DE102019202830A1 - Method for evaluating an image quality of a volume image data set - Google Patents
Method for evaluating an image quality of a volume image data set Download PDFInfo
- Publication number
- DE102019202830A1 DE102019202830A1 DE102019202830.6A DE102019202830A DE102019202830A1 DE 102019202830 A1 DE102019202830 A1 DE 102019202830A1 DE 102019202830 A DE102019202830 A DE 102019202830A DE 102019202830 A1 DE102019202830 A1 DE 102019202830A1
- Authority
- DE
- Germany
- Prior art keywords
- image data
- data set
- probability
- vbd
- volume
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000005259 measurement Methods 0.000 claims abstract description 51
- 210000000038 chest Anatomy 0.000 claims abstract description 38
- 238000002591 computed tomography Methods 0.000 claims abstract description 24
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 230000000747 cardiac effect Effects 0.000 claims description 53
- 238000004590 computer program Methods 0.000 claims description 7
- 230000006978 adaptation Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 abstract description 19
- 230000000875 corresponding effect Effects 0.000 description 21
- 210000003484 anatomy Anatomy 0.000 description 13
- 238000003745 diagnosis Methods 0.000 description 13
- 230000006735 deficit Effects 0.000 description 11
- 230000003993 interaction Effects 0.000 description 9
- 230000015572 biosynthetic process Effects 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 230000007704 transition Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000241 respiratory effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010006322 Breath holding Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- RFHAOTPXVQNOHP-UHFFFAOYSA-N fluconazole Chemical compound C1=NC=NN1CC(C=1C(=CC(F)=CC=1)F)(O)CN1C=NC=N1 RFHAOTPXVQNOHP-UHFFFAOYSA-N 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000001454 recorded image Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
- A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/46—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with special arrangements for interfacing with the operator or the patient
- A61B6/461—Displaying means of special interest
- A61B6/466—Displaying means of special interest adapted to display 3D data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/503—Clinical applications involving diagnosis of heart
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/56—Details of data transmission or power supply, e.g. use of slip rings
- A61B6/563—Details of data transmission or power supply, e.g. use of slip rings involving image data transmission via a network
-
- 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
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/30004—Biomedical image processing
- G06T2207/30048—Heart; Cardiac
-
- 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
Abstract
Die Erfindung betrifft ein Verfahren zur Bewertung einer Bildqualität eines Volumenbilddatensatzes abbildend zumindest eines Teils des Thorax eines Patienten, wobei der Volumenbilddatensatz auf mittels eines Computertomographie-Geräts aufgenommenen Projektionsmessdaten basiert und eine dreidimensionale Matrix an Bildpixelwerten umfasst, aufweisend die Schritte- Empfangen des Volumenbilddatensatzes mittels einer ersten Schnittstelle,- Ermitteln, basierend auf dem Volumenbilddatensatz und mittels einer Recheneinheit, einer ersten Wahrscheinlichkeit eines Auftretens eines ersten Artefakts, welches durch die Bewegung des Herzens des Patienten hervorgerufen wird,und/odereiner zweiten Wahrscheinlichkeit eines Auftretens eines zweiten Artefakts in dem Volumenbilddatensatz, welches durch die Bewegung des Thorax durch die Atmung des Patienten hervorgerufen wird,- Bewerten der Bildqualität des Volumenbilddatensatzes mittels der Recheneinheit basierend auf der ermittelten ersten Wahrscheinlichkeit und/oder basierend auf der zweiten Wahrscheinlichkeit, und- Ausgeben der Bewertung der Bildqualität mittels einer zweiten Schnittstelle.The invention relates to a method for evaluating an image quality of a volume image data set depicting at least part of the thorax of a patient, the volume image data set being based on projection measurement data recorded by means of a computed tomography device and comprising a three-dimensional matrix of image pixel values, having the steps of receiving the volume image data set by means of a first Interface, - determining, based on the volume image data set and by means of a computing unit, a first probability of occurrence of a first artifact that is caused by the movement of the patient's heart, and / or a second probability of occurrence of a second artifact in the volume image data set that is caused by the movement of the thorax is caused by the patient's breathing, evaluation of the image quality of the volume image data set by means of the computing unit based on the determined first probability t and / or based on the second probability, and output of the assessment of the image quality by means of a second interface.
Description
Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur Bewertung einer Bildqualität eines Volumenbilddatensatzes abbildend zumindest eines Teils des Thorax eines Patienten, ein Computertomographie-Gerät umfassend eine Vorrichtung zur Bewertung einer Bildqualität, sowie ein Computerprogrammprodukt und ein computerlesbares Speichermedium.The invention relates to a method and a device for evaluating an image quality of a volume image data set depicting at least part of the thorax of a patient, a computed tomography device comprising a device for evaluating an image quality, as well as a computer program product and a computer-readable storage medium.
Medizinische Röntgenanwendungen sind wesentlicher Bestandteil des klinischen Alltags. Einen wichtigen Beitrag stellt dabei die Röntgenbildgebung mittels eines Computertomographie-Geräts (CT-Gerät) dar. Dabei wird die verwendete Röntgenstrahlung mittels einer Röntgenröhre, auch Röntgenquelle genannt, erzeugt. Die Röntgenröhre ist auf einem Drehkranz angeordnet, welcher im Betrieb des CT-Geräts eine Rotationsbewegung um eine Systemachse, auch Patientenachse oder z-Achse genannt, durchführt, entlang welcher der abzubildende Körperbereich eines Patienten positioniert ist. Während der Rotationsbewegung der Röntgenröhre werden für eine Mehrzahl an Winkelrichtungen Projektionsmessdaten mittels des Röntgendetektors aufgenommen. Bei den Projektionsmessdaten handelt es sich um eine Projektion oder eine Mehrzahl von Projektionen, welche für die jeweilige Winkelrichtung Informationen über die Schwächung der Strahlung durch das Untersuchungsobjekt, beispielsweise einen Patienten, enthalten. Vielfältige Verfahren zur Abtastung eines Untersuchungsobjektes mit einem CT-Gerät sind bekannt. Es werden beispielsweise Kreisabtastungen, sequentielle Kreisabtastungen mit einem sequentiellen Vorschub des Patienten entlang der Systemachse oder Spiralabtastungen mit einem kontinuierlichen Vorschub des Patiententisches angewandt. Aus den Projektionsmessdaten können anschließend ein dreidimensionaler Volumenbilddatensatz oder zweidimensionale Schichtbilddatensätze des Untersuchungsobjektes, beispielsweise mittels eines Verfahren der sogenannten gefilterten Rückprojektion oder iterativen Rekonstruktionsverfahren, rekonstruiert werden.Medical X-ray applications are an essential part of everyday clinical practice. X-ray imaging by means of a computed tomography device (CT device) makes an important contribution. The X-ray radiation used is generated by means of an X-ray tube, also called an X-ray source. The X-ray tube is arranged on a turntable which, when the CT device is in operation, performs a rotational movement around a system axis, also called the patient axis or z-axis, along which the patient's body region to be imaged is positioned. During the rotational movement of the X-ray tube, projection measurement data are recorded for a plurality of angular directions by means of the X-ray detector. The projection measurement data is a projection or a plurality of projections which contain information about the attenuation of the radiation by the examination object, for example a patient, for the respective angular direction. Various methods for scanning an examination object with a CT device are known. For example, circular scans, sequential circular scans with a sequential advance of the patient along the system axis or spiral scans with a continuous advance of the patient table are used. A three-dimensional volume image data set or two-dimensional slice image data sets of the examination subject can then be reconstructed from the projection measurement data, for example by means of a so-called filtered back projection or iterative reconstruction method.
Ein Anwendungsfall der Computertomographie-Bildgebung ist die Bildgebung des Thorax eines Patienten, und insbesondere dabei die Herz-Bildgebung mit einem CT-Gerät. Für qualitativ hochwertige CT-Aufnahmen des Thorax ist Voraussetzung, dass der Patient während der Aufnahmen der Projektionsmessdaten möglichst den Atem anhält, so dass sich der Thorax während der Aufnahme der Projektionsmessdaten nicht bewegt. Die Qualität des Atem Anhaltens des Patienten ist dabei an die Qualität des Trainings, des Atemkommandos und die Bereitschaft der Mitarbeit des Patienten gebunden. Bei der Herz-Bildgebung ist zusätzlich dazu, außerdem ein guter Ruhezustand des Herzens notwendig. Die Herzrate kann dabei in der Regel mit Hilfe von Medikamenten eingestellt werden, der Rhythmus des Herzens wiederum nur bedingt. Dies stellt insbesondere eine Herausforderung dar, wenn der finale Volumenbilddatensatz aus einer Mehrzahl an Teilbilddatensätzen, welche aus einer Mehrzahl von aufeinander folgenden Herzzyklen stammen, zusammengesetzt wird. Dies ist insbesondere dann der Fall, wenn die Ausdehnung des eingesetzten Röntgendetektors nicht ausreicht, das Herz als Ganzes abzutasten.One application of computed tomography imaging is imaging the thorax of a patient, and in particular cardiac imaging with a CT device. For high-quality CT recordings of the thorax it is a prerequisite that the patient holds his breath as much as possible while recording the projection measurement data so that the thorax does not move while recording the projection measurement data. The quality of the patient's breath holding is linked to the quality of the training, the breathing command and the patient's willingness to cooperate. In addition, cardiac imaging also requires a good resting state of the heart. The heart rate can usually be adjusted with the help of medication, but the heart's rhythm can only be adjusted to a limited extent. This represents a particular challenge when the final volume image data set is composed of a plurality of partial image data sets which originate from a plurality of successive cardiac cycles. This is the case in particular when the extent of the X-ray detector used is not sufficient to scan the heart as a whole.
Durch diese Ausgangssituation kann es bei CT-Aufnahmen des Thorax oder explizit des Herzens häufig zu Artefakten im Volumenbilddatensatz kommen. In dem Fall, dass keine qualifizierte Überprüfung der Bilddatensätze direkt nach der Aufnahme durch einen erfahrenen Radiologen oder erfahrenen Medizintechniker erfolgt, kann dies dazu führen, dass der Patient auch im Fall von Bildern mit Artefakten nach Hause gesendet wird, obwohl nur eingeschränkt nutzbare Bilder vorliegen.This initial situation can often lead to artifacts in the volume image data set in CT images of the thorax or explicitly of the heart. In the event that the image datasets are not properly checked by an experienced radiologist or experienced medical technician directly after they have been taken, this can result in the patient being sent home even in the case of images with artifacts, even though the images are only of limited use.
Durch den starken Einfluss des Patienten ist dabei eine grundsätzliche Lösung des Problems in Nachhinein, d.h. nach Aufnahme des Volumenbilddatensatzes, nur schwer möglich. Es gibt Ansätze und Lösungen die aufgenommenen Bilder durch Registrierung der einzelnen Teile zu korrigieren und so den auslösenden Ursachen wie Atmung oder eines unregelmäßigen Herzschlags entgegenzuwirken. Andere Lösungen basieren auf sehr aufwendigen, durch Hardware getriebenen Lösungen, welche den Einfluss der obigen Faktoren zu minimieren und damit das Auftreten von Artefakten von vornherein zu vermeiden versuchen. Beispielsweise kann durch den Einsatz eines möglichst großflächigen Detektor in Richtung der Längsachse des Patienten (Flächendetektor-System) ein möglichst großer Bereich gleichzeitig aufgenommen werden kann, so dass die Aufnahmezeiten möglichst gering gehalten werden können bzw. ein Aneinanderreihen von Teilbilddatensätzen aus verschiedenen Herzzyklen vermieden werden kann. Dies setzt jedoch kostspielige Detektorgrößen von mindestens 14cm oder mehr voraus.Due to the strong influence of the patient, a fundamental solution to the problem is in retrospect, i.e. after recording the volume image data set, only possible with difficulty. There are approaches and solutions to correct the recorded images by registering the individual parts and thus to counteract the triggering causes such as breathing or an irregular heartbeat. Other solutions are based on very complex, hardware-driven solutions which minimize the influence of the above factors and thus try to avoid the occurrence of artifacts from the outset. For example, by using the largest possible detector in the direction of the longitudinal axis of the patient (area detector system), the largest possible area can be recorded at the same time, so that the recording times can be kept as short as possible or a string of partial image data sets from different cardiac cycles can be avoided . However, this requires expensive detector sizes of at least 14 cm or more.
In vielen Fällen ist eine Überprüfung der Bilddatensätze für eine Gewährleistung einer ausreichend hohen Bildqualität nach der Aufnahme der Projektionsmessdaten nicht zu vermeiden.In many cases, a check of the image data sets in order to guarantee a sufficiently high image quality after the projection measurement data have been recorded cannot be avoided.
Aufgabe der Erfindung ist daher die Möglichkeit eine verbesserte Überprüfung eines Volumenbilddatensatzes abbildend zumindest eines Teils des Thorax eines Patienten hinsichtlich seiner Bildqualität bereitzustellen. The object of the invention is therefore the possibility of providing an improved check of a volume image data set depicting at least a part of the thorax of a patient with regard to its image quality.
Die Aufgabe wird gelöst durch die Merkmale der unabhängigen Patentansprüche. Weitere vorteilhafte und teils für sich erfinderische Ausführungsformen und Weiterbildungen der Erfindung sind in den Unteransprüchen und der nachfolgenden Beschreibung dargelegt.The object is achieved by the features of the independent patent claims. Further advantageous and in part inventive embodiments and developments of the invention are set out in the subclaims and the following description.
Nachstehend wird die erfindungsgemäße Lösung der Aufgabe sowohl in Bezug auf das beanspruchte Verfahren als auch in Bezug auf die beanspruchte Vorrichtung beschrieben. 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 (die beispielsweise auf eine Vorrichtung gerichtet sind) 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 ausgebildet.The solution to the object according to the invention is described below both in relation to the claimed method and in relation to the claimed device. Features, advantages or alternative embodiments mentioned here are also to be transferred to the other claimed subjects and vice versa. In other words, the present claims (which are directed, for example, to a device) can also be developed with the features that are described or claimed in connection with a method. The corresponding functional features of the method are formed by corresponding objective modules.
Die Erfindung betrifft ein Verfahren zur Bewertung einer Bildqualität eines Volumenbilddatensatzes abbildend zumindest eines Teils des Thorax eines Patienten, wobei der Volumenbilddatensatz auf mittels eines Computertomographie-Geräts aufgenommenen Projektionsmessdaten basiert und eine dreidimensionale Matrix an Bildpixelwerten umfasst. Das erfindungsgemäße Verfahren umfasst die Schritte des Empfangens, des ersten Ermittelns oder des zweiten Ermittelns, des Bewertens und des Ausgebens.The invention relates to a method for evaluating an image quality of a volume image data set depicting at least part of the thorax of a patient, the volume image data set being based on projection measurement data recorded by means of a computed tomography device and comprising a three-dimensional matrix of image pixel values. The method according to the invention comprises the steps of receiving, first determining or second determining, evaluating and outputting.
Im Schritt des Empfangens wird der Volumenbilddatensatz mittels einer ersten Schnittstelle empfangen. Die dreidimensionale Matrix an Bildpixelwerten des Volumenbilddatensatzes erlaubt eine dreidimensionale, insbesondere räumlich dreidimensionale, Darstellung des mittels der Projektionsmessdaten vermessenen Untersuchungsbereichs des Patienten. Der Volumenbilddatensatz kann auch als eine Mehrzahl an Schichtbilddatensätzen dargestellt werden. Ein Schichtbilddatensatz umfasst jeweils eine Schicht des Volumenbilddatensatzes an einer Position entlang einer ausgezeichneten Achse, insbesondere der z-Achse. Ein Schichtbilddatensatz erlaubt jeweils eine zweidimensionale, insbesondere räumlich zweidimensionale, Darstellung der jeweiligen Schicht. Der Volumenbilddatensatz bildet insbesondere zumindest ein Teil des Thorax des Patienten ab. Er kann dabei insbesondere auch das Herz des Patienten vollständig oder zumindest teilweise abbilden.In the receiving step, the volume image data set is received by means of a first interface. The three-dimensional matrix of image pixel values of the volume image data set allows a three-dimensional, in particular three-dimensional, spatial representation of the examination area of the patient measured by means of the projection measurement data. The volume image data set can also be represented as a plurality of slice image data sets. A slice image data set comprises in each case a slice of the volume image data set at a position along a marked axis, in particular the z-axis. A slice image data record allows a two-dimensional, in particular spatially two-dimensional, representation of the respective slice. In particular, the volume image data record depicts at least part of the patient's thorax. In particular, it can also display the patient's heart completely or at least partially.
Basierend auf dem Volumenbilddatensatz wird mittels der Recheneinheit in dem Schritt des erstens Ermittelns die erste Wahrscheinlichkeit für das Auftreten des ersten Artefakts bestimmt oder in dem Schritt des zweiten Ermittelns die zweite Wahrscheinlichkeit für das Auftreten des zweiten Artefakts bestimmt. Dabei kann das zweite Ermitteln unabhängig vom ersten Ermitteln stattfinden bzw. auch eine zweite Wahrscheinlichkeit unabhängig von einer ersten Wahrscheinlichkeit ermittelt werden. Auch eine zeitliche Reihenfolge soll durch die Ausdrücke des „ersten Ermittelns“ und „zweiten Ermitteins“ bzw. „der ersten Wahrscheinlichkeit“ und „der zweiten Wahrscheinlichkeit“ nicht ausgedrückt werden. Die Formulierung dient in diesem Kontext lediglich der Unterscheidung der Schritte bzw. der ermittelten Wahrscheinlichkeiten.Based on the volume image data set, the computing unit determines the first probability for the occurrence of the first artifact in the step of the first determination, or the second probability for the occurrence of the second artifact is determined in the step of the second determination. The second determination can take place independently of the first determination or a second probability can also be determined independently of a first probability. A temporal sequence should also not be expressed by the expressions “first determination” and “second determination” or “the first probability” and “the second probability”. In this context, the wording only serves to differentiate between the steps and the determined probabilities.
Das erste Artefakt kann im Folgenden beispielsweise auch Herzartefakt genannt werden. Das zweite Artefakt kann im Folgenden beispielsweise auch Atemartefakt genannt werden. Das erste oder zweite Artefakt kann jeweils daraus resultieren, dass während der Aufnahme der Projektionsmessdaten zu einer Veränderung der Lage oder des Zustands einer anatomischen Struktur aufgetreten ist. Im Fall des ersten Artefakts ist ein veränderter Zustand des Herzens aufgrund des Herzschlags und im Falle des zweiten Artefakts eine Bewegung des Thorax oder der inneren Strukturen durch die Atmung ursächlich. Beispielsweise wird das Herz in einem ersten Schichtbilddatensatz in einer anderen Phase des Herzzyklus abgebildet als in einem zu diesem benachbarten Schichtbilddatensatz. Daraus kann insbesondere resultieren, dass im Volumenbilddatensatzes Unstimmigkeiten entlang der z-Achse auftreten und eine Widergabe des abgebildeten Bereichs für eine weitere Befundung beeinträchtigt ist. Im Schritt des ersten Ermittelns wird eine Wahrscheinlichkeit ermittelt, dass ein Herzartefakt in einer Darstellung des Volumenbilddatensatz auftritt und diese beeinträchtigt. Im Schritt des zweiten Ermittelns wird eine Wahrscheinlichkeit ermittelt, dass im Volumenbilddatensatz ein Atemartefakt vorliegt bzw. dass das Artefakt in einer Darstellung des Volumenbilddatensatz auftritt.The first artifact can also be called a heart artifact in the following, for example. The second artifact can also be called breathing artifact below, for example. The first or second artifact can each result from the fact that a change in the position or the state of an anatomical structure occurred during the recording of the projection measurement data. In the case of the first artifact, a changed condition of the heart due to the heartbeat and, in the case of the second artifact, a movement of the thorax or the internal structures due to breathing is the cause. For example, the heart is imaged in a first slice image data set in a different phase of the cardiac cycle than in a slice image data set adjacent to it. This can in particular result in inconsistencies occurring in the volume image data set along the z-axis and a reproduction of the imaged area for further diagnosis is impaired. In the first ascertaining step, a probability is ascertained that a heart artifact will occur in a representation of the volume image data set and impair it. In the second determination step, a probability is determined that a respiratory artifact is present in the volume image data set or that the artifact occurs in a representation of the volume image data set.
Das erste und zweite Ermitteln kann alternativ zueinander ausgeführt werden. In besonders bevorzugten Ausführungen wird jedoch sowohl der Schritt des ersten Ermittelns als auch der Schritt des zweiten Ermittelns durchgeführt. Dies ermöglicht eine besonders aussagekräftige und differenzierte Bewertung der Bildqualität und gegebenenfalls eine gezieltere Ableitung von weiteren Maßnahmen.The first and second determination can be carried out alternatively to one another. In particularly preferred embodiments, however, both the step of the first determination and the step of the second determination are carried out. This enables a particularly meaningful and differentiated assessment of the image quality and, if necessary, a more targeted derivation of further measures.
Das erste oder zweite Ermitteln der ersten oder zweiten Wahrscheinlichkeit kann etwa das Ermitteln einer Kenngröße oder eines konkreten Zahlenwerts, beispielsweise basierend auf den Bildpixelwerten des Volumenbilddatensatzes oder der Schnittbilddatensätze, aus welchen der Volumenbilddatensatz besteht, umfassen, wobei die Kenngröße oder der Zahlenwert mit dem Auftreten des ersten oder zweiten Artefakts verbunden, d.h. korreliert, ist. Dabei kann eine Kenngröße, basierend auf der die erste Wahrscheinlichkeit ermittelt wird, eine andere Kenngröße sein, als die Kenngröße, basierend auf der die zweite Wahrscheinlichkeit ermittelt wird. Insbesondere kann die erste Wahrscheinlichkeit basierend auf einem anderen Bildausschnitt ermittelt werden als der Bildausschnitt, welcher für das Ermitteln der zweiten Wahrscheinlichkeit herangezogen wird. Letzteres kann eine besonders einfache Möglichkeit darstellen, zwischen einem ersten Artefakt und einem zweiten Artefakt zu unterscheiden. Das heißt, dies kann insbesondere eine einfache Möglichkeit darstellen, einem auftretenden Artefakt eine zugrunde liegenden Ursache zuzuordnen. The first or second determination of the first or second probability can include determining a parameter or a specific numerical value, for example based on the image pixel values of the volume image data set or the slice image data sets from which the volume image data set consists, the parameter or the numerical value with the occurrence of the first or second artifact connected, ie correlated, is. In this case, a parameter on which the first probability is determined can be a different parameter than the parameter on which the second probability is determined. In particular, the first probability can be determined based on a different image section than the image section which is used to determine the second probability. The latter can represent a particularly simple possibility of distinguishing between a first artifact and a second artifact. That is to say, this can in particular represent a simple possibility of assigning an underlying cause to an artefact that occurs.
Basierend auf der ermittelten ersten Wahrscheinlichkeit und/oder basierend auf der ermittelten zweiten Wahrscheinlichkeit wird anschließend die Bildqualität des Volumenbilddatensatzes im Schritt des Bewertens bewertet. Die Bildqualität kann dabei zumindest dahingehend bewertet werden, ob das Auftreten eines ersten oder eines zweiten Artefakts in der Darstellung des Volumenbilddatensatzes für einen Betrachter zu erwarten ist. Die Bewertung kann ein Level der Beeinträchtigung durch ein auftretendes Artefakt in der Darstellung des Volumenbilddatensatzes oder für eine Diagnose basierend auf dem Volumenbilddatensatz widergeben oder abschätzen. Eine Bewertung basierend auf der ersten und/oder zweiten Wahrscheinlichkeit kann umfassen, einen oder mehrere im Wesentlichen kontinuierlichen Zahlenwert bzw. kontinuierliche Zahlenwerte, welcher die erste oder zweite Wahrscheinlichkeit repräsentiert, in verschiedene Kategorien oder Abstufungen klassifizieren, so dass eine vereinfachte Beurteilung des Ergebnisses durch klinisches Personal ermöglicht ist. Die Verknüpfung eines Beeinträchtigungsgrads mit der ermittelten ersten Wahrscheinlichkeit oder der ermittelten zweiten Wahrscheinlichkeit kann dabei beispielsweise zuvor empirisch durch Voruntersuchungen anhand vorhandener Volumenbilddatensätze und einer Einschätzung von erfahrenem klinischen Personal festgelegt sein.Based on the determined first probability and / or based on the determined second probability, the image quality of the volume image data set is then assessed in the step of evaluating. The image quality can at least be assessed to the effect of whether the appearance of a first or a second artifact in the representation of the volume image data set is to be expected for a viewer. The assessment can reflect or estimate a level of impairment due to an artifact occurring in the representation of the volume image data set or for a diagnosis based on the volume image data set. An assessment based on the first and / or second probability can include classifying one or more essentially continuous numerical values or continuous numerical values, which represent the first or second probability, into different categories or grades, so that a simplified assessment of the result by clinical Personnel is enabled. The link between a degree of impairment and the determined first probability or the determined second probability can, for example, be established empirically beforehand through preliminary examinations based on existing volume image data sets and an assessment by experienced clinical staff.
Ein im Schritt des Bewertens bestimmtes Level der Beeinträchtigung bzw. eine klassifizierte Kategorie kann mit einer Handlungsanweisung und/oder einem Steuerbefehl verknüpft sein. Der Steuerbefehl kann eine Ansteuerung eines CT-Geräts umfassen. Dies kann beispielsweise eine Wiederholung von Aufnahmen, ein Anpassen von Aufnahme- oder Rekonstruktionsparametern oder ähnliches umfassen.A level of impairment or a classified category determined in the evaluation step can be linked to an instruction and / or a control command. The control command can include a control of a CT device. This can include, for example, repetition of recordings, adaptation of recording or reconstruction parameters or the like.
Anschließend wird die Bewertung mittels einer zweiten Schnittstelle im Schritt des Ausgebens ausgegeben. Die Bewertung kann insbesondere an eine Ausgabeeinheit ausgegeben werden, welche einem Anwender, d.h. klinischem Personal, eine Einsicht in die oder Zugang zu der Bewertung ermöglicht. Dies kann in Form einer Darstellungseinheit, d.h. einem Display oder Monitor, oder einer Sprachausgabe oder ähnlichem sein. Basierend auf der Bewertung kann beispielsweise ein weiteres Vorgehen hinsichtlich einer optimalen Befundung und Betreuung des Patienten festgelegt werden. Die Bewertung kann außerdem auch an eine Steuereinheit eines Computertomographie-Geräts oder an eine Rekonstruktionseinheit eines Computertomographie-Geräts ausgegeben werden, insbesondere wenn die Bewertung mit einer Handlungsanweisung und/oder einem Steuerbefehl verknüpft ist.The evaluation is then output using a second interface in the output step. The evaluation can in particular be output to an output unit which a user, i. E. Allows clinical staff to view or access the assessment. This can be in the form of a representation unit, i. a display or monitor, or a voice output or similar. Based on the assessment, for example, a further procedure with regard to optimal diagnosis and care of the patient can be determined. The evaluation can also be output to a control unit of a computed tomography device or to a reconstruction unit of a computed tomography device, in particular if the evaluation is linked to an instruction and / or a control command.
Weiterhin können alle zuvor beschriebenen Schritte automatisch ausgeführt werden. „Automatisch“ bedeutet im Kontext der vorliegenden Anmeldung, dass der jeweilige Schritt mittels der beanspruchten Vorrichtung selbstständig abläuft, und für den jeweiligen Schritt im Wesentlichen keine Interaktion einer Bedienperson notwendig ist. Die Bedienperson muss höchstens berechneten Ergebnisse bestätigen oder Zwischenschritte ausführen. Beispielsweise kann die Bedienperson einen Bildausschnitt auswählen. In weiteren Varianten der Erfindung mit „vollautomatisch“ durchgeführten Schritten ist zur Durchführung dieser Schritte gar keine Interaktion einer Bedienperson notwendig. Insbesondere können alle Schritte des beanspruchten Verfahrens „vollautomatisch“ durchgeführt werden. Unabhängig davon, ob die einzelnen Schritte „automatisch“ oder „vollautomatisch“ ausgeführt werden, kann das erfindungsgemäße Verfahren Bestandteil eines Arbeitsablaufes sein, der zusätzlich eine Interaktion von einer Bedienperson erfordert. Die Interaktion mit der Bedienperson kann darin bestehen, dass dieser ein Aufnahmeprotokoll und/oder eine klinische Fragestellung manuell auswählt, beispielsweise aus einem mittels eines Bildschirms präsentierten Menu. Eine automatische Umsetzung bewirkt vorteilhaft, dass schnell und stets eine Bewertung des Volumenbilddatensatzes, insbesondere auch im direkten Anschluss an eine Aufnahme der Projektionsmessdaten, vorliegen kann.Furthermore, all the steps described above can be carried out automatically. “Automatically” in the context of the present application means that the respective step runs independently by means of the claimed device, and essentially no operator interaction is necessary for the respective step. The operator only has to confirm calculated results or carry out intermediate steps. For example, the operator can select an image section. In further variants of the invention with steps carried out “fully automatically”, no operator interaction at all is necessary to carry out these steps. In particular, all steps of the claimed method can be carried out “fully automatically”. Regardless of whether the individual steps are carried out “automatically” or “fully automatically”, the method according to the invention can be part of a workflow that additionally requires interaction from an operator. The interaction with the operator can consist of the operator manually selecting a recording protocol and / or a clinical question, for example from a menu presented by means of a screen. An automatic implementation has the advantageous effect that an evaluation of the volume image data set can be available quickly and at all times, in particular also directly after recording the projection measurement data.
Vorteilhaft kann mittels des erfindungsgemäßen Verfahrens die Notwendigkeit umgangen werden, dass für eine erste Bewertung des Volumenbilddatensatzes stets erfahrenes klinisches Personal zur Verfügung stehen muss, was zu Wartezeiten eines Patienten oder zu einer starken zeitlichen Bindung des klinischen Personals führen kann, oder aber zu der Folge, dass ein Patient entlassen wird, ohne dass zumindest ein Volumenbilddatensatz mit ausreichender Qualität für eine weitere Befundung zur Verfügung steht. Dagegen kann klinisches Personal mit weniger Erfahrung vorteilhaft in einer Einschätzung des vorliegenden Volumenbilddatensatzes und in einer Ableitung von Maßnahmen unterstützt werden. Dies ist insbesondere bei Volumenbilddatensätzen mit sehr komplexen Bildinformationen, beispielsweise mit einer weiteren Abhängigkeit von einer Zeitkomponente, d.h. wenn beispielweise die Darstellung des Volumenbilddatensatzes außerdem noch in Abhängigkeit der Phase des Herzzyklus möglich ist, besonders vorteilhaft. Der Einsatz des hier beschriebenen Verfahrens zur Bewertung der Bildqualität kann damit vorteilhaft zu einer Entlastung des klinischen Personals und zu einem effizienten Arbeitsablauf im klinischen Betrieb beitragen.Advantageously, the method according to the invention can circumvent the need for experienced clinical staff to always be available for an initial assessment of the volume image data set, which can lead to waiting times for a patient or to a strong time commitment of the clinical staff, or the consequence that a patient is discharged without at least one Volume image data set is available with sufficient quality for further diagnosis. In contrast, clinical staff with less experience can be advantageously supported in assessing the present volume image data set and in deriving measures. This is particularly advantageous in the case of volume image data sets with very complex image information, for example with a further dependency on a time component, ie if, for example, the volume image data set can also be displayed as a function of the phase of the cardiac cycle. The use of the method described here for evaluating the image quality can thus advantageously contribute to relieving the burden on clinical staff and to an efficient workflow in clinical operation.
In einer vorteilhaften Verfahrensvariante umfasst das erfindungsgemäße Verfahren außerdem die Schritte des Ableitens einer Handlungsanweisung und einen weiteren Schritt des Ausgebens.In an advantageous variant of the method, the method according to the invention also includes the steps of deriving an instruction and a further output step.
Im Schritt des Ableitens wird eine Handlungsanweisung basierend auf der Bewertung der Bildqualität mittels der Recheneinheit abgeleitet. Das Ableiten bedeutet dabei, dass eine Handlungsanweisung bestimmt oder ein oder mehrere Vorschläge für eine Handlungsanweisung basierend auf der Bewertung ermittelt werden. Die Handlungsanweisung kann dabei insbesondere einem Vorschlag für das klinische Personal oder einer Strategie für ein weiteres Vorgehen entsprechen, so dass möglichst ein Volumenbilddatensatz mit einer ausreichend hohen Qualität für eine darauf basierende weitere Befundung oder Diagnose bereitgestellt werden kann. Die auf der Bewertung basierende abgeleitete Strategie kann auch umfassen, dass der Volumenbilddatensatz in der vorliegenden Form akzeptiert werden muss, da die Aussicht auf eine Verbesserung auch bei einer erneuten Aufnahme von Projektionsmessdaten als gering eingeschätzt wird. Das Ableiten der Handlungsanweisung kann dabei insbesondere automatisch ausgeführt werden.In the deriving step, an instruction based on the assessment of the image quality is derived by means of the computing unit. Deriving here means that an instruction is determined or one or more suggestions for an instruction are determined based on the assessment. The instruction can correspond in particular to a proposal for the clinical staff or a strategy for a further procedure, so that if possible a volume image data set with a sufficiently high quality can be provided for a further diagnosis or diagnosis based thereon. The derived strategy based on the evaluation can also include that the volume image data set has to be accepted in the present form, since the prospect of improvement is assessed as low even if projection measurement data are recorded again. The derivation of the instruction can in particular be carried out automatically.
Im weiteren Schritt des Ausgebens wird die Handlungsanweisung ausgegeben. Die Ausgabe der Handlungsanweisung erfolgt insbesondere an eine Ausgabeeinheit, welche einem Anwender Zugang zu der Handlungsanweisung ermöglicht. Es ist dabei ebenso denkbar, dass auch eine Umsetzung der Handlungsanweisung, sofern möglich, automatisch oder nach einer Autorisierung durch das klinische Personal erfolgt. Dann kann die Handlungsanweisung demensprechend auch an eine Steuereinheit oder an eine Rekonstruktionseinheit ausgegebenen werden. Dies kann beispielsweise eine erneute Rekonstruktion mit verbesserten Rekonstruktionsparametern betreffen, die Einstellung von Aufnahmeparametern oder eine Wiederholung von Aufnahmen betreffen.In the next step of output, the instruction is output. The handling instruction is output in particular to an output unit which enables a user to access the handling instruction. It is also conceivable that an implementation of the instruction, if possible, takes place automatically or after authorization by the clinical staff. The instruction can then accordingly also be output to a control unit or to a reconstruction unit. This can relate, for example, to a new reconstruction with improved reconstruction parameters, the setting of recording parameters or a repetition of recordings.
Vorteilhaft kann das Ableiten und Ausgeben von Handlungsanweisungen Entscheidungsprozesse beschleunigen. Insbesondere unerfahrene Anwender können so anhand von Handlungsoptionen vorteilhaft unterstützt werden.The deriving and issuing of instructions can advantageously accelerate decision-making processes. Inexperienced users in particular can be advantageously supported with the help of options for action.
In einer vorteilhaften Verfahrensvariante umfasst die bestimmte Handlungsanweisung zumindest eine Anweisung der folgenden Gruppe aus Handlungsanweisungen:
- - Erneutes Aufnehmen von Projektionsmessdaten,
- - Anpassen eines Aufnahmeparameters für ein erneutes Aufnehmen von Projektionsmessdaten, oder
- - Anpassen eines Rekonstruktionsparameters für eine Rekonstruktion des Volumenbilddatensatzes basierend auf den bereits aufgenommenen Projektionsmessdaten oder basierend auf erneut aufgenommenen Projektionsmessdaten.
- - Re-recording of projection measurement data,
- - Adjustment of an acquisition parameter for a new acquisition of projection measurement data, or
- Adaptation of a reconstruction parameter for a reconstruction of the volume image data set based on the projection measurement data already recorded or based on projection measurement data recorded again.
Vorteilhaft kann das Anwenden einer Handlungsanweisung aus dieser Gruppe an Handlungsanweisung zu der Gewährleistung einer ausreichend hohen Bildqualität für eine weitere Befundung beitragen. Darüber hinaus kann die Gruppe an Handlungsanweisungen auch noch andere Handlungsempfehlungen umfassen.The application of an instruction from this group to an instruction can advantageously contribute to ensuring a sufficiently high image quality for a further diagnosis. In addition, the group of instructions can also include other recommendations for action.
In einer vorteilhaften Ausgestaltung des Verfahren umfasst das Verfahren den Schritt des Ermittelns der ersten Wahrscheinlichkeit und weist außerdem den Schritt des ersten Bestimmens auf. Dabei wird ein erster Bildbereich basierend auf dem Volumenbilddatensatz bestimmt, welcher zumindest einen Teilbereich des Herzens des Patienten umfasst, und wobei das Bestimmen der ersten Wahrscheinlichkeit auf dem bestimmten ersten Bildbereich basiert.
Zusätzlich oder alternativ dazu kann das Verfahren den Schritt des Ermittelns der zweiten Wahrscheinlichkeit umfassen und dazu außerdem den Schritt des zweiten Bestimmens aufweisen. Dabei wird ein zweiter Bildbereich basierend auf dem Volumenbilddatensatz bestimmt, welcher zumindest einen Teilbereich des vom Volumenbilddatensatz umfassten Teils des Thorax des Patienten umfasst, und wobei das Ermitteln der zweiten Wahrscheinlichkeit auf dem bestimmten zweiten Bildbereich basiert.In an advantageous embodiment of the method, the method includes the step of determining the first probability and also has the step of first determining. In this case, a first image area is determined based on the volume image data set, which comprises at least a partial area of the patient's heart, and the determination of the first probability is based on the determined first image area.
Additionally or alternatively, the method can include the step of determining the second probability and, for this purpose, also have the step of second determining. A second image area is determined based on the volume image data set, which area comprises at least a partial area of the part of the patient's thorax comprised by the volume image data set, and the determination of the second probability is based on the determined second image area.
Der erste Bildbereich kann beispielsweise auch Herzbildbereich genannt werden. Der zweite Bildbereich kann beispielsweise auch Thoraxbildbereich genannt werden. Vorzugsweise unterscheidet sich der erste bestimmte Bildbereich von dem zweiten bestimmten Bildbereich. Bevorzugt umfasst der erste Bildbereich im Wesentlichen das Herz. Bevorzugt umfasst der zweite Bildbereich zumindest einen Bildausschnitt außerhalb des abgebildeten Herzens des Patienten. Auch in diesem Fall wird darauf hingewiesen, dass die Ausdrücke „erste“ und „zweite“ nicht notwendigerweise eine Abhängigkeit voneinander oder einen zeitlichen Ablauf ausdrücken, sondern insbesondere der Unterscheidung dienen. The first image area can also be called a heart image area, for example. The second image area can also be called the thorax image area, for example. The first specific image area preferably differs from the second specific image area. The first image area preferably essentially comprises the heart. The second image area preferably includes at least one image section outside the imaged heart of the patient. In this case, too, it is pointed out that the expressions “first” and “second” do not necessarily express a dependency on one another or a time sequence, but rather serve in particular to differentiate.
Der erste und/oder zweite Bildbereich kann automatisch oder vollautomatisch bestimmt werden. Das Bestimmen des ersten oder zweiten Bildbereichs kann eine Interaktion eines Anwenders umfassen. Beispielsweise kann ein Anwender eine maximale Ausdehnung basierend auf dem Volumenbilddatensatz oder den Schichtbilddatensätzen definieren. Beispielsweise kann die Bedienperson einen Saatpunkt zur Segmentierung einer anatomischen Struktur setzen, worauf basierend ein Bildbereich bestimmt werden kann. Es ist ebenso denkbar, dass das Herz oder andere anatomische Strukturen basierend auf dem Volumenbilddatensatz vollautomatisch erkannt und darauf basierend ein erster oder zweiter Bildbereich bestimmt werden. Beispielsweise können charakteristische anatomische Strukturen im Volumenbilddatensatz oder den Schichtbilddatensätzen automatisiert detektiert und darauf basierend ein Bildbereich bestimmt werden. Die Bildbereiche können basierend auf einer Segmentierung anatomischer Strukturen, beispielsweise das Herz, bestimmt werden. Zur Segmentierung wird beispielsweise ein regionenorientierter flächenbasierter oder ein kantenbasierter Segmentierungsalgorithmus verwendet. Bei der automatisierten Bestimmung des ersten oder zweiten Bildbereichs ist dabei insbesondere auch ein Verfahren des maschinellen Lernens denkbar.The first and / or second image area can be determined automatically or fully automatically. The determination of the first or second image area can include an interaction of a user. For example, a user can define a maximum extent based on the volume image data set or the slice image data sets. For example, the operator can set a seed point for segmenting an anatomical structure, based on which an image area can be determined. It is also conceivable for the heart or other anatomical structures to be recognized fully automatically based on the volume image data set and for a first or second image area to be determined based thereon. For example, characteristic anatomical structures in the volume image data set or the slice image data sets can be automatically detected and an image area can be determined based thereon. The image areas can be determined based on a segmentation of anatomical structures, for example the heart. For example, a region-oriented, area-based or an edge-based segmentation algorithm is used for segmentation. In the automated determination of the first or second image area, a machine learning method is also conceivable.
Unter einem Verfahren des maschinellen Lernens, bzw. unter einem künstlichen Intelligenzsystem, kann man dabei ein System für die künstliche Generierung von Wissen aus Erfahrung bezeichnen. Die Verwendung eines solchen Systems kann ein Erkennen von Mustern und Gesetzmäßigkeiten in den Trainingsdaten umfassen. Nach der Trainingsphase kann das künstliche Intelligenzsystem beispielsweise in bisher unbekannten Daten Merkmale oder Zusammenhänge extrahieren. Beispielsweise ist ein maschinelles Lernverfahren ein neuronales Netz („neural network“), beispielsweise ein tiefes neuronales Netz („deep neural network“) und/oder ein faltendes neuronales Netz („convolutional neural network“, CNN). Es kann auch ein anderes Verfahren des maschinellen Lernens eingesetzt werden. Ein künstliches Intelligenzsystem kann beim ersten oder zweiten Bestimmen eingesetzt werden, um automatisiert anatomische Strukturen zu erkennen, worauf basierend der erste oder zweite Bildbereich bestimmt werden kann. Ein künstliches Intelligenzsystem kann beim ersten oder zweiten Bestimmen eingesetzt werden, um besonders geeignete Bildausschnitte für das erste und zweite Ermitteln der ersten oder zweiten Wahrscheinlichkeit automatisiert zu bestimmen oder vorzuschlagen. Durch Anwenden eines künstlichen Intelligenzsystems können alle relevanten Einflussgrößen für das erste oder zweite Bestimmen berücksichtigt werden, auch solche, für die ein Anwender keinen Zusammenhang abschätzen kann. Solch ein maschinelles Lernverfahren kann etwa mit einer Vielzahl von durch einen Anwender manuell definierten Bildbereichen trainiert sein.A machine learning process or an artificial intelligence system can be used to describe a system for the artificial generation of knowledge from experience. The use of such a system can include a recognition of patterns and regularities in the training data. After the training phase, the artificial intelligence system can extract features or relationships from previously unknown data, for example. For example, a machine learning method is a neural network (“neural network”), for example a deep neural network (“deep neural network”) and / or a convolutional neural network (“convolutional neural network”, CNN). Another method of machine learning can also be used. An artificial intelligence system can be used in the first or second determination in order to automatically recognize anatomical structures, based on which the first or second image area can be determined. An artificial intelligence system can be used in the first or second determination in order to automatically determine or suggest particularly suitable image sections for the first and second determination of the first or second probability. By using an artificial intelligence system, all relevant influencing variables can be taken into account for the first or second determination, including those for which a user cannot estimate a relationship. Such a machine learning method can, for example, be trained with a large number of image areas defined manually by a user.
Das Bestimmen eines spezifischen ersten Bildbereichs für das Ermitteln der ersten Wahrscheinlichkeit und/oder das Bestimmen eines spezifischen zweiten Bildbereichs für das Ermitteln der zweiten Wahrscheinlichkeit kann vorteilhaft und in einfacher Weise verbessert ermöglichen, ein auftretendes erstes Artefakt einer ersten Ursache zuzuordnen, und/oder ein auftretendes zweites Artefakt einer zweiten Ursache zuzuordnen. Dies ist insbesondere der Fall, wenn ein erstes oder zweites Artefakt im Wesentlichen lokal im ersten oder zweiten Bildbereich auftritt. Ein Herzartefakt beispielsweise wirkt sich insbesondere auf den Bildbereich des abgebildeten Herzens aus.The determination of a specific first image area for determining the first probability and / or the determination of a specific second image area for determining the second probability can advantageously and in a simple and improved manner make it possible to assign an occurring first artifact to a first cause and / or an occurring one assign second artifact to a second cause. This is particularly the case when a first or second artifact occurs essentially locally in the first or second image area. A heart artifact, for example, has an effect in particular on the image area of the imaged heart.
In einer Variante des erfindungsgemäßen Verfahrens basiert der Volumenbilddatensatz auf während zumindest zwei voneinander verschiedenen Herzzyklen des Herzens des Patienten aufgenommenen Projektionsmessdaten und ist als eine Mehrzahl von Schichtbilddatensätzen darstellbar, welche aus den zumindest zwei voneinander verschiedenen Herzzyklen stammen, und welche jeweils eine zweidimensionale Matrix an Bildpixelwerten umfassen.In a variant of the method according to the invention, the volume image data set is based on projection measurement data recorded during at least two different cardiac cycles of the patient's heart and can be displayed as a plurality of slice image data sets which originate from the at least two different cardiac cycles and which each include a two-dimensional matrix of image pixel values .
Der Volumenbilddatensatz kann in diesem Fall als aus einer Mehrzahl an Blöcken, d.h. Teilbilddatensätzen, von Schichtbilddatensätzen zusammengesetzt beschrieben werden, wobei jeder Block jeweils auf der Aufnahme von Projektionsmessdaten während eines bestimmten Herzzyklus basiert. Die Blöcke können jeweils eine Mehrzahl an Schichtbilddatensätzen umfassen. Sie können auch nur ein Schnittbilddatensatz, d.h. eine Schicht des Volumenbilddatensatzes umfassen. Die Anzahl der Schichtbilddatensätze pro Herzzyklus-Block kann von dem eingesetzten Röntgendetektor des CT-Geräts bestimmt sein, insbesondere von dessen Ausdehnung in Form von Pixelzeilen in Richtung der Systemachse. Ein solches Vorgehen ist insbesondere mit dem Einsatz von Röntgendetektoren verbunden, deren Ausdehnung entlang der Systemachse nicht ausreicht, um das Herz eines Patienten vollständig aufzunehmen. Röntgendetektoren mit geringeren Ausdehnungen in Richtung der Systemachse sind insbesondere günstiger.In this case, the volume image data set can be described as being composed of a plurality of blocks, ie partial image data sets, of slice image data sets, each block being based on the recording of projection measurement data during a specific cardiac cycle. The blocks can each comprise a plurality of slice image data sets. They can also comprise only one slice image data set, ie one slice of the volume image data set. The number of slice image data records per cardiac cycle block can be determined by the X-ray detector used in the CT device, in particular by its extension in the form of pixel lines in the direction of the system axis. Such a procedure is particularly with associated with the use of X-ray detectors, the extent of which along the system axis is not sufficient to fully accommodate a patient's heart. X-ray detectors with smaller dimensions in the direction of the system axis are particularly cheaper.
In einer vorteilhaften Verfahrensvariante basierend auf aus einer Mehrzahl an Blöcken von Schichtbilddatensätzen zusammengesetzten Volumenbilddaten, wird beim Ermitteln der ersten Wahrscheinlichkeit oder der zweiten Wahrscheinlichkeit eine Anzahl an Grenz-Schichtbilddatensätzen bestimmt, wobei die Anzahl an Grenz-Schichtbilddatensätzen der Untermenge an Schichtbilddatensätzen entspricht, welche jeweils an eine Grenze zwischen zwei im Volumenbilddatensatz benachbarten Schichtbilddatensätzen angrenzen, welche aus zwei voneinander verschiedenen Herzzyklen stammen.In an advantageous variant of the method based on volume image data composed of a plurality of blocks of slice image data sets, when determining the first probability or the second probability, a number of boundary slice image data sets is determined, the number of boundary slice image data sets corresponding to the subset of slice image data sets which are in each case a border between two adjacent slice image data sets in the volume image data set which originate from two different cardiac cycles.
Das bedeutet, in dieser Verfahrensvariante werden diejenigen Schichtbilddatensätze bestimmt, welche an einer Grenze eines Blocks an Schichtbilddatensätzen eines Herzzyklus zu einem benachbarten Block an Schichtbilddatensätzen eines folgenden (oder vorausgehenden) Herzzyklus liegen. Insbesondere basiert dann das erste Ermitteln der ersten Wahrscheinlichkeit und/oder das zweite Ermitteln der zweiten Wahrscheinlichkeit auf den bestimmten Grenz-Schichtbilddatensätzen. An solchen Grenzen zwischen zwei Blöcken an Schichtbilddatensätzen tritt ein erstes oder zweites Artefakt in der Regel gehäuft auf. Die Analyse der Grenz-Schichtbilddatensätze stellt damit eine besonders effiziente Möglichkeit für die Bewertung des Volumenbilddatensatzes dar.This means that in this variant of the method, those slice image data sets are determined which lie on a boundary between a block of slice image data sets of a cardiac cycle and an adjacent block of slice image data sets of a following (or preceding) heart cycle. In particular, the first determination of the first probability and / or the second determination of the second probability is then based on the determined boundary slice image data sets. A first or second artifact usually occurs more frequently at such boundaries between two blocks of slice image data records. The analysis of the boundary slice image data sets thus represents a particularly efficient option for evaluating the volume image data set.
In einer vorteilhaften Ausgestaltung wird beim Ermitteln der ersten Wahrscheinlichkeit oder der zweiten Wahrscheinlichkeit für jede Grenze zwischen zwei im Volumenbilddatensatz benachbarten Schichtbilddatensätzen, welche aus zwei voneinander verschiedenen Herzzyklen stammen, jeweils ein Einzel-Wahrscheinlichkeitswert für das Auftreten des ersten Artefakts oder für das Auftreten des zweiten Artefakts bestimmt. Dabei basiert der für jede Grenze bestimmte Einzel-Wahrscheinlichkeitswert auf zwei im Volumenbilddatensatz benachbarten Grenz-Schichtbilddatensätzen.In an advantageous embodiment, when determining the first probability or the second probability for each boundary between two adjacent slice image data sets in the volume image data set, which originate from two different cardiac cycles, an individual probability value for the occurrence of the first artifact or for the occurrence of the second artifact is used certainly. The individual probability value determined for each boundary is based on two boundary slice image data records that are adjacent in the volume image data record.
Für jede Grenze eines Blocks an Schichtbilddatensätzen eines Herzzyklus zu einem benachbarten Block an Schichtbilddatensätzen eines folgenden oder vorausgehenden Herzzyklus wird ein Einzel-Wahrscheinlichkeitswert bestimmt. Bei einer Mehrzahl an Übergängen, d.h. Grenzen, wird dementsprechend eine Mehrzahl an Einzel-Wahrscheinlichkeitswerten bestimmt.An individual probability value is determined for each boundary between a block of slice image data sets of a cardiac cycle and an adjacent block of slice image data sets of a following or preceding cardiac cycle. With a plurality of transitions, i.e. Limits, a plurality of individual probability values is determined accordingly.
Indem für jeden Übergang ein Einzel-Wahrscheinlichkeitswert bestimmt wird, ist vorteilhaft sowohl eine auf eine einzelne Grenze bezogenen und damit differenzierte Bewertung möglich. Ebenso kann unter Einbeziehung aller oder einer Teilmenge der bestimmten Einzel-Wahrscheinlichkeitswerte eine aussagekräftige Bewertung des gesamten Volumenbilddatensatzes ermöglicht werden.Since an individual probability value is determined for each transition, an assessment based on an individual limit and thus differentiated is advantageously possible. A meaningful evaluation of the entire volume image data set can also be made possible by including all or a subset of the determined individual probability values.
Gemäß einer vorteilhaften Ausgestaltung wird für jeden der Anzahl an Grenz-Schichtbilddatensätzen ein Schwellwertbilddatensatz basierend auf einem Anwenden zumindest eines Schwellwerts auf die Bildpixelwerte eines jeweiligen Grenz-Schichtbilddatensatz erzeugt, wobei der für jede Grenze bestimmte Einzel-Wahrscheinlichkeitswert dann auf den Schwellwertbilddatensätzen basiert.According to an advantageous embodiment, a threshold image data record is generated for each of the number of boundary slice image data sets based on the application of at least one threshold value to the image pixel values of a respective boundary slice image data set, the individual probability value determined for each boundary then being based on the threshold image data sets.
Zumindest für jeden Grenz-Schichtbilddatensatz wird ein Schwellwertbilddatensatz erzeugt. Darüber hinaus können auch weitere Schwellwertbilddatensätze basierend auf weiteren Schichtbilddatensätze des Volumenbilddatensatzes erzeugt werden. Das Bilden eines Schwellwertbilddatensatzes kann umfassen, dass abhängig von einem Über- oder Unterschreiten eines zuvor festgelegten Schwellwerts durch einen jeweiligen Bildpixelwert eine Rechenvorschrift angewendet wird. Beispielsweise kann darauf basierend ein Bildpixelwert durch einen anderen Wert ersetzt werden. Es können auch mehrere Schwellwerte auf die Bildpixelwerte angewendet werden, um ein Schwellwertbilddatensatz zu erzeugen.A threshold image data record is generated at least for each boundary slice image data record. In addition, further threshold image data sets can also be generated based on further slice image data sets of the volume image data set. The formation of a threshold image data record can include that a calculation rule is applied depending on whether a previously defined threshold value is exceeded or not reached by a respective image pixel value. For example, an image pixel value can be replaced by another value based on this. A plurality of threshold values can also be applied to the image pixel values in order to generate a threshold value image data set.
Durch das Bilden des Schwellwertbilddatensatzes können beispielsweise etwaiger Ausreißer in den Bildpixelwerten, welche lediglich aus einem fehlerhaften Verhalten des Röntgendetektors resultieren, oder Rauschwerte ausgeschlossen werden. By forming the threshold image data set, for example any outliers in the image pixel values that result only from incorrect behavior of the X-ray detector or noise values can be excluded.
Auch können abgebildete Strukturen in den Schichtbilddatensätzen, welche beispielsweise vorwiegend Bildpixelwerte oberhalb oder unterhalb eines Schwellwerts annehmen, ebenso von der Analyse explizit aus- oder eingeschlossen werden. Das Bilden von Schwellwertbilddatensätzen kann daher vorteilhaft ein robusteres und verbessertes erstes oder zweites Ermitteln der ersten oder zweiten Wahrscheinlichkeit ermöglichen.Structures imaged in the slice image data sets, which, for example, predominantly assume image pixel values above or below a threshold value, can also be explicitly excluded or included from the analysis. The formation of threshold image data sets can therefore advantageously enable a more robust and improved first or second determination of the first or second probability.
In einer weiteren vorteilhaften Variante des erfindungsgemäßen Verfahrens basiert der für jede Grenze bestimmte Einzel-Wahrscheinlichkeitswert auf dem pixelweisen Unterschied zwischen zumindest zweier örtlich korrespondierender Untermengen an Bildpixelwerten zweier benachbarter Grenz-Schichtbilddatensätze, oder, sofern Schwellwertbilddatensätze der Grenz-Schichtbilddatensätze erzeugt wurden, auf dem pixelweisen Unterschied zwischen zumindest zweier örtlich korrespondierender Untermengen an Bildpixelwerten zweier zu zwei benachbarten Grenz-Schichtbilddatensätzen zugehöriger Schwellwertbilddatensätze. In a further advantageous variant of the method according to the invention, the individual probability value determined for each boundary is based on the pixel-by-pixel difference between at least two locally corresponding subsets of image pixel values of two adjacent boundary slice image data sets, or, if threshold image data sets of the boundary slice image data sets have been generated, on the pixel-by-pixel difference between at least two locally corresponding subsets of image pixel values of two threshold image data sets associated with two adjacent boundary slice image data sets.
Das heißt ein Einzel-Wahrscheinlichkeitswert basiert in diesem Fall entweder jeweils auf einem Paar an Grenz-Schichtbilddatensätzen oder auf daraus gebildeten Schwellwertbilddatensätzen. Örtlich korrespondierende Untermengen bedeutet, dass die Untermenge an Bildpixeln aufweisend die Bildpixelwerte in jedem Schichtbilddatensatz jeweils die gleichen Ortskoordinaten innerhalb eines jeweiligen Schichtbilddatensatzes umfasst. Zumindest kann ein jeweiliger Einzel-Wahrscheinlichkeitswert für die erste Wahrscheinlichkeit auf dem ersten bestimmten Bildbereich basieren. Zumindest kann ein jeweiliger Einzel-Wahrscheinlichkeitswert für die zweite Wahrscheinlichkeit auf dem zweiten bestimmten Bildbereich basieren. Darüber hinaus kann ein jeweiliger Einzel-Wahrscheinlichkeitswert auch noch auf weiteren Untermengen an Bildpixelwerten basieren.In other words, an individual probability value is based in this case either on a pair of boundary slice image data sets or on threshold value image data sets formed therefrom. Locally corresponding subsets means that the subset of image pixels having the image pixel values in each slice image data set comprises the same spatial coordinates within a respective slice image data set. At least one respective individual probability value for the first probability can be based on the first specific image area. At least one respective individual probability value for the second probability can be based on the second specific image area. In addition, a respective individual probability value can also be based on further subsets of image pixel values.
Das Bilden eines pixelweisen Unterschieds umfasst beispielsweise, dass jeweils eine Differenz zwischen zwei örtlich korrespondierenden Bildpixelwerten, d.h. zwischen zwei Bildpixeln aufweisend die gleichen Ortskoordinaten innerhalb zweier in z-Richtung benachbarter Schichtbilddatensätze, gebildet wird. Die Unterschiede können auch anderweitig quantifiziert werden, beispielsweise mittels einer Quotientenbildung der Bildpixelwerte oder ähnlichem. Große, sprunghafte oder vermehrt auftretende Unterschiede zwischen den Grenzschichtbilddatensätzen bzw. den daraus gebildeten Schwellwertbilddatensätzen können in günstiger Weise auf eine erhöhte Wahrscheinlichkeit des Auftretens des ersten oder des zweiten Artefakts hinweisen. In der Regel werden dagegen bei artefaktfreien Bilddaten zwischen zwei direkt benachbarten Schichtbilddatensätzen lediglich geringere Unterschiede erwartet, da die abgebildeten Schichten in der Regel sehr fein, d.h. eine sehr geringe Schichtdicke, im Vergleich zu den abgebildeten, anatomischen Strukturen des Patienten sind. Die Bestimmung des für jede Grenze bestimmten Einzel-Wahrscheinlichkeitswert auf dem pixelweisen Unterschied zwischen zumindest zweier örtlich korrespondierender Untermengen stellt insbesondere eine besonders einfache Möglichkeit dar, das Auftreten eines Artefakts zu bestimmen.The formation of a pixel-by-pixel difference comprises, for example, that in each case a difference between two spatially corresponding image pixel values, i.e. is formed between two image pixels having the same position coordinates within two slice image data sets that are adjacent in the z-direction. The differences can also be quantified in other ways, for example by means of a quotient formation of the image pixel values or the like. Large, abrupt or increased differences between the boundary layer image data sets or the threshold value image data sets formed therefrom can advantageously indicate an increased probability of the occurrence of the first or second artifact. In contrast, in the case of artifact-free image data, only minor differences are generally expected between two directly adjacent slice image data sets, since the imaged slices are usually very fine, i.e. are very thin compared to the depicted anatomical structures of the patient. The determination of the individual probability value determined for each limit on the pixel-by-pixel difference between at least two spatially corresponding subsets represents in particular a particularly simple possibility of determining the occurrence of an artifact.
In vorteilhafter Weise unterscheidet sich die Untermenge an Bildpixelwerten für das erste Ermitteln der ersten Wahrscheinlichkeit von der Untermenge, welche für das zweite Ermitteln der zweiten Wahrscheinlichkeit herangezogen wird. Dadurch kann in sehr einfacher Weise eine Unterscheidung der Ursachen von auftretenden Unterschieden in den Bildpixelwerten ermöglicht werden bzw. diese einem ersten oder zweiten Artefakt zugeordnet werden.The subset of image pixel values for the first determination of the first probability differs from the subset which is used for the second determination of the second probability. As a result, it is possible in a very simple manner to distinguish the causes of occurring differences in the image pixel values or to assign these to a first or second artifact.
Gemäß einer vorteilhaften Ausgestaltung des erfindungsgemäßen Verfahrens basiert der für jede Grenze bestimmte Einzel-Wahrscheinlichkeitswert zusätzlich auf einer weiteren örtlich korrespondierenden Untermenge an Bildpixelwerten eines zu einem der zwei Grenz-Schichtbilddatensätzen benachbarten Schichtbilddatensatzes, welcher nicht Teil der Anzahl an Grenz-Schichtbilddatensätzen ist.According to an advantageous embodiment of the method according to the invention, the individual probability value determined for each boundary is additionally based on a further locally corresponding subset of image pixel values of a slice image data set adjacent to one of the two boundary slice image data sets, which is not part of the number of boundary slice image data sets.
Das kann bedeuten, dass neben den Grenz-Schichtbilddatensätzen außerdem auch noch weitere Schichtbilddatensätze für das Ermitteln der jeweiligen Einzel-Wahrscheinlichkeitswerte herangezogen werden. Diese können als eine Art Normierung eingesetzt werden. Es können beispielsweise die Unterschiede, welche zwischen den Grenz-schichtbilddatensätzen gefunden werden, d.h. an einem Übergang zwischen zwei Blöcken aus verschiedenen Herzzyklen, in Relation zu Unterschieden gesetzt werden, welche zwischen zwei Schichtbilddatensätzen auftreten, die aus dem gleichen Herzzyklus stammen. Das bedeutet, die an einer Grenze zwischen zwei Blöcken auftretenden Unterschiede können in Relation zu den erwarteten Unterschieden innerhalb eines Blocks gesetzt werden. Die erwarteten Unterschiede können beispielsweise durch geringe Unterschiede der abgebildeten anatomischen Strukturen von Schicht zu Schicht hervorgerufen sein. Dies erlaubt vorteilhaft eine robustere Bestimmung der ersten oder zweiten Wahrscheinlichkeit.This can mean that in addition to the boundary slice image data sets, further slice image data sets are also used to determine the respective individual probability values. These can be used as a kind of normalization. For example, the differences found between the boundary image data sets, i.e. at a transition between two blocks from different cardiac cycles, are set in relation to differences which occur between two slice image data sets that originate from the same cardiac cycle. This means that the differences occurring at a boundary between two blocks can be put in relation to the expected differences within a block. The expected differences can be caused, for example, by slight differences in the depicted anatomical structures from layer to layer. This advantageously allows a more robust determination of the first or second probability.
In einer weiteren Variante des erfindungsgemäßen Verfahrens umfasst das Verfahren den Schritt des Bestimmens eines HerzBildbereichs basierend auf dem Volumenbilddatensatz oder das Verfahren umfasst den Schritt des Bestimmens eines Thorax-Bildbereichs basierend auf dem Volumenbilddatensatz, und die jeweiligen Untermengen an Bildpixelwerten, die Grundlage für die Bestimmung der Einzel-Wahrscheinlichkeitswerte sind, werden durch den im Rahmen des Verfahrens bestimmten HerzBildbereich oder durch den Thorax-Bildbereich bestimmt.In a further variant of the method according to the invention, the method comprises the step of determining a heart image area based on the volume image data set or the method comprises the step of determining a thorax image area based on the volume image data set, and the respective subsets of image pixel values, the basis for determining the Individual probability values are determined by the heart image area or the thorax image area determined as part of the method.
Gemäß einer vorteilhaften Verfahrensausgestaltung basiert jeder Einzel-Wahrscheinlichkeitswert außerdem auf einem Wert des Bildrauschens eines Schichtbilddatensatzes. In besonders vorteilhaften Ausgestaltungen basiert jeder Einzel-Wahrscheinlichkeitswert auf einem Wert des Bildrauschens zumindest eines der dem jeweiligen Einzel- Wahrscheinlichkeitswert zugrunde liegenden Grenz-Schichtbilddatensätzen. According to an advantageous embodiment of the method, each individual probability value is also based on a value of the image noise of a slice image data set. In particularly advantageous refinements, each individual probability value is based on a value of the image noise of at least one of the boundary slice image data sets on which the respective individual probability value is based.
Indem ein Bildrauschwert in die Ermittlung des EinzelWahrscheinlichkeitswerts miteinbezogen wird, können Bildpixelwerte, von der Analyse ausgeschlossen werden, welche im Bereich des Bildrauschens liegen und damit keine relevante Information liefern können. Ebenso können etwaige bestimmte Unterschiede zwischen Bildpixelwerten in Relation zu einem Bildrauschwert gesetzt werden. Dabei kann der Bildrauschwert einen Referenzwert für zu erwartende Unterschiede darstellen. Vorteilhaft kann dies zu einem robusteren und eindeutigeren Ergebnis bei der Ermittlung des jeweiligen EinzelWahrscheinlichkeitswerts führen.By including an image noise value in the determination of the individual probability value, image pixel values can be excluded from the analysis which are in the area of the image noise and therefore cannot provide any relevant information. Any specific differences between image pixel values can also be related to an image noise value. The image noise value can represent a reference value for expected differences. This can advantageously lead to a more robust and clearer result when determining the respective individual probability value.
In einer vorteilhaften Ausgestaltung des erfindungsgemäßen Verfahrens wird beim Ermitteln der ersten Wahrscheinlichkeit oder der zweiten Wahrscheinlichkeit ein Gesamt-Wahrscheinlichkeitswert für den Volumenbilddatensatz basierend auf dem für jede Grenze bestimmten Einzel-Wahrscheinlichkeitswert ermittelt wird.In an advantageous embodiment of the method according to the invention, when determining the first probability or the second probability, an overall probability value is determined for the volume image data set based on the individual probability value determined for each limit.
Ein Gesamt-Wahrscheinlichkeitswert erlaubt vorteilhaft eine globale Beurteilung der Bildqualität des Volumenbilddatensatzes und damit für klinisches Personal vereinfachte Bewertung des Volumenbilddatensatzes. Der Gesamt-Wahrscheinlichkeitswert kann beispielsweise auf einer (gewichteten) Summe, einem Mittelwert oder auch einen Maximalwert der Einzelwahrscheinlichkeitswerte basieren.An overall probability value advantageously allows a global assessment of the image quality of the volume image data set and thus a simplified evaluation of the volume image data set for clinical staff. The overall probability value can be based, for example, on a (weighted) sum, a mean value or also a maximum value of the individual probability values.
Sowohl die Einzel- als auch der Gesamt-Wahrscheinlichkeitswert kann in Bewertung der Bildqualität im Schritt des Bewertens eingehen, um eine möglichst differenzierte Bewertung der Bildqualität zu ermöglichen. Die Bewertung kann aber auch allein anhand der Gesamt-Wahrscheinlichkeit bereitgestellt werden.Both the individual and the overall probability value can be included in the assessment of the image quality in the assessment step in order to enable an assessment of the image quality that is as differentiated as possible. However, the assessment can also be provided solely on the basis of the overall probability.
Die Erfindung betrifft außerdem eine Vorrichtung zur Bewertung einer Bildqualität eines Volumenbilddatensatzes abbildend zumindest eines Teils des Thorax eines Patienten, welcher auf mittels eines Computertomographie-Geräts aufgenommenen Projektionsmessdaten basiert und eine dreidimensionale Matrix an Bildpixelwerten umfasst, aufweisend eine erste Schnittstelle, ausgebildet zum Empfangen des Volumenbilddatensatzes und eine Recheneinheit, ausgebildet zum Ermitteln, basierend auf dem Volumenbilddatensatz,
- - einer ersten Wahrscheinlichkeit eines Auftretens eines ersten Artefakts, welches durch die Bewegung des Herzens des Patienten hervorgerufen wird, und/oder
- - einer zweiten Wahrscheinlichkeit eines Auftretens eines zweiten Artefakts in dem Volumenbilddatensatz, welches durch die Bewegung des Thorax durch die Atmung des Patienten hervorgerufen wird,
- a first probability of the occurrence of a first artifact which is caused by the movement of the patient's heart, and / or
- - a second probability of occurrence of a second artifact in the volume image data set, which is caused by the movement of the thorax by the patient's breathing,
Eine erfindungsgemäße Vorrichtung zur Bewertung einer Bildqualität kann insbesondere dazu ausgebildet sein die zuvor beschriebenen erfindungsgemäße Verfahren und ihre Aspekte auszuführen. Die Vorrichtung zur Bewertung einer Bildqualität kann dazu ausgebildet sein die Verfahren und ihre Aspekte auszuführen, indem die Schnittstellen und die Recheneinheit ausgebildet sind, die entsprechenden Verfahrensschritte auszuführen.A device according to the invention for evaluating an image quality can in particular be designed to carry out the previously described methods according to the invention and their aspects. The device for evaluating an image quality can be designed to carry out the method and its aspects in that the interfaces and the computing unit are designed to carry out the corresponding method steps.
Die Erfindung betrifft außerdem ein Computertomographie-Gerät umfassend eine Vorrichtung zur Bewertung einer Bildqualität.The invention also relates to a computed tomography device comprising a device for evaluating an image quality.
Insbesondere betrifft die Erfindung ein Computerprogrammprodukt mit einem Computerprogramm, welches direkt in einen Speicher einer Vorrichtung zur Bewertung einer Bildqualität ladbar ist, mit Programmabschnitten, um alle Schritte des Verfahrens zur Bewertung einer nach einem der Ansprüche 1 bis 13 auszuführen, wenn die Programmabschnitte von der Vorrichtung zur Bewertung einer Bildqualität ausgeführt werden.In particular, the invention relates to a computer program product with a computer program which can be loaded directly into a memory of a device for evaluating an image quality, with program sections in order to carry out all the steps of the method for evaluating an image according to one of
Außerdem betrifft die Erfindung ein computerlesbares Speichermedium, auf welchem von einer Vorrichtung zur Bewertung einer Bildqualität lesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte des Verfahrens zur Bewertung einer Bildqualität nach einem der Ansprüche 1 bis 13 auszuführen, wenn die Programmabschnitte von der Vorrichtung zur Bewertung einer Bildqualität ausgeführt werden.The invention also relates to a computer-readable storage medium on which program sections readable and executable by a device for evaluating an image quality are stored in order to carry out all steps of the method for evaluating an image quality according to one of
Eine weitgehend softwaremäßige Realisierung hat den Vorteil, dass auch schon bisher verwendete Vorrichtungen zur Bewertung einer Bildqualität auf einfache Weise durch ein Software-Update nachgerüstet werden können, um auf die erfindungsgemäße Weise zu arbeiten. Ein solches Computerprogrammprodukt kann neben dem Computerprogramm gegebenenfalls zusätzliche Bestandteile wie z.B. eine Dokumentation und/oder zusätzliche Komponenten, sowie Hardware-Komponenten, wie z.B. Hardware-Schlüssel (Dongles etc.) zur Nutzung der Software, umfassen. A largely software-based implementation has the advantage that devices that have already been used for evaluating an image quality can easily be retrofitted with a software update in order to work in the manner according to the invention. In addition to the computer program, such a computer program product can optionally include additional components such as documentation and / or additional components, as well as hardware components such as hardware keys (dongles etc.) for using the software.
Im Folgenden wird die Erfindung anhand von beispielhaften Ausführungsformen unter Hinweis auf die beigefügten Figuren erläutert. Die Darstellung in den Figuren ist schematisch, stark vereinfacht und nicht zwingend maßstabsgetreu. Es zeigen:
-
1 einen schematischen Ablauf einer Variante eines Verfahren zur Bewertung einer Bildqualität eines Volumenbilddatensatzes, -
2 eine schematische Darstellung eines Volumenbilddatensatzes mit einem ersten und zweiten Bildbereich, -
3 eine schematische Darstellung eines Volumenbilddatensatzes aufweisend eine Mehrzahl an Schichtbilddatensätzen, -
4 einen schematischen Ablauf einer weiteren Variante eines Verfahren zur Bewertung einer Bildqualität eines Volumenbilddatensatzes, -
5 eine schematische Darstellung einer Vorrichtung zur Bewertung einer Bildqualität eines Volumenbilddatensatzes, -
6 eine schematische Darstellung eines Computertomographie-Geräts aufweisend eine Vorrichtung zur Bewertung einer Bildqualität eines Volumenbilddatensatzes.
-
1 a schematic sequence of a variant of a method for evaluating an image quality of a volume image data set, -
2 a schematic representation of a volume image data set with a first and second image area, -
3 a schematic representation of a volume image data set having a plurality of slice image data sets, -
4th a schematic sequence of a further variant of a method for evaluating an image quality of a volume image data set, -
5 a schematic representation of a device for evaluating an image quality of a volume image data set, -
6th a schematic representation of a computed tomography device having a device for evaluating an image quality of a volume image data set.
Im Schritt des Empfangens
Gemäß dem gezeigten Verfahren zur Bewertung der Bildqualität des Volumenbilddatensatzes
Im Schritt des ersten Ermittelns
Das erste oder zweite Ermitteln
Bei dem Auftreten eines aufgrund der Bewegung des Herzens oder aufgrund der Atmung eines Patienten
Das erste Ermitteln
Das zweite Ermitteln
Zur Veranschaulichung ist in
In dem gezeigten Volumenbilddatensatz
Das erste Bestimmen
Gemäß dem in
Beispielsweise wird beim Ermitteln der ersten oder zweiten Wahrscheinlichkeit eine Kenngröße bzw. ein konkreter Zahlenwert basierend auf dem Volumenbilddatensatzes
Die Bewertung kann insbesondere in einen Steuerbefehl und/oder in eine Handlungsanweisung übersetzt werden. Das heißt eine Einstufung der Bildqualität kann mit einer Handlungsanweisung und/oder einem Steuerbefehl verknüpft sein.The evaluation can in particular be translated into a control command and / or an instruction. That is, a classification of the image quality can be linked to an instruction and / or a control command.
Im Schritt des Ausgebens
Das gezeigte Verfahren zum Bewerten der Bildqualität kann außerdem die Schritte des Aufnehmens
Das gezeigte Verfahren zur Bewertung der Bildqualität kann außerdem die Schritte des Ableitens
Eine Handlungsanweisung, die von dem beschriebenen Verfahren umfasst sein kann, kann ein erneutes Aufnehmen von Projektionsmessdaten sein. Eine erneute Aufnahme kann insbesondere dann sinnvoll sein, insofern der Volumenbilddatensatz
Besonders vorteilhaft ist das Verfahren einzusetzen, wenn der betrachtete Volumenbilddatensatz
Für eine optimale Darstellung des Herzens
Der Volumenbilddatensatz
Die Schichtbilddatensätze
Gemäß einer vorteilhaften Ausgestaltung des Verfahrens zur Bewertung der Bildqualität wird beim ersten Ermitteln
Gemäß einer bevorzugten Ausführung der Verfahrens wird dann für jeden Übergang, d.h. für jede Grenze G, zwischen zwei im Volumenbilddatensatz
Gemäß einer vorteilhaften Ausgestaltung wird für das erste Ermitteln
Basierend auf einem Schichtbilddatensatz Ij kann beispielsweise ein Schwellwertbilddatensatz Jj bestimmt sein durch
Based on a slice image data set I j , a threshold image data set J j can be determined by, for example
Es können N Schwellwertbilddatensätze basierend auf den N Schichtbilddatensätzen
Gemäß einer vorteilhaften Ausgestaltung des Verfahrens basiert der für jede Grenze G bestimmte Einzel-Wahrscheinlichkeitswert außerdem auf dem pixelweisen Unterschied zwischen zumindest zweier örtlich korrespondierender Untermengen an Bildpixelwerten zweier benachbarter Grenz-Schichtbilddatensätze BI, d.h. einem Paar an Grenz-Schichtbilddatensätzen BI. Alternativ dazu basiert der für jede Grenze bestimmte Einzel-Wahrscheinlichkeitswert auf dem pixelweisen Unterschied zwischen zumindest zweier örtlich korrespondierender Untermengen an Bildpixelwerten zweier zu zwei benachbarten Grenz-Schichtbilddatensätzen BI zugehöriger Schwellwertbilddatensätze. According to an advantageous embodiment of the method, the individual probability value determined for each boundary G is also based on the pixel-by-pixel difference between at least two spatially corresponding subsets of image pixel values of two adjacent boundary slice image data sets BI, ie a pair of boundary slice image data sets BI. Alternatively, the individual probability value determined for each boundary is based on the pixel-by-pixel difference between at least two spatially corresponding subsets of image pixel values of two threshold image data sets belonging to two adjacent boundary slice image data sets BI.
In der hier ausgeführten, beispielhaften Verfahrensvariante werden die örtlich korrespondierenden Untermengen in den Schichtbilddatensätzen dabei jeweils durch den bestimmten ersten Bildbereich
Eine konkrete Möglichkeit den pixelweisen Unterschied zweier örtlich korrespondierender Untermengen an Bildpixelwerten auszuwerten ist im Folgenden beschrieben. Beispielsweise wird für die Bestimmung des für jede Grenze bestimmten Einzel-Wahrscheinlichkeitswert für das erste Artefakt bzw. für das zweite Artefakt jeweils ein Wichtungsfaktor W bestimmt, welcher auf den pixelweisen Unterschieden basiert. Für eine Grenze G bzw. Gj zwischen einem Paar aus Grenz-Schichtbilddatensätzen BI aufweisend die Schichtbilddatensätze Ij und Ij+1 kann ein solcher Wichtungsfaktor Wj gegeben sein durch
Der Wichtungsfaktor basiert in diesem Beispiel auf aus den Grenz-Schichtbilddatensätzen BI gebildeten Schwellwertbilddatensätzen J. In anderen Ausführungen können auch die dazu korrespondierenden Schichtbilddatensätze
Die Pixelmaske Nj basiert dabei im ausgeführten Beispiel, sofern die erste Wahrscheinlichkeit ermittelt wird, auf dem im Schritt des ersten Bestimmens
Für einen Schichtbilddatensatz Ij bzw. einen Schwellwertbilddatensatz Jj kann die Pixelmaske Nj basierend auf dem Herzbildbereich
For a slice image data set I j or a threshold value image data set J j , the pixel mask N j can be based on the heart image area
Das Anwenden einer solchen Pixelmaske Nj(x,y) im obigen Ausdruck des Wichtungsfaktors schließt dann nur jene Untermenge an Bildpixelwerte eines Schichtbilddatensatzes
Eine Pixelmaske für das zweite Ermitteln
In dieser vorteilhaften Definition einer Pixelmaske für das Ermitteln der zweiten Wahrscheinlichkeit basierend sowohl auf dem ersten Bildbereich
Es ist dabei denkbar, dass im Rahmen des Verfahrens auch die Fälle berücksichtigt werden, wenn kein expliziter erster Bildbereich
In dem oben ausgeführten konkreten Beispiel für die Berechnung des Wichtungsfaktors W, welcher für das Bestimmen eines jeweiligen Einzelwahrscheinlichkeitswerts eingesetzt werden kann, werden die Unterschiede zwischen den Schwellwertbilddatensätzen außerdem in Bezug zu dem Bildrauschwert Rj gesetzt. In dem konkreten Fall des oben ausgeführten Beispiels des Wichtungsfaktors W gehen die Unterschiede lediglich dann in den Wichtungsfaktor W mit ein, wenn die berechneten Unterschiede zwischen den Schwellwertbilddatensätzen Jj+k-1 und Jk+k größer sind als der Bildrauschwert Rj. In einer beispielhaften Ausführung kann der Wert des Bildrauschens etwa bestimmt sein durch
Rj basiert dabei auf Unterschieden benachbarter Pixel innerhalb jeweils eines Grenz-Schichtbilddatensatzes BI der betrachteten Grenze, welche von der jeweiligen Pixelmaske Nj basierend auf dem ersten Bildbereich
Der jeweilige Einzel-Wahrscheinlichkeitswert für eine Grenze Gj zwischen einem Paar aus Grenz-Schichtbilddatensätzen BI aufweisend die Schichtbilddatensätze Ij und Ij+1 kann dann von dem Wichtungsfaktor Wj(k=1) abhängig berechnet werden. Je größer die eigehenden, aufsummierten Unterschiede der Bildpixelwerte der örtlich korrespondierenden Untermengen, desto größer ist dabei der jeweilige Wichtungsfaktor. Der Wert des Wichtungsfaktors W kann damit einen Hinweis auf die Wahrscheinlichkeit des Auftretens eines ersten Artefakts oder eines zweiten Artefakts liefern, je nach ob ein erster Bildbereich oder ein zweiter Bildbereich als Bildpixel-Maske Nj eingeht.The respective individual probability value for a boundary G j between a pair of boundary layer image data sets BI having the layer image data sets I j and I j + 1 can then be calculated as a function of the weighting factor W j (k = 1). The greater the incoming, summed up differences in the image pixel values of the locally corresponding subsets, the greater the respective weighting factor. The value of the weighting factor W can thus provide an indication of the probability of the occurrence of a first artifact or a second artifact, depending on whether a first image area or a second image area is included as an image pixel mask N j .
Gemäß einer weiteren vorteilhaften Ausgestaltung basiert der für jede Grenze G bestimmte Einzel-Wahrscheinlichkeitswert zusätzlich auf einer weiteren örtlich korrespondierenden Untermenge an Bildpixelwerten eines zu einem der zwei Grenz-Schichtbilddatensätzen BI benachbarten Schichtbilddatensatz NI, welcher nicht Teil der Anzahl an Grenz-Schichtbilddatensätzen BI ist. In
Beispielsweise basiert der Einzel-Wahrscheinlichkeitswert neben einem pixelweisen Unterschied zwischen zumindest zweier örtlich korrespondierender Untermengen an Bildpixelwerten zweier benachbarter Grenz-Schichtbilddatensätze BI bzw. daraus gebildeter Schwellwertbilddatensätze J außerdem auch auf einem pixelweisen Unterschied von örtlich korrespondierenden Untermengen an Bildpixelwerten zwischen einem Grenz-Schichtbilddatensatz BI und einem benachbarten Schichtbilddatensatz NI, welcher aus dem gleichen Herzzyklus stammt, bzw. daraus gebildeter Schwellwertbilddatensätze. Die Unterschiede zwischen zwei Grenz-Schichtbilddatensätzen BI, welche aus verschiedenen Herzzyklen stammen, können so beispielsweise in Relation zu Unterschieden zwischen zwei Schichtbilddatensätzen, welche aus dem gleichen Herzzyklus stammen, gesetzt werden. Dies kann vorteilhaft als eine Art Normierung eingesetzt, welche auftretende Unterschiede an einer Grenze G bzw. über eine Grenze hinweg zwischen zwei Herzzyklen in Relation zu im Volumenbilddatensatz
Beispielsweise geht für eine Grenze G zwischen einem Paar aus Grenz-Schichtbilddatensätzen BI aufweisend die Schichtbilddatensätze Ij und Ij+1 neben einem Wichtungsfaktor Wj(k=1) außerdem auch ein Wichtungsfaktor Wj(k=0) oder Wj(k=2) gemäß des oben ausgeführten Ausdrucks für den Wichtungsfaktor Wj. Beispielsweise kann dann ein Einzelwahrscheinlichkeitswert einer jeweiligen Grenze Gj definiert sein als
In einer weiteren vorteilhaften Ausgestaltung wird beim ersten Ermitteln
Eine Möglichkeit einen Gesamt-Wahrscheinlichkeitswert GP basierend auf den jeweiligen Einzel-Wahrscheinlichkeitswerten kann definiert sein als
Dabei stellt Fj den Anteil der Bildpixel der zweidimensionalen Matrix an Bildpixelwerten des j-ten Schichtbilddatensatzes dar, welche jeweils als Untermenge in die Bestimmung der Einzel-Wahrscheinlichkeitswerte eingeht. Der Faktor Fj eines j-ten Schichtbilddatensatzes kann definiert sein als
Der Faktor Q in der oben konkret ausgeführten Bestimmungsmöglichkeit des Gesamt-Wahrscheinlichkeitswerts GP ist dabei ein zuvor festgelegter Wert, welcher sich in Voruntersuchungen, beispielsweise experimentell, als sinnvoll erwiesen hat, und in einer Speichereinheit
Es sind auch andere Berechnungen eines Gesamt-Wahrscheinlichkeitswerts denkbar. Es kann beispielsweise eine Mittelung der Einzel-Wahrscheinlichkeitswerte oder eine gewichtetet oder ungewichtete Summenbildung der Einzelwahrscheinlichkeitswerte oder ähnliches eingesetzt werden, um einen globalen Gesamt-Wahrscheinlichkeitswert des Volumenbilddatensatzes
Im in
Im in
Die Vorrichtung
Die Recheneinheit
Die Vorrichtung
The device
The arithmetic unit
The device
Die hier dargestellte Vorrichtung
Bei der Vorrichtung
Die in
Bei einer Schnittstelle
Optimalerweise kann die Vorrichtung
Die Vorrichtung kann außerdem mit einem CT-Gerät
Bei einem Netzwerk kann es sich um ein lokales Netzwerk (ein englischer Fachbegriff ist „Local Area Network“, kurz „LAN“) oder um ein großräumiges Netzwerk (ein englischer Fachbegriff ist „Wide Area Network“, kurz „WAN“) handeln. Ein Beispiel für ein lokales Netzwerk ist ein Intranet, ein Beispiel für ein großräumiges Netzwerk ist das Internet. Das Netzwerk kann insbesondere auch drahtlos ausgeführt sein, insbesondere als WLAN (für „wireless LAN“, im englischen ist die Abkürzung „WiFi“ gebräuchlich) oder als Bluetooth-Verbindung. Das Netzwerk kann auch als Kombination der genannten Beispiele ausgeführt sein. Weiterhin kann die Kommunikation zwischen der Vorrichtung
Die
In die tunnelförmige Öffnung
Into the tunnel-shaped
Das CT-Gerät
Das Computertomographie-Gerät umfasst eine Steuerungseinheit SE, welche ausgebildet ist, die Aufnahme der Projektionsmessdaten zu steuern. Das Computertomographie-Gerät
Obwohl die Erfindung im Detail durch die Ausführungsbeispiele näher illustriert wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen.Although the invention has been illustrated in more detail by the exemplary embodiments, the invention is not restricted by the disclosed examples and other variations can be derived therefrom by the person skilled in the art without departing from the scope of protection of the invention.
Claims (18)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019202830.6A DE102019202830A1 (en) | 2019-03-01 | 2019-03-01 | Method for evaluating an image quality of a volume image data set |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019202830.6A DE102019202830A1 (en) | 2019-03-01 | 2019-03-01 | Method for evaluating an image quality of a volume image data set |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102019202830A1 true DE102019202830A1 (en) | 2020-09-03 |
Family
ID=72046350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102019202830.6A Pending DE102019202830A1 (en) | 2019-03-01 | 2019-03-01 | Method for evaluating an image quality of a volume image data set |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102019202830A1 (en) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080219530A1 (en) * | 2006-10-25 | 2008-09-11 | Rcadia Medical Imaging, Ltd | Method and system for automatic quality control used in computerized analysis of ct angiography |
US20190012805A1 (en) * | 2016-02-29 | 2019-01-10 | Brainlab Ag | Automatic detection of an artifact in patient image data |
-
2019
- 2019-03-01 DE DE102019202830.6A patent/DE102019202830A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080219530A1 (en) * | 2006-10-25 | 2008-09-11 | Rcadia Medical Imaging, Ltd | Method and system for automatic quality control used in computerized analysis of ct angiography |
US20190012805A1 (en) * | 2016-02-29 | 2019-01-10 | Brainlab Ag | Automatic detection of an artifact in patient image data |
Non-Patent Citations (1)
Title |
---|
EHRHARDT, Jan, et al. An optical flow based method for improved reconstruction of 4D CT data sets acquired during free breathing. Medical Physics, 2007, 34. Jg., Nr. 2, S. 711-721. * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3301642B1 (en) | Automated image verification in x-ray imaging | |
DE102016219887A1 (en) | Method and system for using measured data | |
EP3185215A1 (en) | Automated determination of contours on the basis of iterative reconstruction | |
WO2013098074A2 (en) | Control method and control system | |
DE102013219249A1 (en) | Method and system for automatic selection of a scan protocol | |
EP3332710B1 (en) | Characterisation of plaque | |
DE102016202434A1 (en) | Selection process for an artifact correction algorithm, data processing device for carrying out the method and medical imaging system | |
DE10347971B3 (en) | Method and device for determining the liquid type of a liquid accumulation in an object | |
DE102013218437A1 (en) | Method for automatic or semi-automatic segmentation and device | |
DE10349661B4 (en) | Device and method for monitoring the parameter selection when operating a technical device | |
EP3309792A1 (en) | Determination of a recording parameter for an imaging method | |
DE102016208647A1 (en) | Method and device for monitoring a breast examination | |
DE102006059383A1 (en) | Method for producing resulting pictures of investigation object, involves detecting multiple magnetic resonance images of investigation object by magnetic resonance photograph mechanism | |
EP3210537B1 (en) | Creation of a three dimensional image of a portion of a body by a x-ray apparatus | |
DE102016215831A1 (en) | Automatic generation of synthetic projections | |
DE102011075917A1 (en) | A method of providing a 3D image data set with suppressed cross-over artifacts and computed tomography | |
DE102020206059A1 (en) | Computer-implemented method and system for training an evaluation algorithm, computer program and electronically readable data carrier | |
DE102015210912A1 (en) | Reconstruction of a result image taking into account contour significance data | |
EP3327673A1 (en) | Generation of high resolution ct images with spectral information | |
DE102006031937A1 (en) | Tissue sample `s images and/or image sequence evaluating method for identifying presence of pathological changes, involves analyzing each sample to determine whether samples stored in data base are present within preset tolerances in image | |
EP3379487A1 (en) | Contrast enhanced reproduction of spectral ct image data | |
EP3226206A1 (en) | Classification by images | |
DE102016215105A1 (en) | Method and data processing unit for determining an acquisition data processing algorithm | |
EP3384848B1 (en) | Flexible fitting of a clinical decision-making support system | |
DE102018211106A1 (en) | Method for reducing an artifact in a computed tomography image data set |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication | ||
R081 | Change of applicant/patentee |
Owner name: SIEMENS HEALTHINEERS AG, DE Free format text: FORMER OWNER: SIEMENS HEALTHCARE GMBH, MUENCHEN, DE |