-
Die Erfindung betrifft ein computerimplementiertes Verfahren zum Bereitstellen von korrigierten medizinischen Bilddaten, ein computerimplementiertes Verfahren zum Bereitstellen einer trainierten Funktion, eine Bereitstellungseinheit, ein medizinisches Bildgebungsgerät, sowie ein Computerprogrammprodukt.
-
Bei einer Abbildung von einem Untersuchungsbereich eines Untersuchungsobjekts mittels eines medizinischen Bildgebungsgeräts kann es beispielsweise durch eine Bewegung des Untersuchungsobjekts und/oder des Bildgebungsgeräts und/oder durch weitere Störquellen, beispielsweise Metallobjekte, zu Bildartefakten in den medizinischen Bilddaten kommen. Zur retrospektiven Korrektur der Bilddaten werden häufig Bildverarbeitungsalgorithmen, beispielsweise zur Bewegungskompensation, angewendet. Häufig sind diese Bildverarbeitungsalgorithmen als hochdimensionale Optimierungsprobleme gestaltet. Nachteilig kann es hierdurch vorkommen, dass das erreichte Optimum beim Anwenden des Bildverarbeitungsalgorithmus nur ein lokales und insbesondere kein globales Optimum darstellt. Hierdurch kann oftmals nicht das volle Potential der Bildverarbeitungsalgorithmen zur Korrektur der Bilddaten genutzt werden. Zudem können hierdurch störende Bildartefakte in den verarbeiteten Bilddaten fortbestehen.
-
Der Erfindung liegt daher die Aufgabe zugrunde, eine verbesserte Korrektur von medizinischen Bilddaten zu ermöglichen.
-
Die Aufgabe wird erfindungsgemäß gelöst durch den jeweiligen Gegenstand der unabhängigen Ansprüche. Vorteilhafte Ausführungsformen mit zweckmäßigen Weiterbildungen sind Gegenstand der Unteransprüche.
-
Nachstehend wird die erfindungsgemäße Lösung der Aufgabe sowohl in Bezug auf Verfahren und Vorrichtungen zum Bereitstellen von korrigierten medizinischen Bilddaten als auch in Bezug auf Verfahren und Vorrichtungen zum Bereitstellen einer trainierten Funktion beschrieben. Hierbei können Merkmale, Vorteile und alternative Ausführungsformen von Datenstrukturen und/oder Funktionen bei Verfahren und Vorrichtungen zum Bereitstellen von korrigierten medizinischen Bilddaten auf analoge Datenstrukturen und/oder Funktionen bei Verfahren und Vorrichtungen zum Bereitstellen einer trainierten Funktion übertragen werden. Analoge Datenstrukturen können hierbei insbesondere durch die Verwendung der Vorsilbe „Trainings“ gekennzeichnet sein. Weiterhin können die in Verfahren und Vorrichtungen zum Bereitstellen von korrigierten medizinischen Bilddaten verwendeten trainierten Funktionen insbesondere durch Verfahren und Vorrichtungen zum Bereitstellen einer trainierten Funktion angepasst und/oder bereitgestellt worden sein.
-
Die Erfindung betrifft in einem ersten Aspekt ein computerimplementiertes Verfahren zum Bereitstellen von korrigierten medizinischen Bilddaten. Dabei werden in einem ersten Schritt a) medizinische Bilddaten eines Untersuchungsobjekts empfangen. In einem zweiten Schritt b) wird ein erster Zwischendatensatz durch Anwenden einer ersten Korrektur auf die Bilddaten erzeugt. In einem dritten Schritt c) wird wenigstens ein weiterer Zwischendatensatz durch Anwenden einer weiteren Korrektur auf die Bilddaten erzeugt. Dabei entspricht die weitere Korrektur der ersten Korrektur mit wenigstens einem Störterm, der auf wenigstens einen Parameter der ersten Korrektur angewendet wird. In einem vierten Schritt d) wird eine trainierte Funktion auf Eingabedaten angewendet. Dabei basieren die Eingabedaten auf dem ersten Zwischendatensatz und dem wenigstens einen weiteren Zwischendatensatz. Ferner basiert zumindest ein Parameter der trainierten Funktion auf einer Bildqualitätsmetrik. Zudem wird durch das Anwenden der trainierten Funktion auf die Eingabedaten bestimmt, ob der erste Zwischendatensatz eine höhere Bildqualität gegenüber dem wenigstens einen weiteren Zwischendatensatz aufweist. Bejahendenfalls wird der erste Zwischendatensatz als die korrigierten medizinischen Bilddaten bereitgestellt. Verneinendenfalls wird der wenigstens eine weitere Zwischendatensatz als die Bilddaten in Schritt b) bereitgestellt. Ferner werden verneinendenfalls die Schritte b) bis d) wiederholt ausgeführt.
-
Vorteilhafterweise können die vorstehend beschriebenen Schritte des vorgeschlagenen Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten zumindest teilweise gleichzeitig und/oder nacheinander ausgeführt werden.
-
Das Empfangen der medizinischen Bilddaten im Schritt a) kann insbesondere ein Erfassen und/oder Auslesen eines computerlesbaren Datenspeichers und/oder ein Empfangen aus einer Datenspeichereinheit, beispielsweise einer Datenbank, umfassen. Ferner können die medizinischen Bilddaten von einer Bereitstellungseinheit eines medizinischen Bildgebungsgeräts bereitgestellt werden. Dabei können die medizinischen Bilddaten vorteilhafterweise mittels des medizinischen Bildgebungsgeräts aufgenommen sein.
-
Das Untersuchungsobjekt kann beispielsweise ein menschlicher und/oder tierischer Patient sein. Ferner kann das Untersuchungsobjekt ein Untersuchungsphantom sein.
-
Die medizinischen Bilddaten können vorteilhafterweise eine zweidimensionale (2D) und/oder dreidimensionale (3D) Abbildung des Untersuchungsobjekts, insbesondere des Untersuchungsbereichs, umfassen. Ferner können die medizinischen Bilddaten das Untersuchungsobjekt zeitaufgelöst abbilden. Ferner können die ersten Bilddatensätze Metadaten aufweisen, wobei die Metadaten beispielsweise eine Information zu einem Aufnahmeparameter und/oder Betriebsparameter des medizinischen Bildgebungsgeräts umfassen können.
-
Zum Erzeugen des ersten Zwischendatensatzes im Schritt b) kann vorteilhafterweise eine erste Korrektur auf die medizinischen Bilddaten angewendet werden. Dabei kann der erste Zwischendatensatz insbesondere alle Merkmale und Eigenschaften aufweisen, welche in Bezug zu den medizinischen Bilddaten beschrieben wurden. Insbesondere kann der erste Zwischendatensatz in einer Dimensionalität und/oder Auflösung mit den medizinischen Bilddaten übereinstimmen.
-
Die erste Korrektur kann beispielsweise einen Autofokus-Algorithmus umfassen. Die erste Korrektur kann insbesondere zur, insbesondere rigiden und/oder nicht-rigiden, Bewegungskorrektur und/oder zur Reduzierung von Bildartefakten in den medizinischen Bilddaten, beispielsweise durch eine, insbesondere adaptive, Filterung, ausgebildet sein. Vorteilhafterweise kann durch das Anwenden der ersten Korrektur auf die medizinischen Bilddaten eine Bildqualität der medizinischen Bilddaten verbessert werden. Insbesondere kann durch das Anwenden der ersten Korrektur auf die medizinischen Bilddaten ein Signal-zu-Rauschen-Verhältnis (engl. signal-to-noise ratio, SNR) der medizinischen Bilddaten erhöht und/oder ein Artefaktlevel der medizinischen Bilddaten verringert werden. Vorteilhafterweise kann der erste Zwischendatensatz, welcher durch Anwenden der ersten Korrektur auf die Bilddaten erzeugt wird, gegenüber den medizinischen Bilddaten eine verbesserte Bildqualität aufweisen, insbesondere ein erhöhtes Signal-zu-Rauschen-Verhältnis und/oder ein verringertes Artefaktlevel.
-
Die erste Korrektur kann vorzugsweise parametrisiert sein. Insbesondere kann die erste Korrektur den wenigstens einen Parameter aufweisen, welcher zum Anpassen der ersten Korrektur ausgebildet sein kann. Beispielsweise kann durch ein Anpassen des wenigstens einen Parameters der ersten Korrektur ein Schwellwert und/oder ein Werteintervall und/oder eine räumliche Dimension und/oder ein Bewegungsfreiheitsgrad zur Anwendung der ersten Korrektur auf die medizinischen Bilddaten angepasst werden.
-
Die erste Korrektur kann eine, insbesondere iterative, Optimierung einer Kostenfunktion umfassen. Dabei kann beim Anwenden der ersten Korrektur auf die medizinischen Bilddaten zum Erzeugen des ersten Zwischendatensatzes ein Kostenwert der Kostenfunktion optimiert, insbesondere minimiert, werden.
-
Im Schritt c) kann vorteilhafterweise ein weiterer Zwischendatensatz durch Anwenden einer weiteren Korrektur auf die Bilddaten erzeugt werden. Dabei kann die weitere Korrektur der ersten Korrektur entsprechen, wobei auf den wenigstens einen Parameter der ersten Korrektur ein Störterm angewendet wird. Der Störterm kann eindimensional und/oder mehrdimensional sein, beispielsweise ein numerischer Wert und/oder ein Wertetupel, welches auf den wenigstens einen Parameter der ersten Korrektur, insbesondere additiv und/oder multiplikativ und/oder exponentiell, angewendet werden kann.
-
Vorteilhafterweise kann durch das Anwenden des Störterms auf den wenigstens einen Parameter der ersten Korrektur ein Anwendungsbereich und/oder eine Wirkung der ersten Korrektur verändert werden.
-
Der wenigstens eine weitere Zwischendatensatz, welcher durch Anwenden der weiteren Korrektur auf die Bilddaten erzeugt wird, kann eine Abweichung gegenüber dem ersten Zwischendatensatz aufweisen, insbesondere hinsichtlich des zu korrigierenden Artefakts und/oder einer Bildqualität.
-
Die trainierte Funktion kann insbesondere dazu ausgebildet sein, den ersten Zwischendatensatz und den zumindest einen weiteren Zwischendatensatz hinsichtlich einer Bildqualität zu vergleichen. Dabei kann die trainierte Funktion vorteilhafterweise als binärer Vergleichsoperator und/oder Klassifikator ausgebildet sein. Vorteilhafterweise kann zumindest ein Parameter der trainierten Funktion auf einer Bildqualitätsmetrik basieren. Insbesondere kann die trainierte Funktion durch eine Ausführungsform des vorgeschlagenen computerimplementierten Verfahrens zum Bereitstellen einer trainierten Funktion bereitgestellt werden.
-
Die trainierte Funktion kann vorteilhafterweise durch ein Verfahren des Maschinenlernens trainiert sein. Insbesondere kann die trainierte Funktion ein neuronales Netzwerk, insbesondere ein faltendes neuronales Netzwerk (engl. convolutional neural network, CNN) bzw. ein Netzwerk umfassend eine Faltungsschicht (engl. convolutional layer) und/oder ein ordinales neuronales Netzwerk sein (engl. ordinal neural network, ONN).
-
Die trainierte Funktion bildet Eingabedaten auf Ausgabedaten ab. Hierbei können die Ausgabedaten insbesondere weiterhin von einem oder mehreren Parametern der trainierten Funktion abhängen. Der eine oder die mehreren Parameter der trainierten Funktion können durch ein Training bestimmt und/oder angepasst werden. Das Bestimmen und/oder das Anpassen des einen oder der mehreren Parameter der trainierten Funktion kann insbesondere auf einem Paar aus Trainingseingabedaten und zugehörigen Trainingsausgabedaten, insbesondere Vergleichsausgabedaten, basieren, wobei die trainierte Funktion zur Erzeugung von Trainingsabbildungsdaten auf die Trainingseingabedaten angewendet wird. Insbesondere können das Bestimmen und/ oder das Anpassen auf einem Vergleich der Trainingsabbildungsdaten und der Trainingsausgabedaten, insbesondere der Vergleichsausgabedaten, basieren. Im Allgemeinen wird auch eine trainierbare Funktion, das heißt eine Funktion mit noch nicht angepassten einen oder mehreren Parametern, als trainierte Funktion bezeichnet.
-
Andere Begriffe für trainierte Funktion sind trainierte Abbildungsvorschrift, Abbildungsvorschrift mit trainierten Parametern, Funktion mit trainierten Parametern, Algorithmus basierend auf künstlicher Intelligenz, Algorithmus des maschinellen Lernens. Ein Beispiel für eine trainierte Funktion ist ein künstliches neuronales Netzwerk, wobei die Kantengewichte des künstlichen neuronalen Netzwerks den Parametern der trainierten Funktion entsprechen. Anstatt des Begriffs „neuronales Netzwerk“ kann auch der Begriff „neuronales Netz“ verwendet werden. Insbesondere kann eine trainierte Funktion auch ein tiefes künstliches neuronales Netzwerk sein (engl. deep neural network, deep artificial neural network). Ein weiteres Beispiel für eine trainierte Funktion ist eine „Support Vector Machine“, weiterhin sind auch insbesondere andere Algorithmen des maschinellen Lernens als trainierte Funktion einsetzbar.
-
Die trainierte Funktion kann insbesondere mittels einer Rückpropagation trainiert sein. Zunächst können Trainingsabbildungsdaten durch Anwendung der trainierten Funktion auf Trainingseingabedaten bestimmt werden. Hiernach kann eine Abweichung zwischen den Trainingsabbildungsdaten und den Trainingsausgabedaten, insbesondere den Vergleichsausgabedaten, durch Anwendung einer Fehlerfunktion auf die Trainingsabbildungsdaten und die Trainingsausgabedaten, insbesondere die Vergleichsausgabedaten, ermittelt werden. Ferner kann zumindest ein Parameter, insbesondere eine Gewichtung, der trainierten Funktion, insbesondere des neuronalen Netzwerks, basierend auf einem Gradienten der Fehlerfunktion bezüglich des zumindest einen Parameters der trainierten Funktion iterativ angepasst werden. Hierdurch kann die Abweichung zwischen den Trainingsabbildungsdaten und den Trainingsausgabedaten, insbesondere den Vergleichsausgabedaten, während des Trainings der trainierten Funktion vorteilhafterweise minimiert werden.
-
Vorteilhafterweise weist die trainierte Funktion, insbesondere das neuronale Netzwerk, eine Eingabeschicht und eine Ausgabeschicht auf. Dabei kann die Eingabeschicht zum Empfangen von Eingabedaten ausgebildet sein. Ferner kann die Ausgabeschicht zum Bereitstellen von Abbildungsdaten ausgebildet sein. Dabei kann die Eingabeschicht und/oder die Ausgabeschicht jeweils mehrere Kanäle, insbesondere Neuronen, umfassen.
-
Vorteilhafterweise können die Eingabedaten der trainierten Funktion auf dem ersten Zwischendatensatz und dem wenigstens einen weiteren Zwischendatensatz basieren. Insbesondere können die Eingabedaten den ersten Zwischendatensatz und den wenigstens einen weiteren Zwischendatensatz umfassen.
-
Dabei kann die Bildqualitätsmetrik beispielsweise eine Regression eines Rückprojektionsfehlers, insbesondere bei einer Bewegungskorrektur, umfassen. Ferner kann die Bildqualitätsmetrik zur Bewertung der Bildqualität bezüglich einer Röntgenstrahlaufhärtung und/oder eines Signal-zu-Rauschen-Verhältnisses und/oder einer Ausprägung von Bildartefakten, beispielsweise Metallartefakten und/oder Bewegungsartefakten, ausgebildet sein.
-
Die Ausgabedaten der trainierten Funktion können vorteilhafterweise einen Schaltparameter umfassen, welcher angibt, ob der erste Zwischendatensatz eine höhere Bildqualität gegenüber dem wenigstens einen weiteren Zwischendatensatz aufweist. Dabei kann der Schaltparameter beispielsweise einen booleschen Wert und/oder eine Ordinalzahl umfassen. Ferner kann durch diesen Vergleich vorteilhaft überprüft werden, ob das in Schritt b) gemäß der, insbesondere momentanen, Parametrisierung mit dem wenigstens einen Parameter der ersten Korrektur erreichte Optimum der Kostenfunktion ein lokales oder globales Optimum ist. Sofern der Vergleich ergibt, dass der erste Zwischendatensatz eine geringere Bildqualität gegenüber dem wenigstens einen weiteren Zwischendatensatz aufweist, kann der wenigstens eine weitere Zwischendatensatz als die Bilddaten in Schritt b) bereitgestellt werden. Vorteilhafterweise können hiernach die Schritte b) bis d) wiederholt ausgeführt werden.
-
Sofern der Vergleich ergibt, dass der erste Zwischendatensatz eine höhere Bildqualität gegenüber dem wenigstens einen weiteren Zwischendatensatz aufweist, kann der erste Zwischendatensatz als die korrigierten medizinischen Bilddaten bereitgestellt werden.
-
Dabei kann das Bereitstellen des ersten Zwischendatensatzes als die korrigierten medizinischen Bilddaten beispielsweise ein Speichern auf einem computerlesbaren Speichermedium und/oder ein Anzeigen auf einer Darstellungseinheit und/oder ein Übertragen an eine Bereitstellungseinheit umfassen. Insbesondere kann eine graphische Darstellung der korrigierten medizinischen Bilddaten auf der Darstellungseinheit angezeigt werden.
-
Vorteilhafterweise kann durch die vorstehend beschriebene Ausführungsform eine verbesserte Korrektur der medizinischen Bilddaten ermöglicht werden. Insbesondere kann durch das Anwenden des wenigstens einen Störterms auf die erste Korrektur und das anschließende Anwenden der trainierten Funktion auf die Eingabedaten vorteilhaft überprüft werden, ob das in der ersten Korrektur erreichte Optimum ein lokales oder globales Optimum ist. Hierdurch kann eine weitere Verbesserung der Bildqualität der medizinischen Bilddaten trotz der Komplexität des hochdimensionalen Optimierungsproblems der ersten Korrektur ermöglicht werden.
-
In einer weiteren vorteilhaften Ausführungsform des vorgeschlagenen Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten kann die erste Korrektur eine Bewegungskorrektur und/oder eine Metallartefaktkorrektur umfassen.
-
Die Bewegungskorrektur kann vorteilhafterweise dazu ausgebildet sein, Bewegungsartefakte in den medizinischen Bilddaten und/oder in dem ersten Zwischendatensatz zu reduzieren. Die Bewegungskorrektur kann vorteilhafterweise eine, insbesondere rigide und/oder nicht-rigide, Transformation der medizinischen Bilddaten umfassen. Dabei kann die Transformation der medizinischen Bilddaten beispielsweise eine Translation und/oder Rotation und/oder Deformation der medizinischen Bilddaten umfassen.
-
Ferner kann die Metallartefaktkorrektur dazu ausgebildet sein, Metallartefakte in den medizinischen Bilddaten und/oder in dem ersten Zwischendatensatz zu reduzieren. Dabei kann die Metallartefaktkorrektur beispielsweise eine, insbesondere adaptive, Filterung der medizinischen Bilddaten umfassen.
-
Vorteilhafterweise können Bewegungsartefakte und/oder Metallartefakte in den medizinischen Bilddaten durch die vorgeschlagene Ausführungsform verringert werden.
-
In einer weiteren vorteilhaften Ausführungsform des vorgeschlagenen Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten kann die erste Korrektur eine Bewegungskorrektur umfassen, welche auf einem Bewegungsmodell basiert. Dabei kann das Bewegungsmodell an eine Bewegung zumindest eines Teils des Untersuchungsobjekts, welche in den Bilddaten abgebildet ist, angepasst werden.
-
Vorteilhafterweise kann das Bewegungsmodell dazu ausgebildet sein, eine, insbesondere rigide und/oder nicht-rigide, Bewegung des zumindest einen Teils des Untersuchungsobjekts abzubilden, insbesondere nachzubilden. Ferner kann das Bewegungsmodell zur Abbildung periodischer und/oder nicht-periodischer Bewegungen des zumindest einen Teils des Untersuchungsobjekts ausgebildet sein. Der zumindest eine Teil des Untersuchungsobjekts kann vorteilhafterweise einen anatomischen Bereich, beispielsweise ein Organ und/oder Gewebe und/oder ein Körperteil des Untersuchungsobjekts umfassen. Das Bewegungsmodell kann insbesondere eine Bewegungstrajektorie und/oder Bewegungsamplitude und/oder Bewegungsgeschwindigkeit des zumindest einen Teils des Untersuchungsobjekts abbilden.
-
Das Anpassen des Bewegungsmodells an die Bewegung des zumindest einen Teils des Untersuchungsobjekts kann vorteilhafterweise anhand von anatomischen und/oder geometrischen Merkmalen, insbesondere des zumindest einen Teils des Untersuchungsobjekts, erfolgen, welche in den Bilddaten abgebildet sind. Dabei können die anatomischen und/oder geometrischen Merkmale beispielsweise eine Kontur und/oder eine, insbesondere anatomische, Landmarke und/oder eine Markerstruktur umfassen. Vorteilhafterweise kann die Transformation zur Bewegungskorrektur der medizinischen Bilddaten anhand des Bewegungsmodells bestimmt werden.
-
Das Bewegungsmodell kann beispielsweise einen oder mehrere Bewegungsparameter aufweisen. Insbesondere kann das Bewegungsmodell jeweils einen Bewegungsparameter zu den Bewegungsfreiheitsgraden des zumindest einen Teils des Untersuchungsobjekts aufweisen. Vorteilhafterweise können die Bewegungsparameter jeweils als Polynomzug (engl. spline) betrachtet werden. Das Anpassen des Bewegungsmodells, insbesondere der Bewegungsparameter, an die Bewegung des zumindest einen Teils des Untersuchungsobjekts kann vorteilhafterweise eine iterative und/oder sequenzielle Optimierung von Knoten des jeweiligen Polynomzugs (Spline-Knoten) umfassen. Hierdurch kann vorteilhafterweise eine Dimensionalität des hochdimensionalen Optimierungsproblems reduziert werden. Ferner kann eine Anzahl der zu optimierenden Spline-Knoten vorzugsweise mit steigender Iteration erhöht werden. Vorteilhafterweise kann durch das Bewegungsmodell eine besonders gut an die Bewegung des zumindest einen Teils des Untersuchungsobjekts angepasste Bewegungskorrektur der medizinischen Bilddaten ermöglicht werden.
-
In einer weiteren vorteilhaften Ausführungsform des vorgeschlagenen Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten können im Schritt c) mehrere weitere Zwischendatensätze durch Anwenden der weiteren Korrektur auf die Bilddaten erzeugt werden. Zudem können mehrere Störterme auf den wenigstens einen Parameter der ersten Korrektur angewendet werden.
-
Die erste Korrektur kann in einer oder in mehreren Dimensionen durch den zumindest einen Parameter parametrisiert sein. Dabei kann die zumindest eine Dimension der Parametrisierung der ersten Korrektur beispielsweise einen Bewegungsfreiheitsgrad und/oder eine räumliche Dimension und/oder zeitliche Dimension für einen Anwendungsbereich und/oder Wirkbereich der ersten Korrektur definieren. Ferner kann der zumindest eine Parameter eine Iterationsgröße für die iterative Optimierung der Kostenfunktion für die zumindest eine Dimension der Parametrisierung der ersten Korrektur definieren.
-
Die mehreren, insbesondere zumindest teilweise verschiedenen, Störterme zur Anwendung auf den wenigstens einen Parameter der ersten Korrektur können sich in ihrer Dimension und/oder einem numerischen Wert, insbesondere einer Größenordnung, unterscheiden. Vorteilhafterweise können die mehreren Störterme derart vorgegeben werden, dass der zumindest eine Parameter der ersten Korrektur entlang zumindest einer, insbesondere mehrerer und/oder aller, Dimensionen der Parametrisierung der ersten Korrektur angepasst werden kann.
-
Das Anwenden mehrerer, insbesondere zumindest teilweise verschiedener, Störterme auf den wenigstens einen Parameter der ersten Korrektur und das Erzeugen mehrerer weiterer Zwischendatensätze kann eine verbesserte Überprüfung der ersten Korrektur dahingehend ermöglichen, ob das in der ersten Korrektur erreichte Optimum ein lokales oder globales Optimum ist.
-
In einer weiteren vorteilhaften Ausführungsform des vorgeschlagenen Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten kann die erste Korrektur eine Bewegungskorrektur umfassen. Dabei kann die Bewegungskorrektur eine Transformation der Bilddaten entlang wenigstens eines räumlichen Bewegungsfreiheitsgrads umfassen. Ferner kann jeweils ein Störterm zu den Bewegungsfreiheitsgraden der Transformation auf den wenigstens einen Parameter der Bewegungskorrektur angewendet werden. Zudem kann in Schritt c) jeweils ein weiterer Zwischendatensatz zu jedem der Störterme erzeugt werden.
-
Die Bewegungskorrektur kann vorteilhafterweise eine, insbesondere rigide und/oder nicht-rigide, Transformation der medizinischen Bilddaten umfassen. Dabei kann die Transformation beispielsweise eine Translation und/oder Rotation und/oder Deformation der medizinischen Bilddaten, insbesondere entlang wenigstens eines räumlichen Bewegungsfreiheitsgrads, umfassen.
-
Die Bewegungskorrektur kann vorteilhafterweise parametrisiert sein. Insbesondere kann die Bewegungskorrektur wenigstens einen Parameter aufweisen, durch welchen ein Schwellwert und/ oder ein Werteintervall und/oder eine räumliche Dimension und/oder ein Bewegungsfreiheitsgrad zur Anwendung der Bewegungskorrektur, insbesondere der Transformation, auf die medizinischen Bilddaten angepasst werden kann.
-
Vorteilhafterweise kann jeweils ein Störterm zu den Bewegungsfreiheitsgraden der Transformation auf den wenigstens einen Parameter der Bewegungskorrektur angewendet werden. Dabei können die im Schritt c) erzeugten weiteren Zwischendatensätze jeweils eine Veränderung gegenüber dem ersten Zwischendatensatz aufweisen, welche durch den jeweiligen Störterm verursacht wird.
-
Durch das Anwenden der trainierten Funktion auf die Eingabedaten im Schritt d) kann vorteilhafterweise festgestellt werden, ob der erste Zwischendatensatz eine höhere Bildqualität gegenüber wenigstens einen der weiteren Zwischendatensätze aufweist. Verneinendenfalls kann darauf geschlossen werden, dass das im Schritt b) erreichte Optimum der Kostenfunktion der ersten Korrektur nur ein lokales Optimum ist.
-
Durch das Anwenden jeweils eines Störterms zu den Bewegungsfreiheitsgraden der Transformation auf den wenigstens einen Parameter der Bewegungskorrektur kann vorteilhafterweise entlang mehrerer verschiedener Dimensionen des hochdimensionalen Optimierungsproblems der ersten Korrektur überprüft werden, ob das in der ersten Korrektur erreichte Optimum ein lokales oder globales Optimum ist.
-
In einer weiteren vorteilhaften Ausführungsform des vorgeschlagenen Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten kann der wenigstens eine Störterm eine stochastische Störung beschreiben.
-
Vorteilhafterweise kann der wenigstens eine Störterm innerhalb einer vorgegebenen Varianz als stochastische Störung zu dem wenigstens einen Parameter der ersten Korrektur vorgegeben werden. Dabei kann die Varianz der stochastischen Störung insbesondere in Abhängigkeit der jeweiligen Dimension des wenigstens einen Parameters der ersten Korrektur angepasst sein.
-
Die hier vorgeschlagene Ausführungsform kann vorteilhaft eine, insbesondere gegenüber lokalen Optima, robustere Optimierung der ersten Korrektur und folglich eine Verbesserung der Bildqualität der medizinischen Bilddaten ermöglichen.
-
In einer weiteren vorteilhaften Ausführungsform des vorgeschlagenen Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten kann die Bildqualitätsmetrik auf einer Entropie und/oder Varianz, insbesondere von Bildwerten der Eingabedaten basieren.
-
Der erste und/oder der wenigstens eine weitere Zwischendatensatz können jeweils mehrere Bildpunkte, insbesondere Pixel und/oder Voxel aufweisen. Dabei können die Bildpunkte der Zwischendatensätze jeweils einen Bildwert aufweisen, beispielsweise einen Grauwert und/oder Dämpfungswert und/oder Intensitätswert und/oder Farbwert.
-
Dabei kann die Bildqualitätsmetrik insbesondere dazu ausgebildet sein, die Bildqualität der Bilddaten anhand der Entropie und/oder Varianz der Bildwerte des ersten und/oder des wenigstens einen weiteren Zwischendatensatzes zu bewerten. Dabei kann die Bildqualitätsmetrik ferner eine Entropie eines Histogramms von Bildwerten und/oder eine Gesamtvariation der Bildwerte (engl. total variation) des ersten und/oder des wenigstens einen weiteren Zwischendatensatzes bewerten.
-
Hierdurch kann vorteilhaft eine verbesserte Bewertung der Bildqualität des ersten und des wenigstens einen weiteren Zwischendatensatzes durch die Bildqualitätsmetrik ermöglicht werden.
-
In einer weiteren vorteilhaften Ausführungsform des vorgeschlagenen Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten kann die erste Korrektur auf einer Optimierung der Bildqualitätsmetrik oder einer weiteren Bildqualitätsmetrik basieren.
-
In einer ersten Variante kann die erste Korrektur auf einer Optimierung der Bildqualitätsmetrik basieren, auf welcher Bildqualitätsmetrik auch der zumindest eine Parameter der trainierten Funktion basiert. Bei einer Ausbildung der ersten Korrektur als deterministische Funktion, kann die Abweichung zwischen dem ersten und dem wenigstens einen weiteren Zwischendatensatz, insbesondere hinsichtlich der Bildqualität, durch das Anwenden des wenigstens einen Störterms auf den wenigstens einen Parameter der ersten Korrektur hervorgerufen werden.
-
Vorteilhafterweise kann in der ersten Variante eine konsistente Bewertung der Bildqualität des ersten und des wenigstens einen weiteren Zwischendatensatzes beim Optimieren der Kostenfunktionen der jeweiligen Korrektur und beim Anwenden der trainierten Funktion ermöglichen.
-
In einer zweiten Variante kann die erste Korrektur auf einer Optimierung einer weiteren Bildqualitätsmetrik basieren, welche weitere Bildqualitätsmetrik vorteilhafterweise verschieden von der Bildqualitätsmetrik ist. Hierdurch kann eine besonders robuste, insbesondere unabhängige, Bewertung der Bildqualität des ersten und des wenigstens einen weiteren Zwischendatensatzes beim Optimieren der Kostenfunktionen der jeweiligen Korrektur und beim Anwenden der trainierten Funktion ermöglicht werden.
-
In einer weiteren vorteilhaften Ausführungsform des vorgeschlagenen Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten können die medizinischen Bilddaten mittels eines medizinischen Bildgebungsgeräts aufgenommen sein. Dabei kann das medizinische Bildgebungsgerät als medizinisches Röntgengerät und/oder Computertomographieanlage (CT), insbesondere eine Anlage zur Einzelphotonen-Emissionscomputertomographie (engl. signel photon emission computed tomography, SPECT) und/oder Magnetresonanzanlage (MRT) und/ oder Positronenemissionstomographieanlage (PET) und/oder Ultraschallgerät ausgebildet sein.
-
Vorteilhafterweise kann das vorgeschlagene Verfahren dazu ausgebildet sein, die Bildqualität von mittels einer und/oder verschiedenen Bildgebungsmodalitäten aufgenommenen medizinischen Bilddaten zu verbessern.
-
In einer weiteren vorteilhaften Ausführungsform des vorgeschlagenen Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten kann das Erzeugen des ersten Zwischendatensatzes im Schritt b) eine Rekonstruktion aus den Bilddaten umfassen. Ferner kann das Erzeugen des wenigstens einen weiteren Zwischendatensatzes im Schritt c) eine Rekonstruktion aus den Bilddaten umfassen. Zudem kann im Schritt d) verneinendenfalls der wenigstens eine weitere Zwischendatensatz nach Anwenden einer Rücktransformation als die Bilddaten im Schritt b) bereitgestellt werden.
-
Die Rekonstruktion kann beispielsweise eine inverse Radontransformation und/oder eine, insbesondere gefilterte, Rückprojektion und/oder eine inverse Fouriertransformation umfassen. Vorteilhafterweise kann der erste Zwischendatensatz im Schritt b) aus den Bilddaten rekonstruiert werden. Ferner kann der wenigstens eine weitere Zwischendatensatz im Schritt c) aus den Bilddaten rekonstruiert werden. Dabei kann die erste und/oder die weitere Korrektur insbesondere vor und/ oder nach der jeweiligen Rekonstruktion angewendet werden. Des Weiteren kann die erste und/oder die weitere Korrektur als Teil der Rekonstruktion angewendet werden. Insbesondere kann die erste und/oder die weitere Korrektur auf zumindest einen Parameter der jeweiligen Rekonstruktion angewendet werden. Zudem können sich der erste und/oder der wenigstens eine weitere Zwischendatensatz in wenigstens einer Bildeigenschaft, beispielsweise einer Dimensionalität und/oder Auflösung, von den Bilddaten unterscheiden. Beispielsweise können die Bilddaten 2D räumlich aufgelöst und der erste und/ oder wenigstens eine weitere Zwischendatensatz 3D räumlich aufgelöst sein. Dadurch, dass die Eingabedaten der trainierten Funktion auf dem ersten und dem wenigstens einen Zwischendatensatz basieren, kann im Schritt d) vorteilhafterweise eine Bildqualität der aus den Bilddaten rekonstruierten Zwischendatensätze nach dem Anwenden der jeweiligen Korrektur bewertet werden. Vorteilhafterweise kann im Schritt d) verneinendenfalls eine Rücktransformation auf den wenigstens einen weiteren Zwischendatensatz angewendet werden. Die Rücktransformation kann vorteilhafterweise als inverse Abbildung zur Rekonstruktion aus den Bilddaten ausgebildet sein.
-
Die vorgeschlagene Ausführungsform kann demzufolge eine Bewertung der Bildqualität des ersten und des wenigstens einen weiteren Zwischendatensatzes nach Anwenden der jeweiligen Korrektur und der Rekonstruktion auf die Bilddaten ermöglichen.
-
In einer weiteren vorteilhaften Ausführungsform des vorgeschlagenen Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten können die Bilddaten jeweils eine Projektionsabbildung des Untersuchungsobjekts entlang zumindest teilweise verschiedener Projektionsrichtungen aufweisen.
-
Das medizinische Bildgebungsgerät zur Aufnahme der medizinischen Bilddaten, insbesondere der mehreren Projektionsabbildungen, kann vorteilhafterweise eine Quelle und einen Detektor aufweisen, welche in einer definierten Anordnung positionierbar sind. In einer Ausbildung des medizinischen Bildgebungsgeräts als medizinisches Röntgengerät, insbesondere als medizinisches C-Bogen-Röntgengerät, und/oder Computertomographieanlage kann die Quelle eine Röntgenquelle und der Detektor ein Röntgendetektor sein.
-
Die zumindest teilweise verschiedenen Projektionsrichtungen können jeweils einen Verlauf eines Strahls, insbesondere eines Zentral- und/oder Mittenstrahls, zwischen der Quelle und dem Detektor, insbesondere einem Detektormittelpunkt, des medizinischen Bildgebungsgeräts zum Zeitpunkt der Aufnahme der jeweiligen Projektionsabbildung beschreiben. Insbesondere können die Projektionsrichtungen jeweils eine Angulation, insbesondere einen Rotationslauf, des medizinischen Bildgebungsgeräts bezüglich des Untersuchungsobjekts und/oder eines Isozentrums beschreiben.
-
Dabei kann das Isozentrum einen räumlichen Punkt beschreiben, um welchen die definierte Anordnung von Quelle und Detektor bewegbar, insbesondere rotierbar, ist, insbesondere während der Aufnahme der mehreren Projektionsabbildungen. Vorteilhafterweise können die zumindest teilweise verschiedenen Projektionsrichtungen jeweils durch das, insbesondere gemeinsame, Isozentrum verlaufen.
-
Vorteilhafterweise kann der erste und/oder der wenigstens eine weitere Zwischendatensatz aus den Projektionsabbildungen rekonstruiert werden. Dabei kann die Rekonstruktion vorteilhafterweise eine inverse Radontransformation und/oder eine gefilterte Rückprojektion umfassen. Des Weiteren kann die verneinendenfalls im Schritt d) ausgeführte Rücktransformation eine Radontransformation und/oder eine virtuelle Projektionsabbildung des weiteren Zwischendatensatzes umfassen.
-
Die vorgeschlagene Ausführungsform kann vorteilhafterweise eine Verringerung von Bildartefakten, insbesondere Bewegungsartefakten, welche während und/oder zwischen der Aufnahme der mehreren Projektionsabbildungen verursacht worden sein können, ermöglichen.
-
Die Erfindung betrifft in einem zweiten Aspekt ein computerimplementiertes Verfahren zum Bereitstellen einer trainierten Funktion. Dabei wird in einem ersten Schritt t.a) ein erster Trainingsdatensatz empfangen. In einem zweiten Schritt t.b) wird wenigstens ein weiterer Trainingsdatensatz empfangen. Ferner wird in einem dritten Schritt t.c) jeweils ein Bildqualitätsparameter durch Anwenden einer Bildqualitätsmetrik auf den ersten und den wenigstens einen weiteren Trainingsdatensatz bestimmt. Durch einen Vergleich der Bildqualitätsparameter wird anschließend der erste oder der wenigstens eine weitere Trainingsdatensatz als Vergleichsdatensatz bestimmt, welcher Vergleichsdatensatz eine höchste Bildqualität aufweist. In einem vierten Schritt t.d) wird die trainierte Funktion auf Eingabedaten angewendet, welche Eingabedaten auf dem ersten und dem wenigstens einen weiteren Trainingsdatensatz basieren. Dabei wird durch das Anwenden der trainierten Funktion bestimmt, ob der erste Trainingsdatensatz eine höhere Bildqualität gegenüber dem wenigstens einen weiteren Trainingsdatensatz aufweist. In einem fünften Schritt t.e) wird zumindest ein Parameter der trainierten Funktion basierend auf einem Vergleich des im Schritt t.c) bestimmten Vergleichsdatensatzes mit dem Ergebnis aus Schritt t.d) angepasst. Hiernach wird die trainierte Funktion in einem sechsten Schritt t.f) bereitgestellt.
-
Ferner können die vorstehend beschriebenen Schritte des vorgeschlagenen Verfahrens zum Bereitstellen einer trainierten Funktion zumindest teilweise gleichzeitig und/oder nacheinander ausgeführt werden.
-
Das Empfangen des ersten Trainingsdatensatzes und/oder des wenigstens einen weiteren Trainingsdatensatzes kann insbesondere ein Erfassen und/oder Auslesen eines computerlesbaren Datenspeichers und/oder ein Empfangen aus einer Datenspeichereinheit, beispielsweise einer Datenbank, umfassen.
-
Der erste Trainingsdatensatz und/oder der wenigstens eine weitere Trainingsdatensatz können insbesondere alle Eigenschaften des ersten Zwischendatensatzes und/oder des wenigstens einen weiteren Zwischendatensatzes aufweisen, die in Bezug zum computerimplementierten Verfahren zum Bereitstellen von korrigierten medizinischen Bilddaten beschrieben wurden und umgekehrt.
-
Zudem können der erste Trainingsdatensatz und/oder der wenigstens eine weitere Trainingsdatensatz simuliert sein. Alternativ oder zusätzlich können der erste und der wenigstens eine weitere Trainingsdatensatz durch Anwenden der Schritte a) bis c) eines vorgeschlagenen Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten auf medizinische Trainingsbilddaten erzeugt worden sein. Dabei können die medizinischen Trainingsbilddateninsbesondere alle Eigenschaften der medizinischen Bilddaten aufweisen, die in Bezug zum computerimplementierten Verfahren zum Bereitstellen von korrigierten medizinischen Bilddaten beschrieben wurden und umgekehrt. Insbesondere können die medizinischen Trainingsbilddaten mittels eines medizinischen Bildgebungsgeräts aufgenommen und/oder simuliert sein.
-
Im Schritt t.c) kann vorteilhafterweise der jeweils eine Bildqualitätsparameter durch Anwenden der Bildqualitätsmetrik auf den ersten und den wenigstens einen weiteren Trainingsdatensatz bestimmt werden. Dabei können die Bildqualitätsparameter vorteilhafterweise jeweils ein Artefaktlevel, insbesondere eine Ausprägung von Bildartefakten, und/oder ein Signal-zu-Rauschen-Verhältnis (engl. signal-to-noise-ratio, SNR) in dem ersten und dem wenigstens einen weiteren Trainingsdatensatz bewerten. Die Bildqualitätsparameter können ferner jeweils einen, insbesondere normierten, Wert aufweisen, welcher die Bildqualität des jeweiligen Trainingsdatensatzes bewertet. Vorteilhafterweise kann durch den Vergleich der Bildqualitätsparameter der erste oder der wenigstens eine weitere Trainingsdatensatz als Vergleichsdatensatz bestimmt werden, welcher eine höchste Bildqualität, insbesondere einen optimalen Bildqualitätsparameter, aufweist.
-
Ferner kann durch das Anwenden der trainierten Funktion auf die Eingabedaten im Schritt t.d) bestimmt werden, ob der erste Trainingsdatensatz gegenüber dem wenigstens einen wieteren Trainingsdatensatz eine höhere Bildqualität aufweist. Die Ausgabedaten der trainierten Funktion können vorteilhafterweise einen Schaltparameter umfassen, welcher angibt, ob der erste Trainingsdatensatz eine höhere Bildqualität gegenüber dem wenigstens einen weiteren Trainingsdatensatz aufweist. In Abhängigkeit des Schaltparameters kann der Trainingsdatensatz, welcher die vergleichsweise höchste Bildqualität aufweist, als Ergebnisdatensatz der trainierten Funktion bereitgestellt werden.
-
Im Schritt t.e) kann der zumindest eine Parameter der trainierten Funktion basierend auf einem Vergleich des im Schritt t.c) bestimmten Vergleichsdatensatzes mit dem Ergebnis, insbesondere dem Ergebnisdatensatz, aus Schritt t.d) angepasst werden. Vorteilhafterweise kann der zumindest eine Parameter der trainierten Funktion im Schritt t.e) derart angepasst werden, dass der durch die Anwendung der trainierten Funktion als Ergebnisdatensatz identifizierte erste oder wenigstens eine weitere Trainingsdatensatz mit dem Vergleichsdatensatz übereinstimmt.
-
Das Bereitstellen der trainierten Funktion kann insbesondere ein Speichern auf einem computerlesbaren Speichermedium und/ oder ein Übertragen an eine Bereitstellungseinheit umfassen.
-
Vorteilhafterweise kann mit dem vorgeschlagenen Verfahren eine trainierte Funktion bereitgestellt werden, welche in einer Ausführungsform des computerimplementierten Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten verwendet werden kann.
-
Die Erfindung betrifft in einem dritten Aspekt eine Bereitstellungseinheit, welche zur Ausführung eines vorgeschlagenen computerimplementierten Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten ausgebildet ist.
-
Vorteilhafterweise kann die Bereitstellungseinheit eine Recheneinheit, eine Speichereinheit und eine Schnittstelle umfassen. Die Bereitstellungseinheit kann dazu ausgebildet sein, diese Verfahren und ihre Aspekte auszuführen, indem die Schnittstelle und die Recheneinheit ausgebildet sind, die entsprechenden Verfahrensschritte auszuführen. Insbesondere kann die Schnittstelle zum Ausführen der Schritte a) und/oder d) ausgebildet sein. Ferner können die Recheneinheit und/oder die Speichereinheit zum Ausführen der Schritte b) und/oder c) ausgebildet sein.
-
Die Vorteile der vorgeschlagenen Bereitstellungseinheit entsprechen im Wesentlichen den Vorteilen des vorgeschlagenen computerimplementierten Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten. Hierbei erwähnte Merkmale, Vorteile oder alternative Ausführungsformen können ebenso auch auf die anderen beanspruchten Gegenstände übertragen werden und umgekehrt.
-
Die Erfindung kann ferner eine Trainingseinheit betreffen, die dazu ausgebildet sein kann, die zuvor beschriebenen erfindungsgemäßen computerimplementierten Verfahren zum Bereitstellen einer trainierten Funktion und ihre jeweiligen Aspekte auszuführen. Die Trainingseinheit kann vorteilhafterweise eine Trainingsschnittstelle, eine Trainingsspeichereinheit und eine Trainingsrecheneinheit umfassen. Die Trainingseinheit kann dazu ausgebildet sein, diese Verfahren und ihre jeweiligen Aspekte auszuführen, indem die Trainingsschnittstelle, die Trainingsspeichereinheit und die Trainingsrecheneinheit ausgebildet sind, die entsprechenden Verfahrensschritte auszuführen. Insbesondere kann die Trainingsschnittstelle zum Ausführen der Schritte t.a) und/oder t.f) ausgebildet sein.
-
Ferner können die Trainingsrecheneinheit und/oder die Trainingsspeichereinheit zum Ausführen der Schritte t.b) bis t.e) ausgebildet sein.
-
Die Vorteile der vorgeschlagenen Trainingseinheit entsprechen im Wesentlichen den Vorteilen der vorgeschlagenen computerimplementierten Verfahren zum Bereitstellen einer trainierten Funktion. Hierbei erwähnte Merkmale, Vorteile oder alternative Ausführungsformen können ebenso auch auf die anderen beanspruchten Gegenstände übertragen werden und umgekehrt.
-
Die Erfindung betrifft in einem vierten Aspekt ein medizinisches Bildgebungsgerät aufweisend eine vorgeschlagene Bereitstellungseinheit. Dabei ist das medizinische Bildgebungsgerät, insbesondere die Bereitstellungseinheit, zur Ausführung des vorgeschlagenen Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten ausgebildet. Ferner ist das medizinische Bildgebungsgerät zur Aufnahme und/oder zum Empfangen und/oder zum Bereitstellen der medizinischen Bilddaten ausgebildet.
-
Das medizinische Bildgebungsgerät kann beispielsweise als medizinisches Röntgengerät, insbesondere medizinisches C-Bogen-Röntgengerät, und/oder Computertomographieanlage (CT) und/oder Magnetresonanzanlage (MRT) und/oder Positronenemissionstomographieanlage (PET) und/oder Ultraschallgerät ausgebildet sein. Vorteilhafterweise kann das medizinische Bildgebungsgerät eine Bereitstellungseinheit aufweisen, welche zum Ausführen der Schritte eines vorgeschlagenen Verfahrens ausgebildet ist.
-
Die Vorteile des vorgeschlagenen medizinischen Bildgebungsgeräts entsprechen im Wesentlichen den Vorteilen des vorgeschlagenen Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten. Hierbei erwähnte Merkmale, Vorteile oder alternative Ausführungsformen können ebenso auch auf die anderen beanspruchten Gegenstände übertragen werden und umgekehrt.
-
Die Erfindung betrifft in einem fünften Aspekt ein Computerprogrammprodukt mit einem Computerprogramm, welches direkt in einen Speicher einer Bereitstellungseinheit ladbar ist, mit Programmabschnitten, um alle Schritte des computerimplementierten Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten auszuführen, wenn die Programmabschnitte von der Bereitstellungseinheit ausgeführt werden; und/oder welches direkt in einen Trainingsspeicher einer Trainingseinheit ladbar ist, mit Programmabschnitten, um alle Schritte eines vorgeschlagenen Verfahrens zum Bereitstellen einer trainierten Funktion und/oder eines seiner Aspekte auszuführen, wenn die Programmabschnitte von der Trainingseinheit ausgeführt werden.
-
Die Erfindung kann ferner ein computerlesbares Speichermedium betreffen, auf welchem von einer Bereitstellungseinheit lesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte des computerimplementierten Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten auszuführen, wenn die Programmabschnitte von der Bereitstellungseinheit ausgeführt werden; und/oder auf welchem von einer Trainingseinheit lesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte des Verfahrens zum Bereitstellen einer trainierten Funktion und/oder die jeweiligen Aspekte auszuführen, wenn die Programmabschnitte von der Trainingseinheit ausgeführt werden.
-
Die Erfindung kann ferner ein Computerprogramm oder computerlesbares Speichermedium betreffen, umfassend eine trainierte Funktion bereitgestellt durch ein vorgeschlagenes computerimplementiertes Verfahren oder eines seiner Aspekte.
-
Eine weitgehend softwaremäßige Realisierung hat den Vorteil, dass auch schon bisher verwendete Bereitstellungseinheiten und/oder Trainingseinheiten 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.
-
Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und werden im Folgenden näher beschrieben. In unterschiedlichen Figuren werden für gleiche Merkmale die gleichen Bezugszeichen verwendet. Es zeigen
- 1 und 2 schematische Darstellungen verschiedener vorteilhafter Ausführungsformen eines vorgeschlagenen computerimplementierten Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten,
- 3 eine schematische Darstellung eines vorgeschlagenen Verfahrens zum Bereitstellen einer trainierten Funktion,
- 4 eine schematische Darstellung einer vorgeschlagenen Bereitstellungseinheit,
- 5 eine schematische Darstellung einer vorgeschlagenen Trainingseinheit,
- 6 eine schematische Darstellung eines medizinischen C-Bogen-Röntgengeräts beispielhaft für ein vorgeschlagenes medizinisches Bildgebungsgerät.
-
In 1 ist eine vorteilhafte Ausführungsform eines vorgeschlagenen computerimplementierten Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten PROV-CBD. In einem ersten Schritt a) können medizinische Bilddaten BD eines Untersuchungsobjekts empfangen werden REC-BD. Ferner kann in einem zweiten Schritt b) ein erster Zwischendatensatz TD1 durch Anwenden einer ersten Korrektur CORR1 auf die Bilddaten BD erzeugt werden. In einem dritten Schritt c) kann wenigstens ein weiterer Zwischendatensatz TD2 durch Anwenden einer weiteren Korrektur CORR2 auf die Bilddaten BD erzeugt werden. Dabei kann die weitere Korrektur CORR2 der ersten Korrektur CORR1 mit wenigstens einem Störterm entsprechen, wobei der wenigstens eine Störterm auf wenigstens einen Parameter der ersten Korrektur CORR1 angewendet wird. Dabei kann der Störterm beispielsweise eine stochastische Störung beschreiben. In einem vierten Schritt d) kann eine trainierte Funktion TF auf Eingabedaten angewendet werden, wobei die Eingabedaten auf dem ersten Zwischendatensatz TD1 und dem wenigstens einen weiteren Zwischendatensatz TD2 basieren. Des Weiteren kann zumindest ein Parameter der trainierten Funktion TF auf einer Bildqualitätsmetrik basieren. Dabei kann die Bildqualitätsmetrik auf einer Entropie und/oder Varianz von Bildwerten der Eingabedaten basieren. Ferner kann die erste Korrektur CORR1 auf einer Optimierung der Bildqualitätsmetrik oder einer weiteren, insbesondere verschiedenen, Bildqualitätsmetrik basieren. Zudem kann durch das Anwenden der trainierten Funktion TF bestimmt werden E, ob der erste Zwischendatensatz TD1 eine höhere Bildqualität gegenüber dem wenigstens einen weiteren Zwischendatensatz TD2 aufweist. Bejahendenfalls Y kann der erste Zwischendatensatz TD1 als die korrigierten medizinischen Bilddaten CBD bereitgestellt werden PROV-CBD. Verneinendenfalls N können der wenigstens eine weitere Zwischendatensatz TD2 als die Bilddaten BD in Schritt b) bereitgestellt und die Schritte b) bis d) wiederholt ausgeführt werden.
-
Ferner können im Schritt c) mehrere weitere Zwischendatensätze TD2 durch das Anwenden der weiteren Korrektur CORR2 auf die Bilddaten BD erzeugt werden, wobei mehrere Störterme auf den wenigstens einen Parameter der ersten Korrektur CORR1 angewendet werden können.
-
Vorteilhafterweise kann die erste Korrektur CORR1 eine Bewegungskorrektur umfassen, welche ferner auf einem Bewegungsmodell basieren kann. Dabei kann das Bewegungsmodell an eine Bewegung zumindest eines Teils des Untersuchungsobjekts, welche in den Bilddaten BD abgebildet ist, angepasst werden. Insbesondere kann die Bewegungskorrektur eine Transformation der Bilddaten BD entlang wenigstens eines räumlichen Bewegungsfreiheitsgrads umfassen. Dabei kann jeweils ein Störterm zu den Bewegungsfreiheitsgraden der Transformation auf den wenigstens einen Parameter der Bewegungskorrektur angewendet werden. Zudem kann im Schritt c) jeweils ein weiterer Zwischendatensatz TD2 zu jedem Störterm erzeugt werden. Alternativ oder zusätzlich kann die erste Korrektur CORR1 eine Metallartefaktkorrektur umfassen.
-
2 zeigt eine schematische Darstellung einer weiteren vorteilhaften Ausführungsform eines vorgeschlagenen Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten PROV-CBD. Dabei können die Bilddaten BD jeweils eine Projektionsabbildung PD des Untersuchungsobjekts entlang zumindest teilweise verschiedener Projektionsrichtungen aufweisen. Ferner kann das Erzeugen des ersten Zwischendatensatzes TD1 im Schritt b) eine Rekonstruktion RECO aus den Bilddaten BD, insbesondere der Projektionsabbildungen PD, umfassen. Analog dazu, kann das Erzeugen des wenigstens einen weiteren Zwischendatensatzes TD2 eine Rekonstruktion RECO aus den Bilddaten BD, insbesondere der Projektionsabbildungen PD, umfassen. Im Schritt d) kann verneinendenfalls N der wenigstens eine weitere Zwischendatensatz TD2 nach Anwenden einer Rücktransformation INV als die Bilddaten BD, insbesondere die Projektionsabbildungen PD, im Schritt b) bereitgestellt werden.
-
In 3 ist ein vorgeschlagenes Verfahren zum Bereitstellen einer trainierten Funktion PROV-TF schematisch dargestellt. Dabei kann in einem ersten Schritt t.a) ein erster Trainingsdatensatz TTD1 empfangen werden REC-TTD1. In einem zweiten Schritt t.b) kann wenigstens ein weiterer Trainingsdatensatz TTD2 empfangen werden REC-TTD2. In einem dritten Schritt t.c) kann jeweils ein Bildqualitätsparameter TTD1.IQP und TTD2.IQP durch Anwenden einer Bildqualitätsmetrik auf den ersten TTD1 und den wenigstens einen weiteren Trainingsdatensatz TTD2 bestimmt werden DET-IQP. Dabei kann durch einen Vergleich COMP-IQP der Bildqualitätsparameter TTD1.IQP und TTD2.IQP der erste TTD1 oder der wenigstens eine weitere Trainingsdatensatz TTD2 als Vergleichsdatensatz TD-V bestimmt werden, welcher eine höchste Bildqualität aufweist. In einem vierten Schritt t.d) kann die trainierte Funktion TF auf Eingabedaten angewendet werden, wobei die Eingabedaten auf dem ersten TTD1 und dem wenigstens einen weiteren Trainingsdatensatz TTD2 basieren. Dabei kann durch das Anwenden der trainierten Funktion TF bestimmt werden E, ob der erste Trainingsdatensatz TTD1 eine höhere Bildqualität gegenüber dem wenigstens einen weiteren Trainingsdatensatz TTD2 aufweist. Die Ausgabedaten der trainierten Funktion TF können einen Schaltparameter umfassen, welcher angibt, ob der erste Trainingsdatensatz TTD1 eine höhere Bildqualität gegenüber dem wenigstens einen weiteren Trainingsdatensatz TTD2 aufweist. Vorteilhafterweise kann in Abhängigkeit des Schaltparameters der Trainingsdatensatz TTD1 oder TTD2, welcher die vergleichsweise höhere Bildqualität aufweist, als Ergebnisdatensatz TD-T der trainierten Funktion TF bereitgestellt werden. In einem fünften Schritt t.e) kann zumindest ein Parameter der trainierten Funktion TF basierend auf einem Vergleich des im Schritt t.c) bestimmten Vergleichsdatensatzes TD-V mit dem Ergebnis, insbesondere dem Ergebnisdatensatz TD-T, aus Schritt t.d). In einem sechsten Schritt t.f) kann die trainierte Funktion TF bereitgestellt werden PROV-TF.
-
In 4 ist eine vorgeschlagene Bereitstellungseinheit PRVS schematisch dargestellt. Dabei kann die Bereitstellungseinheit PRVS eine Schnittstelle IF, eine Recheneinheit CU und eine Speichereinheit MU umfassen. Die Bereitstellungseinheit PRVS kann dazu ausgebildet sein, ein Verfahren zum Bereitstellen von korrigierten Bilddaten PROV-CBD und seine Aspekte auszuführen, indem die Schnittstelle IF, die Recheneinheit CU und die Speichereinheit CU ausgebildet sind, die entsprechenden Verfahrensschritte auszuführen. Insbesondere kann die Schnittstelle IF zum Ausführen der Schritte a) und/oder d) ausgebildet sein. Ferner können die Recheneinheit CU und/oder die Speichereinheit MU zum Ausführen der Schritte b) und/oder c) ausgebildet sein.
-
5 zeigt eine schematische Darstellung einer vorgeschlagenen Trainingseinheit TRS. Die Trainingseinheit TRS kann vorteilhafterweise eine Trainingsschnittstelle TIF, eine Trainingsspeichereinheit TMU und eine Trainingsrecheneinheit TCU umfassen. Die Trainingseinheit TRS kann dazu ausgebildet sein, ein Verfahren zum Bereitstellen einer trainierten Funktion PROV-TF und seine Aspekte auszuführen, indem die Trainingsschnittstelle TIF, die Trainingsspeichereinheit TMU und die Trainingsrecheneinheit TCU ausgebildet sind, die entsprechenden Verfahrensschritte auszuführen. Insbesondere kann die Trainingsschnittstelle TIF zum Ausführen der Schritte t.a), t.b) und/oder t.f) ausgebildet sein. Ferner können die Trainingsrecheneinheit TCU und/oder die Trainingsspeichereinheit TMU zum Ausführen der Schritte t.c) bis t.e) ausgebildet sein.
-
Bei der Bereitstellungseinheit PRVS und/oder bei der Trainingseinheit TRS kann es sich insbesondere um einen Computer, einen Mikrocontroller oder um einen integrierten Schaltkreis handeln. Alternativ kann es sich bei der Bereitstellungseinheit PRVS und/oder bei der Trainingseinheit TRS um einen realen oder virtuellen Verbund von Computern handeln (ein englischer Fachbegriff für einen realen Verbund ist „Cluster“, ein englischer Fachbegriff für einen virtuellen Verbund ist „Cloud“). Die Bereitstellungseinheit PRVS und/oder die Trainingseinheit TRS kann auch als virtuelles System ausgebildet sein, das auf einem realen Computer oder einem realen oder virtuellen Verbund von Computern ausgeführt wird (engl. virtualization) .
-
Bei einer Schnittstelle IF und/oder einer Trainingsschnittstelle TIF kann es sich um eine Hardware- oder Softwareschnittstelle handeln (beispielsweise PCI-Bus, USB oder Firewire). Eine Recheneinheit CU und/oder eine Trainingsrecheneinheit TCU kann Hardware-Elemente oder Software-Elemente aufweisen, beispielsweise einen Mikroprozessor oder ein sogenanntes FPGA (englisches Akronym für „Field Programmable Gate Array“). Eine Speichereinheit MU und/oder eine Trainingsspeichereinheit TMU kann als nicht dauerhafte Arbeitsspeicher (Random Access Memory, kurz RAM) oder als dauerhafter Massenspeicher (Festplatte, USB-Stick, SD-Karte, Solid State Disk) realisiert sein.
-
Die Schnittstelle IF und/oder die Trainingsschnittstelle TIF können insbesondere mehrere Unterschnittstellen umfassen, die unterschiedliche Schritte der jeweiligen Verfahren ausführen. Mit anderen Worten kann die Schnittstelle IF und/oder die Trainingsschnittstelle TIF auch als Vielzahl von Schnittstellen IF bzw. Vielzahl von Trainingsschnittstellen TIF aufgefasst werden. Die Recheneinheit CU und/oder die Trainingsrecheneinheit TCU können insbesondere mehrere Unterrecheneinheiten umfassen, die unterschiedliche Schritte der jeweiligen Verfahren ausführen. Mit anderen Worten kann die Recheneinheit CU und/oder die Trainingsrecheneinheit TCU auch als Vielzahl von Recheneinheiten CU bzw. Vielzahl von Trainingsrecheneinheiten TCU aufgefasst werden.
-
In 6 ist, beispielhaft für ein vorgeschlagenes medizinisches Bildgebungsgerät, ein medizinisches C-Bogen-Röntgengerät 37 schematisch dargestellt. Dabei kann das medizinische C-Bogen-Röntgengerät 37 vorteilhafterweise eine Bereitstellungeinheit PRVS umfassen. Ferner kann das medizinische C-Bogen-Röntgengerät 37, insbesondere die Bereitstellungseinheit PRVS, zur Ausführung eines vorgeschlagenen Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten PROV-CBD ausgebildet sein.
-
Hierbei umfasst das medizinische C-Bogen-Röntgengerät 37 vorteilhafterweise einen Detektor 34, insbesondere einen Röntgendetektor, und eine Röntgenquelle 33. Zur Aufnahme der zeitaufgelösten medizinischen Bilddaten BD, insbesondere der Projektionsabbildungen PD, kann ein Arm 38 des C-Bogen-Röntgengerätes 37 beweglich um ein oder mehrere Achsen herum gelagert sein. Ferner kann das medizinische C-Bogen-Röntgengerät 37 eine Bewegungsvorrichtung 39 umfassen, welche eine Bewegung des C-Bogen-Röntgengerätes 37 im Raum ermöglicht.
-
Zur Aufnahme der medizinischen Bilddaten BD, insbesondere der Projektionsabbildungen PD, eines, auf einer Patientenlagerungseinrichtung 32 angeordneten, Untersuchungsobjekt 31, kann die Bereitstellungseinheit PRVS ein Signal 24 an die Röntgenquelle 33 senden. Daraufhin kann die Röntgenquelle 33 ein Röntgenstrahlenbündel aussenden. Beim Auftreffen des Röntgenstrahlenbündels, nach einer Wechselwirkung mit dem Untersuchungsobjekt 31, auf einer Oberfläche des Detektors 34, kann der Detektor 34 ein Signal 21 an die Bereitstellungseinheit PRVS senden. Die Bereitstellungseinheit PRVS kann beispielsweise anhand des Signals 21 die medizinischen Bilddaten BD, insbesondere die Projektionsabbildungen PD, empfangen.
-
Des Weiteren kann das medizinische C-Bogen-Röntgengerät 37 eine Eingabeeinheit 42, beispielsweise eine Tastatur, und/ oder eine Darstellungseinheit 41, beispielsweise einen Monitor und/oder Display, umfassen. Die Eingabeeinheit 42 kann vorzugsweise in die Darstellungseinheit 41 integriert sein, beispielsweise bei einem kapazitiven und/oder resistiven Eingabedisplay. Dabei kann durch eine Eingabe des Nutzers an der Eingabeeinheit 42 eine Steuerung des medizinischen C-Bogen-Röntgengeräts 37, insbesondere des vorgeschlagenen Verfahrens zum Bereitstellen von korrigierten medizinischen Bilddaten PROV-CBD, ermöglicht werden. Hierfür kann die Eingabeeinheit 42 beispielsweise ein Signal 26 an die Bereitstellungseinheit PRVS senden.
-
Ferner kann die Darstellungseinheit 41 dazu ausgebildet sein, Informationen und/oder graphische Darstellungen von Informationen des medizinischen C-Bogen-Röntgengeräts 37 und/oder der Bereitstellungseinheit PRVS und/oder weiterer Komponenten anzuzeigen. Hierfür kann die Bereitstellungseinheit PRVS beispielsweise ein Signal 25 an die Darstellungseinheit 41 senden. Insbesondere kann die Darstellungseinheit 41 zur Anzeige einer graphischen Darstellung der medizinischen Bilddaten BD und/oder der korrigierten medizinischen Bilddaten CBD ausgebildet sein.
-
Die in den beschriebenen Figuren enthaltenen schematischen Darstellungen bilden keinerlei Maßstab oder Größenverhältnis ab.
-
Es wird abschließend noch einmal darauf hingewiesen, dass es sich bei den vorhergehend detailliert beschriebenen Verfahren sowie bei den dargestellten Vorrichtungen lediglich um Ausführungsbeispiele handelt, welche vom Fachmann in verschiedenster Weise modifiziert werden können, ohne den Bereich der Erfindung zu verlassen. Weiterhin schließt die Verwendung der unbestimmten Artikel „ein“ bzw. „eine“ nicht aus, dass die betreffenden Merkmale auch mehrfach vorhanden sein können. Ebenso schließen die Begriffe „Einheit“ und „Element“ nicht aus, dass die betreffenden Komponenten aus mehreren zusammenwirkenden Teil-Komponenten bestehen, die gegebenenfalls auch räumlich verteilt sein können.
