Rekonstruktion eines Ergebnisbildes unter Berücksichtigung von Kontur-Signifikanz-Daten
DE102016215105A1 (de) Verfahren und Datenverarbeitungseinheit zum Ermitteln eines Akquisitionsdatenverarbeitungsalgorithmus
EP3214562B1 (de) Bestimmen einer bildserie abhängig von einer signaturmenge
EP3287915B1 (de) Erzeugung einer favoritenmenge umfassend mehrere protokolle zur ansteuerung eines medizinischen bildgebungsgerätes
EP3379487A1 (de) Kontrastverstärkte wiedergabe von spektralen ct-bilddaten
EP3349219A1 (de) Verfahren und system zum ermitteln eines untersuchungsparameters für eine medizinische bildgebungsuntersuchung
DE102017208560A1 (de) Funktionelle Magnetresonanz-Bildgebung
DE102021206108A1 (de) Verfahren und Vorrichtung zur Auswertung von medizinischen Bilddaten

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R230 Request for early publication
R002 Refusal decision in examination/registration proceedings
R003 Refusal decision now final