DE102020216040A1 - Verfahren zur Ermittlung einer Anpassung einer Bildgebungsuntersuchung - Google Patents

Verfahren zur Ermittlung einer Anpassung einer Bildgebungsuntersuchung Download PDF

Info

Publication number
DE102020216040A1
DE102020216040A1 DE102020216040.6A DE102020216040A DE102020216040A1 DE 102020216040 A1 DE102020216040 A1 DE 102020216040A1 DE 102020216040 A DE102020216040 A DE 102020216040A DE 102020216040 A1 DE102020216040 A1 DE 102020216040A1
Authority
DE
Germany
Prior art keywords
imaging
parameter
user
information
examination
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102020216040.6A
Other languages
English (en)
Inventor
Elisa Marchetta
Jens Thöne
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Healthineers Ag De
Original Assignee
Siemens Healthcare GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Healthcare GmbH filed Critical Siemens Healthcare GmbH
Priority to DE102020216040.6A priority Critical patent/DE102020216040A1/de
Priority to CN202111533219.4A priority patent/CN114631799A/zh
Priority to US17/553,395 priority patent/US20220183637A1/en
Publication of DE102020216040A1 publication Critical patent/DE102020216040A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • A61B5/749—Voice-controlled interfaces
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/543—Control of the operation of the MR system, e.g. setting of acquisition parameters prior to or during MR data acquisition, dynamic shimming, use of one or more scout images for scan plane prescription
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/14—Speech classification or search using statistical models, e.g. Hidden Markov Models [HMMs]
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/16—Speech classification or search using artificial neural networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Public Health (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Pathology (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Acoustics & Sound (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Computer Vision & Pattern Recognition (AREA)

Abstract

Die Erfindung betrifft ein computer-implementiertes Verfahren zur Ermittlung einer Anpassung eines Parameters einer durchzuführenden Bildgebungsuntersuchung mit einer medizinischen Bildgebungsvorrichtung in Abhängigkeit eines Informationseingangs für die Bildgebungsuntersuchung, aufweisend die Schritte: Erfassen (S2) des Informationseingangs für die Bildgebungsuntersuchung, Ermitteln (S3) einer Information über eine Anpassung der Bildgebungsuntersuchung in Abhängigkeit des Informationseingangs, Zuordnen (S4) der Information über die Anpassung der Bildgebungsuntersuchung zu einem Parameter der Bildgebungsuntersuchung, Ermitteln einer Anpassung (S5) des Parameters der Bildgebungsuntersuchung in Abhängigkeit des Informationseingangs und Bereitstellen (S7) eines Parametersatzes der Bildgebungsuntersuchung. Die Erfindung betrifft ferner eine Bildgebungsvorrichtung, umfassend eine Recheneinheit (28) und ein Computerprogrammprodukt, welche dazu ausgebildet sind, ein erfindungsgemäßes Verfahren auszuführen.

Description

  • Die Erfindung betrifft ein computer-implementiertes Verfahren zur Ermittlung einer Anpassung eines Parameters einer durchzuführenden Bildgebungsuntersuchung mit einer medizinischen Bildgebungsvorrichtung in Abhängigkeit eines Informationseingangs für die Bildgebungsuntersuchung. Ferner betrifft die Erfindung eine Bildgebungsvorrichtung, umfassend eine Recheneinheit und ein Computerprogrammprodukt, welche dazu ausgebildet sind, ein erfindungsgemäßes Verfahren auszuführen.
  • Bei einer diagnostischen Bildgebung zum Erfassen von Bildern eines Patienten mittels einer Bildgebungsvorrichtung werden typischerweise Bildgebungssequenzen verwendet. Diese Bildgebungssequenzen können eine Mehrzahl von Bildgebungsparametern umfassen, welche beispielsweise einen Ablauf einer Bildgebungsuntersuchung oder eine Qualität der Bilder festlegen.
  • Bildgebungssequenzen werden üblicherweise unabhängig von der Bildgebungsuntersuchung erstellt bzw. parametriert. Die Qualität der Bilder kann dabei maßgeblich von spezifischen Voraussetzungen des Patienten abhängen, welche sich bei der Erstellung der Bildgebungssequenzen nur bedingt berücksichtigen lassen. Ein Nutzer der Bildgebungsvorrichtung ist daher häufig darauf angewiesen, die Bildgebungsparameter während der Bildgebungsuntersuchung mittels eines entsprechenden Editors manuell an Voraussetzungen des Patienten anzupassen. Häufige Änderungen, welche z. B. eine bestimmte Vorliebe des Nutzers bezüglich der Bildgebung widerspiegeln oder eine spezifische Körperregion des Patienten berücksichtigen, werden gegenwärtig von dem Nutzer notiert und nachträglich manuell auf gespeicherte Bildgebungssequenzen (z. B. Standardsequenzen) übertragen. Eine Übermittlung von geänderten Bildgebungsparametern an die Bildgebungsvorrichtung während einer Bildgebungsuntersuchung erfordert typischerweise eine manuelle Koordinierung durch den Nutzer, da Änderungen der Bildgebungsparameter in dem Editor nicht unmittelbar an die Bildgebungsvorrichtung übertragen werden. Diese Einschränkungen gelten gleichermaßen für eine Anpassung eines Ablaufs (workflow) der Bildgebungsuntersuchung durch den Nutzer. Für die Anpassung der Bildgebungsuntersuchung ist üblicherweise ein medizinisch und technisch geschulter Nutzer erforderlich, welcher nicht immer zur Verfügung steht.
  • Es ist eine Aufgabe der Erfindung eine vereinfachte Ermittlung einer Anpassung eines Parameters einer Bildgebungsuntersuchung zu ermöglichen.
  • Diese Aufgabe wird durch die Gegenstände der unabhängigen Patentansprüche erfindungsgemäß gelöst. Vorteilhafte Ausführungsformen und zweckmäßige Weiterbildungen sind Gegenstand der Unteransprüche.
  • Das erfindungsgemäße, computer-implementierte Verfahren zur Ermittlung einer Anpassung eines Parameters einer durchzuführenden Bildgebungsuntersuchung mit einer medizinischen Bildgebungsvorrichtung in Abhängigkeit eines Informationseingangs für die Bildgebungsuntersuchung, weist die folgenden Schritte auf:
    • • Erfassen des Informationseingangs für die Bildgebungsuntersuchung,
    • • Ermitteln einer Information über eine Anpassung der Bildgebungsuntersuchung in Abhängigkeit des Informationseingangs,
    • • Zuordnen der Information über die Anpassung der Bildgebungsuntersuchung zu einem Parameter der Bildgebungsuntersuchung,
    • • Ermitteln einer Anpassung des Parameters der Bildgebungsuntersuchung in Abhängigkeit des Informationseingangs und
    • • Bereitstellen eines Parametersatzes der Bildgebungsuntersuchung, wobei der bereitgestellte Parametersatz einen gemäß der ermittelten Anpassung geänderten Parameter aufweist und wobei der Parametersatz auf einer Speichereinheit gespeichert wird, welche mit einer Bildgebungsvorrichtung verbunden ist
  • Eine Bildgebungsuntersuchung kann eine bildgebende Untersuchung eines Patienten zur Erfassung von Bildern einer diagnostisch relevanten Körperregion darstellen. Das Verfahren bezieht sich insbesondere auf eine durchzuführende Bildgebungsuntersuchung. Dies kann bedeuten, dass sich die Bildgebungsuntersuchung bereits in Planung und/oder in Vorbereitung befindet. Es ist ebenso vorstellbar, dass die Bildgebungsuntersuchung in einem absehbaren Zeitraum, z. B. maximal einem Tag, maximal einer Stunde, maximal einer halben Stunde oder wenigen Minuten, durchgeführt werden soll. Es ist weiterhin vorstellbar, dass die Bildgebungsuntersuchung zu einem Zeitpunkt einer Durchführung des erfindungsgemäßen Verfahrens bereits begonnen hat.
  • Die Bildgebungsuntersuchung kann insbesondere einen oder mehrere Bildgebungsparameter und/oder eine oder mehrere Bildgebungssequenzen umfassen, welche auf die Erfassung von Bildern der diagnostisch relevanten Körperregion ausgerichtet sind. Die Bildgebungsuntersuchung wird vorzugsweise mittels einer medizinischen Bildgebungsvorrichtung durchgeführt. Eine medizinische Bildgebungsvorrichtung kann ein beliebiges medizinisches Gerät darstellen, welches zur Erfassung von zweidimensionalen oder dreidimensionalen Bilddaten des Patienten ausgebildet ist. Beispiele für solche Bildgebungsvorrichtungen sind Magnetresonanztomographen, Computertomographen, Röntgengeräte, Mammographiegeräte, Positronen-Emissions-Tomographen, Einzelphotonen-Emissions-Computertomographen, Ultraschallgeräte und dergleichen. Ein mittels der Bildgebungsvorrichtung erfasstes Bild kann eine zweidimensionale oder eine dreidimensionale Darstellung einer Körperregion des Patienten umfassen. In einer bevorzugten Ausführungsform ist die Bildgebungsvorrichtung eine Magnetresonanzvorrichtung und die Bildgebungsuntersuchung eine Magnetresonanzuntersuchung. Die Bildgebungsvorrichtung weist insbesondere eine Recheneinheit auf, welche dazu ausgebildet ist, das erfindungsgemäße Verfahren zu koordinieren und mittels der Bildgebungsvorrichtung auszuführen. Es ist ebenso vorstellbar, dass das erfindungsgemäße Verfahren mittels einer Steuereinheit der Bildgebungsvorrichtung ausgeführt wird.
  • Ein Parameter einer durchzuführenden Bildgebungsuntersuchung kann einen Bildgebungsparameter, wie z. B. eine Bildauflösung, einen Kontrast, ein Signal-zu-Rausch Verhältnis, eine spezifische Absorptionsrate, eine Echozeit, eine Repetitionszeit oder dergleichen, darstellen. Es ist ebenso vorstellbar, dass der Parameter eine Gruppe von Bildgebungsparametern, eine Bildgebungssequenz und/oder eine Abfolge von Bildgebungssequenzen umfasst. Weiterhin kann ein Parameter eine beliebige Einstellung der Bildgebungsuntersuchung und/oder eines Ablaufs der Bildgebungsuntersuchung umfassen.
  • Ein Informationseingang für die Bildgebungsuntersuchung umfasst vorzugsweise ein Signal, welches eine Information bezüglich der Bildgebungsuntersuchung und/oder des Ablaufs der Bildgebungsuntersuchung aufweist und/oder transportiert. Insbesondere kann der Informationseingang einen Bildgebungsparameter der Bildgebungsuntersuchung, eine Bildgebungssequenz, eine Abfolge von Bildgebungssequenzen und/oder eine beliebige Einstellung, welche mit einem Ablauf der Bildgebungsuntersuchung zusammenhängt, betreffen. Der Informationseingang kann als ein analoges oder ein digitales Signal an die Bildgebungsvorrichtung übertragen werden. Es ist aber ebenso vorstellbar, dass der Informationseingang ein akustisches Signal und/oder ein optisches Signal umfasst. Die Bildgebungsvorrichtung weist vorzugsweise eine geeignete Schnittstelle und/oder einen geeigneten Sensor auf, welche dazu ausgelegt sind, den Informationseingang zu erfassen. Ein Erfassen des Informationseingangs kann insbesondere bedeuten, dass ein Signal eines Nutzers der Bildgebungsvorrichtung mittels einer Schnittstelle und/oder eines Sensors empfangen wird. Es ist weiterhin vorstellbar, dass das Erfassen des Informationseingangs eine Konvertierung des empfangenen Signals in maschinenlesbare Daten umfasst. Beispielsweise kann der Informationseingang eine Eingabe des Nutzers auf einer Tastatur, einer Maus, einem Touchpanel oder dergleichen darstellen. Es ist aber ebenso vorstellbar, dass der Informationseingang eine Sprachnachricht und/oder eine Geste des Nutzers darstellt, welche mittels eines Schallwandlers, wie z. B. eines Mikrofons oder eines Schallsensors, und/oder eines optischen Sensors, wie z. B. einer 2D Kamera, einer 3D Kamera oder einer Infrarotkamera, erfasst werden.
  • Das Ermitteln einer Information über eine Anpassung der Bildgebungsuntersuchung in Abhängigkeit des Informationseingangs kann eine Analyse des Informationseingangs hinsichtlich einer durchzuführenden Veränderung eines Parameters der Bildgebungsuntersuchung umfassen. Insbesondere kann dabei ein Überprüfen des Informationseingangs auf eine Korrelation zu einem Bildgebungsparameter, einer Bildgebungssequenz und/oder einer Einstellung des Ablaufs der Bildgebungsuntersuchung durchgeführt werden. Hierbei kann beispielsweise eine Suche und/oder eine Analyse, wie z. B. eine semantische Analyse, mittels eines künstlichen neuronalen Netzes und/oder eines modellbasierten Ansatzes erfolgen. Es ist weiterhin vorstellbar, dass die Information über die Anpassung der Bildgebungsuntersuchung einen Hinweis auf eine Richtung umfasst, in welcher die Anpassung eines Parameters erfolgen soll. Ein solcher Hinweis kann zusammen mit dem Informationseingang erfasst oder bei dem Ermitteln der Information über die Anpassung der Bildgebungsuntersuchung in Abhängigkeit des Informationseingangs abgeleitet werden.
  • Beispielsweise kann der Informationseingang als ein akustisches Signal vorliegen, welches eine Information des Nutzers über eine gewünschte Veränderung einer Bildeigenschaft umfasst. Das akustische Signal kann eine ausgesprochene Bezeichnung eines Bildgebungsparameters und/oder einer Bildeigenschaft umfassen. In diesem Fall kann das Ermitteln der Information über die Anpassung der Bildgebungsuntersuchung eine Sprachverarbeitung umfassen. In einem weiteren Beispiel kann der Informationseingang als ein optisches Signal, wie z. B. eine Geste des Nutzers, vorliegen, welches eine Bildeigenschaft und/oder einen Bildgebungsparameter kodiert. In diesem Fall kann das Ermitteln der Information über die Anpassung der Bildgebungsuntersuchung eine Bildverarbeitung umfassen. Es ist ebenso vorstellbar, dass der Informationseingang ein elektrisches Signal oder eine Sequenz von elektrischen Signalen umfasst, welche eine Information bezüglich einer gewünschten Veränderung der Bildeigenschaft in Form von maschinenlesbaren Daten transportieren. Die maschinenlesbaren Daten können dabei in einem beliebigen Dateiformat vorliegen. Die Bildgebungsvorrichtung kann dazu ausgebildet sein, den Informationseingang zu empfangen und die Information über die Anpassung der Bildgebungsuntersuchung zu extrahieren. In einer bevorzugten Ausführungsform ist der Informationseingang eine Spracheingabe des Nutzers, welche eine Anweisung über eine Veränderung einer Bildeigenschaft umfasst. Zum Empfangen der Spracheingabe des Nutzers und dem Extrahieren der gewünschten Veränderung der Bildeigenschaft können eine Spracheingabeeinheit und/oder eine Sprachverarbeitungseinheit verwendet werden. Gleichermaßen können eine Bildverarbeitungseinheit und/oder eine Recheneinheit verwendet werden, um beispielsweise eine Geste des Nutzers anhand von Bilddaten eines optischen Sensors oder eine Tastatureingabe des Nutzers zu verarbeiten.
  • Das Zuordnen der Information über die Anpassung der Bildgebungsuntersuchung zu einem Parameter der Bildgebungsuntersuchung kann beispielsweise mittels eines Klassifizierens erfolgen. Bei dem Klassifizieren kann die Information über die Veränderung der Bildgebungsuntersuchung einem Parameter der Bildgebungsuntersuchung zugeordnet werden. Vorzugsweise wird ein künstliches neuronales Netz, ein mehrschichtiges neuronales Netz und/oder ein Verfahren des Textminings verwendet, um die Information über die Veränderung der Bildgebungsuntersuchung zu klassifizieren. Das Klassifizieren kann eine Bildung eines Tupels, eines Vektors, einer Matrix und/oder einer Datenstruktur umfassen, welche die Information über die Veränderung der Bildgebungsuntersuchung einem Parameter der Bildgebungsuntersuchung zuordnen. Es ist weiterhin vorstellbar, dass das Zuordnen der Information über die Anpassung der Bildgebungsuntersuchung unter Verwendung eines Modells, wie z. B. eines statistischen Modells und/oder eines logischen Modells, erfolgt.
  • Das Ermitteln der Anpassung des Parameters der Bildgebungsuntersuchung in Abhängigkeit des Informationseingangs kann eine Festlegung einer Änderung eines Werts eines Parameters oder einer Mehrzahl von Parametern umfassen. Die Festlegung der Änderung des Werts eines Parameters erfolgt dabei insbesondere in Abhängigkeit der Information über die Anpassung der Bildgebungsuntersuchung. Es ist vorstellbar, dass ein angepasster Parameter zunächst einen Vorschlag der Anpassung eines Parameters umfasst, welcher die Information über die Anpassung der Bildgebungsuntersuchung berücksichtigt. Der Vorschlag kann beispielsweise an den Nutzer ausgegeben werden, welcher den Vorschlag bestätigt, bevor eine Anpassung eines Parameters der Bildgebungsuntersuchung umgesetzt wird. Es ist aber ebenso vorstellbar, dass die Anpassung des Parameters im Rahmen des erfindungsgemäßen Verfahrens automatisch implementiert wird, um die Bildgebungsuntersuchung mit dem angepassten Parameter durchzuführen.
  • Das Ermitteln der Anpassung des Parameters kann in Abhängigkeit des Hinweises auf die Richtung, in welcher die Anpassung des Parameters erfolgen soll, durchgeführt werden. Vorzugsweise umfasst das Ermitteln der Anpassung des Parameters eine Festlegung eines konkreten Werts, welcher mit dem Hinweis auf die Richtung der Anpassung korrespondiert. Die Ermittlung der Anpassung des Parameters erfolgt zumindest in Abhängigkeit eines Informationseingangs. Es ist aber ebenso vorstellbar, dass die Ermittlung der Anpassung des Parameters in Abhängigkeit einer Mehrzahl von Informationseingängen, wie z. B. der Bildgebungsuntersuchung, einer Patienteninformation, einer zu untersuchenden Körperregion, einer Buchung der Bildgebungsvorrichtung, einer Standardeinstellung der Bildgebungsuntersuchung oder dergleichen, erfolgt. In einem Beispiel kann die Information über die Anpassung der Bildgebungsuntersuchung einen Wunsch des Nutzers bezüglich einer höheren Auflösung und/oder eines vergrößerten Bildgebungsbereichs (field of view) umfassen. Die konkrete Festlegung der betreffenden Bildgebungsparameter erfolgt dabei vorzugsweise unter Berücksichtigung eines Informationseingangs bezüglich einer Größe und/oder eines Gewichts eines Patienten. Dadurch lässt sich eine unzulässige Überschreitung einer spezifischen Absorptionsrate und/oder einer Dauer der Bildgebungsuntersuchung vermeiden. Die Festlegung des konkreten Werts des Parameters kann weiterhin in vorbestimmten Inkrementen und/oder unter Verwendung eines Optimierers, welcher eine Mehrzahl von Informationseingängen berücksichtigt, erfolgen.
  • Ein Bereitstellen eines Parametersatzes kann auch ein Ausgeben und/oder ein Durchführen einer Bildgebungsuntersuchung umfassen. Der Parametersatz der Bildgebungsuntersuchung kann eine Mehrzahl von Bildgebungsparametern, Bildgebungssequenzen und/oder weiteren Parametern umfassen, welche für eine Bildgebungsuntersuchung der diagnostisch relevanten Körperregion des Patienten charakteristisch sind. Es ist vorstellbar, dass ein Parameter gemäß der ermittelten Anpassung geändert und zusammen mit einem Parametersatz auf einer Speichereinheit abgespeichert wird. Der Parametersatz mit dem geänderten Parameter kann dabei insbesondere für eine nachfolgende Bildgebungsuntersuchung verwendet werden. Ferner kann der Parametersatz mit dem geänderten Parameter an eine Anzeigeeinheit und/oder eine weitere Bildgebungsvorrichtung ausgegeben werden. Die weitere Bildgebungsvorrichtung kann sich dabei in einem gleichen Netzwerk und/oder einer gleichen klinischen Einrichtung befinden, in der sich auch die Bildgebungsvorrichtung befindet. Die weitere Bildgebungsvorrichtung kann insbesondere ein gleiches Messprinzip aufweisen. Durch die Bereitstellung des Parametersatzes mit dem geänderten Parameter lässt sich eine veränderte Bildgebungsuntersuchung auf vorteilhafte Weise auch mit einer weiteren Bildgebungsvorrichtung verwenden. Weiterhin kann der Nutzer Änderungen des Parametersatzes bei Ausgabe auf einer Anzeigeeinheit besonders effizient nachvollziehen und eine Rückmeldung dazu abgeben. Der Parametersatz mit dem geänderten Parameter kann dabei insbesondere ein Vorschlag für eine mögliche Anpassung des Parameters an den Nutzer darstellen. Der Nutzer ist somit imstande, den Vorschlag für die durchzuführende Bildgebungsuntersuchung zu übernehmen oder abzulehnen.
  • Durch die Bereitstellung des erfindungsgemäßen Verfahrens lässt sich auf vorteilhafte Weise eine zeiteffiziente Einstellung von Parametern der Bildgebungsuntersuchung erreichen. Ferner kann die Bildgebungsuntersuchung vorteilhaft an spezifische Anforderungen des Nutzers und/oder des Patienten angepasst werden, welche bei einer konventionellen Einstellung von Parametern aufgrund einer Anzahl erforderlicher Schritte oder Handlungen unpraktikabel ist.
  • In einer Ausführungsform des erfindungsgemäßen Verfahrens umfasst der Parameter der Bildgebungsuntersuchung einen Bildgebungsparameter, eine Bildgebungssequenz und/oder einen Parameter eines Ablaufs der Bildgebungsuntersuchung.
  • Ein Bildgebungsparameter kann beispielsweise eine Auflösung, ein Bildgebungsbereich oder eine Bildgebungsdauer umfassen. Beispiele für Parameter einer Magnetresonanzuntersuchung sind eine Echozeit, eine Repetitionszeit, eine k-Raum Abdeckung, eine spezifische Absorptionsrate oder dergleichen. Eine Bildgebungssequenz kann insbesondere eine zeitliche Abfolge von Schritten und/oder Parametern einer Bilddatenerfassung umfassen. Beispielsweise kann eine Bildgebungssequenz eine zeitliche Abfolge von Anregungsintervallen, Messintervallen, Pausen, Atmungsintervallen und/oder Anweisungen für den Patienten aufweisen. Es ist ebenso vorstellbar, dass die Bildgebungssequenz eine Mehrzahl von aufeinanderfolgenden Bildgebungssequenzen umfasst. Ein Parameter eines Ablaufs der Bildgebungsuntersuchung kann eine beliebige Einstellung sein, welche eine Vorbereitung und/oder die Durchführung der Bildgebungsuntersuchung betrifft. Solche Parameter können beispielsweise eine Bewegung eines Patiententischs, eine Relativposition des Patienten zu der Bildgebungsvorrichtung, eine Positionierung einer Lokalspule, eine Erfassung von optischen Bilddaten, insbesondere eine Erfassung optisch-aktiver Marker und/oder magnetresonanzaktiver Marker für eine Einstellung einer Position des Patiententischs und/oder einer Lokalspule, eine Erfassung einer Navigatormessung, wie z. B. eines Projektionsbilds und/oder einer Scout-Messung, umfassen.
  • Durch die Anpassung eines Bildgebungsparameters lassen sich Bildeigenschaften eines erfassten Bilds auf vorteilhafte Weise effizient und einfach an einen Wunsch des Nutzers anpassen. Ferner lassen sich mittels der Information über die Anpassung der Bildgebungsuntersuchung auf vorteilhafte Weise eine Mehrzahl oder eine Gruppe von Parametern anpassen, wodurch eine Effizienz der Bildgebungsuntersuchung und/oder der Vorbereitung der Bildgebungsuntersuchung erhöht wird. Beispielsweise können mittels einer Information über eine Reduktion der Bildgebungsuntersuchung sowohl Bildgebungsparameter als auch Parameter des Ablaufs der Bildgebungsuntersuchung angepasst werden.
  • In einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens umfasst der Informationseingang eine Spracheingabe eines Nutzers, wobei das Erfassen des Informationseingangs ein Verarbeiten der Spracheingabe des Nutzers umfasst und wobei das Ermitteln der Anpassung des Parameters in Abhängigkeit der Spracheingabe des Nutzers erfolgt.
  • Eine Spracheingabe des Nutzers kann mit einer beliebigen Spracheingabeeinheit erfasst werden. Vorzugsweise wird die Spracheingabe des Nutzers mittels der Spracheingabeeinheit in maschinenlesbare Daten transformiert. Anschließend kann die Spracheingabe mittels einer Recheneinheit und/oder einer dedizierten Sprachverarbeitungseinheit verarbeitet werden. Es ist vorstellbar, dass die Verarbeitung der Spracheingabe gemäß eines Pipelinemodells und/oder mittels eines semantischen Netzes, z. B. eines künstlichen neuronalen Netzes, eines mehrschichtigen neuronalen Netzes (deep learning), insbesondere eines MultiNet (multilayered extended semantic networks), erfolgt. Die Sprachverarbeitung kann einen oder mehrere der folgenden Schritte aufweisen:
    • - Spracherkennung,
    • - Tokenisierung,
    • - morphologische Analyse,
    • - syntaktische Analyse,
    • - semantische Analyse und
    • - Dialoganalyse.
  • In einer Ausführungsform erfolgt das Verarbeiten der Spracheingabe des Nutzers mittels eines künstlichen neuronalen Netzes oder eines mehrschichtigen neuronalen Netzes. Es ist aber ebenso vorstellbar, dass einer oder mehrere der aufgeführten Schritte der Sprachverarbeitung mittels Verwendung eines künstlichen neuronalen Netzes oder eines mehrschichtigen neuronalen Netzes erfolgen. Künstliche neuronale Netze und mehrschichtige neuronale Netze können vorteilhaft anhand von großen Datenmengen trainiert werden, um auch linguistisch komplexe und/oder umgangssprachliche Spracheingaben des Nutzers robust und reproduzierbar zu verarbeiten. Insbesondere können künstliche neuronale Netze oder mehrschichtige Netze vorteilhaft dazu trainiert sein, sprachliche Unklarheiten des Nutzers, wie z. B. eine Fehlbenennung eines Bildgebungsparameters oder eine Umschreibung einer Bildeigenschaft, zu identifizieren.
  • Gemäß einer Ausführungsform erfolgt das Verarbeiten der Spracheingabe des Nutzers mittels eines statistischen Modells und/oder eines logischen Modells. Solche Modelle können in ein Verfahren zur Verarbeitung der Spracheingabe gemäß des Pipelinemodells eingebunden sein und/oder einzelne oder alle der oben aufgeführten Schritte durchführen oder unterstützen. Es ist vorstellbar, dass der Nutzer bei Verwendung entsprechender Modelle auf eine vorbestimmte Auswahl von Begriffen und/oder Anweisungen zurückgreift, welche mit der Bildgebungsvorrichtung und/oder der Spracheingabeeinheit abgestimmt ist. Die vorbestimmte Auswahl von Begriffen und/oder Anweisungen kann einen begrenzten Wortschatz umfassen, welcher beispielsweise einen Teil der Parameter der Bildgebungsuntersuchung sowie mögliche Anpassungsoptionen der Parameter abdeckt. Durch die Verwendung von statistischen und/oder logischen Modellen, lässt sich der begrenzte Wortschatz auf vorteilhafte Weise mit geringem Aufwand erfassen und verarbeiten. Vorzugsweise wird anhand der Spracheingabe des Nutzers mittels eines oder mehrerer der oben beschriebenen Verfahren zur Verarbeitung der Spracheingabe eine Information über eine Anpassung der Bildgebungsuntersuchung, insbesondere eines Parameters der Bildgebungsuntersuchung, bestimmt.
  • Durch eine Möglichkeit der Spracheingabe lässt sich eine Aufforderung zu einer Anpassung eines Parameters besonders zeiteffizient an die Bildgebungsvorrichtung übertragen. Bei einer Magnetresonanzuntersuchung oder einer Computertomographieuntersuchung kann sich der Nutzer bei Abgabe der Spracheingabe in einem Untersuchungsraum und nicht an einer Benutzerschnittstelle der Bildgebungsvorrichtung befinden, welche üblicherweise in einem separaten Raum lokalisiert ist. Dadurch kann der Nutzer parallel zu einer Vorbereitung des Patienten auf die Bildgebungsuntersuchung eine Spracheingabe zur Anpassung eines Parameters der Bildgebungsuntersuchung abgeben, wodurch sich eine Effizienz der Vorbereitung der Bildgebungsuntersuchung vorteilhaft erhöhen lässt.
  • Gemäß einer Ausführungsform weist das erfindungsgemäße Verfahren den weiteren Schritt:
    • • Ausgeben eines erfassten Bilds der Bildgebungsuntersuchung an den Nutzer der Bildgebungsvorrichtung
    auf, wobei das Erfassen des Informationseingangs ein Erfassen einer Rückmeldung des Nutzers zu dem erfassten Bild der Bildgebungsuntersuchung umfasst, wobei das Ermitteln der Anpassung des Parameters in Abhängigkeit der Rückmeldung des Nutzers erfolgt.
  • Es ist vorstellbar, dass die Bildgebungsuntersuchung eine Mehrzahl aufeinanderfolgender Bildgebungssequenzen umfasst, bei denen Bilder des Patienten aufgenommen werden. Vorzugsweise wird ein erstes Bild an den Nutzer ausgegeben, um eine Rückmeldung des Nutzers zu dem ersten Bild einzuholen. Das erste Bild kann auf einer beliebigen Anzeigeeinheit, wie z. B. einem Bildschirm einer Benutzerschnittstelle oder einem Display eines Mobilgeräts, an den Nutzer ausgegeben werden. Die Ausgabe kann eine Aufforderung zu einer Abgabe der Rückmeldung umfassen. Beispielsweise kann das erste Bild zusammen mit einer akustischen oder einer textuellen Aufforderung, wie z. B. einer Sprachnachricht, einem multiple-choice Bogen, einem Chatbot oder dergleichen, ausgegeben werden. Der Nutzer kann in Abhängigkeit der Aufforderung eine entsprechende Rückmeldung zu dem ersten Bild geben.
  • In einer Ausführungsform wird die Bildgebungsuntersuchung in Abhängigkeit der Rückmeldung des Nutzers zu dem ersten Bild angepasst. Das Erfassen der Rückmeldung des Nutzers kann dabei einen iterativen Prozess umfassen. Beispielsweise entspricht eine erste Anpassung eines Parameters noch nicht einer Anforderung des Nutzers. Daraufhin kann ein zweites Bild ausgegeben werden, welches mit einem angepassten Parameter aufgenommen wird. Dabei kann eine zweite Rückmeldung des Nutzers eingeholt werden, um eine Anpassung des Parameters weiter zu verbessern. Es ist weiterhin vorstellbar, dass das erste Bild ein Projektionsbild oder ein Scout-Bild umfasst. Das erste Bild kann in diesem Fall dazu verwendet werden, eine Rückmeldung zu einem Bildgebungsbereich der Bildgebungsuntersuchung von dem Nutzer einzuholen. In einer weiteren Ausführungsform umfasst die Bildgebungsuntersuchung eine Mehrzahl von Bildgebungssequenzen. Es ist vorstellbar, dass jeweils zumindest ein erstes Bild einer oder mehrerer der Mehrzahl der Bildgebungssequenzen an den Nutzer ausgegeben wird, um eine Rückmeldung des Nutzers zu der einen oder der mehreren Bildgebungssequenzen zu erhalten.
  • Durch das Erfassen der Rückmeldung des Nutzers zu einem erfassten Bild der Bildgebungsuntersuchung kann gewährleistet werden, dass eine Qualität des Bilds der Bildgebungsuntersuchung einer Anforderung des Nutzers entspricht. Dadurch lassen sich eine zeitaufwändige Wiederholung der Bildgebungsuntersuchung vermeiden und/oder ein Risiko einer Fehldiagnose aufgrund eines Befundes auf Basis eines Bilds mit niedriger Qualität auf vorteilhafte Weise vermeiden.
  • In einer weiteren Ausführungsform des erfindungsgemäßen Verfahrens umfasst das Erfassen des Informationseingangs ein Erfassen einer Rückmeldung des Nutzers zu einem Bildgebungsparameter und/oder einer Bildeigenschaft.
  • Es ist vorstellbar, dass der Nutzer der Bildgebungsvorrichtung Expertenwissen hinsichtlich der Durchführung der Bildgebungsuntersuchung besitzt. In einem solchen Fall kann der Nutzer mittels der Rückmeldung eine konkrete Anweisung bezüglich einer Anpassung eines Parameters in Abhängigkeit des ersten Bilds geben. Die Anweisung kann beispielsweise einen konkreten Vorschlag zu einer Anpassung einer Auflösung, eines Signal-zu-Rausch Verhältnisses, eines Kontrasts, einer Abfolge von Bildgebungssequenzen oder anderer Parameter umfassen. Es ist aber ebenso vorstellbar, dass der Nutzer der Bildgebungsvorrichtung unerfahren in einem Umgang mit der Bildgebungsvorrichtung ist. Die Rückmeldung des Nutzers kann in diesem Fall einen Hinweis zu einer Anpassung einer generellen Bildeigenschaft, statt eines konkreten Bildgebungsparameters, umfassen. Beispielsweise kann die Rückmeldung eine Spracheingabe des Nutzers, wie z. B. „das Bild ist nicht scharf genug“, „das Bild ist verrauscht“, „das Bild ist zu dunkel“ oder „das Bild ist zu hell“, umfassen. Es ist ebenso vorstellbar, dass der Nutzer einen entsprechenden Informationseingang über eine grafische Benutzeroberfläche und/oder einen Chatbot eingibt.
  • Durch die Möglichkeit der Erfassung einer Rückmeldung zu einer Bildeigenschaft lässt sich eine Anpassung der Bildgebungsuntersuchung auch in Abhängigkeit umgangssprachlich formulierter Rückmeldungen von Nutzern mit geringerer Fachkenntnis vornehmen. Ferner lässt sich mittels des erfindungsgemäßen Verfahrens auf vorteilhafte Weise eine besonders zeiteffiziente Anpassung von Bildgebungsparametern ermöglichen, während unerfahrene Nutzer bei der Anpassung von Parametern vorteilhaft unterstützt werden.
  • In einer weiteren Ausführungsform des erfindungsgemäßen Verfahrens umfasst der Informationseingang zumindest
    • • eine Eingabe des Nutzers,
    • • eine Spracheingabe des Nutzers,
    • • eine Rückmeldung des Nutzers zu einem erfassten Bild der Bildgebungsuntersuchung,
    • • eine Patienteninformation,
    • • einen klinischen Fund und/oder
    • • eine Information über eine Bildeigenschaft.
  • Eine Eingabe des Nutzers umfasst vorzugsweise eine Einstellung eines Parameters mittels einer grafischen Benutzeroberfläche einer Benutzerschnittstelle der Bildgebungsvorrichtung. Ferner kann die Eingabe des Nutzers auch eine Gestenanweisung darstellen. Die Spracheingabe und die Rückmeldung des Nutzers können gemäß einer oben beschriebenen Ausführungsform ausgestaltet sein. Eine Patienteninformation kann eine beliebige Information über den Patienten, wie z. B. ein Gewicht, ein Alter, ein Geschlecht, eine Krankenhistorie, eine diagnostisch relevante Körperregion, eine geistige und/oder psychische Verfassung oder dergleichen umfassen. Eine Patienteninformation kann insbesondere eine relevante Randbedingung für das Ermitteln der Anpassung des Parameters darstellen. Beispielsweise kann ein nervöser Zustand und/oder eine Klaustrophobie des Patienten bei einer Einstellung eines Parameters, welcher direkt oder indirekt mit einer Dauer der Bildgebungsuntersuchung korreliert ist, berücksichtigt werden. Es ist ebenso vorstellbar, dass eine diagnostisch relevante Körperregion des Patienten bei der Ermittlung einer Anpassung des Bildgebungsbereichs berücksichtigt wird. Im Fall einer Magnetresonanzuntersuchung kann ein Gewicht des Patienten bei einer Einstellung eines Parameters, welcher direkt oder indirekt mit der spezifischen Absorptionsrate korreliert ist, berücksichtigt werden. Vorzugsweise wird eine Patienteninformation während der Vorbereitung oder zu Beginn der Bildgebungsuntersuchung automatisch aus einem Krankenhausinformationssystem, einem radiologischen Informationssystem, einer Patientenakte und/oder einem internen oder externen Datenspeicher von einer Recheneinheit der Bildgebungsvorrichtung eingelesen. Es ist aber ebenso vorstellbar, dass die Patienteninformation manuell von einem Nutzer der Bildgebungsvorrichtung mittels einer Benutzerschnittstelle der Bildgebungsvorrichtung eingegeben wird.
  • Gleichermaßen kann ein klinischer Fund bei der Ermittlung der Anpassung des Parameters berücksichtigt werden. Ein klinischer Fund kann insbesondere eine Entdeckung einer pathologischen Struktur in Abhängigkeit des ersten Bilds oder eines nachfolgenden Bilds der Bildgebungsuntersuchung umfassen. Beispielsweise kann die Entdeckung eines Tumors, eines Aneurysmas, einer Fraktur eines Knochens, einer Thrombose oder dergleichen einen Informationseingang darstellen, welcher eine automatische Ermittlung einer Anpassung eines Parameters auslöst. Der Informationseingang kann somit auch unabhängig von einer Eingabe eines Nutzers sein. In Ergänzung zu einer oben beschriebenen Ausführungsform kann eine Bildeigenschaft auch ein Vorliegen eines Bildartefakts, z. B. eines „ghosting“ Effekts und/oder eines „smearing“ Effekts, und/oder ein Signal-zu-Rausch-Verhältnis umfassen. Es ist vorstellbar, dass Bildeigenschaften bei der Aufnahme des ersten Bilds oder nachfolgender Bilder automatisch analysiert werden, um eine Information über die Bildeigenschaft abzuleiten. Das Ergebnisse einer solchen Analyse kann einen Informationseingang darstellen, welcher für die Ermittlung der Anpassung des Parameters herangezogen werden kann.
  • Durch die Ermittlung der Anpassung des Parameters in Abhängigkeit einer Patienteninformation, eines klinischen Funds und/oder einer Information über eine Bildeigenschaft, lässt sich eine Qualität aufgenommener Bilder auf vorteilhafte Weise automatisch erhöhen. Ferner kann die Bildgebungsuntersuchung auf vorteilhafte Weise automatisch an individuelle Voraussetzungen des Patienten angepasst werden.
  • In einer Ausführungsform weist das erfindungsgemäße Verfahren den folgenden Schritt auf:
    • • Trainieren eines intelligenten Algorithmus hinsichtlich eines Ermittelns einer Anpassung eines Parameters, wobei der intelligente Algorithmus zumindest in Abhängigkeit des Informationseingangs, der durchzuführenden Bildgebungsuntersuchung sowie der ermittelten Anpassung des Parameters trainiert wird.
  • Ein intelligenter Algorithmus stellt vorzugsweise ein künstliches neuronales Netz, ein mehrschichtiges neuronales Netz, ein Expertensystem und/oder ein Optimierungsverfahren dar. Vorzugsweise umfasst das Trainieren des intelligenten Algorithmus zumindest eine Modifikation einer Entscheidungsstruktur, einer Variable, einer Kostenfunktion, einer Eingangsgröße, einer Ausgangsgröße und/oder einer Konfiguration eines künstlichen oder neuronalen Netzes.
  • In einer bevorzugten Ausführungsform ist der intelligente Algorithmus ein künstliches neuronales Netz oder ein mehrschichtiges neuronales Netz. Der intelligente Algorithmus kann insbesondere auf einer Lern- und/oder Bestimmungseinheit implementiert sein. Es ist vorstellbar, dass der intelligente Algorithmus mittels einer Lerneinheit trainiert wird und mittels einer Bestimmungseinheit ausgeführt wird. Die Lerneinheit und die Bestimmungseinheit können dabei getrennt voneinander vorliegen. Es ist aber ebenso vorstellbar, dass der intelligente Algorithmus auf einer kombinierten Lern- und Bestimmungseinheit implementiert ist, welche sowohl zu einem Trainieren als auch einem Ausführen des intelligenten Algorithmus ausgebildet ist. Beispielsweise umfasst das Trainieren ein überwachtes Lernen (supervised learning). Dabei können Trainingsdaten, wie z. B. der Informationseingang, ein Bildgebungsparameter und/oder eine Bildgebungssequenz einer Bildgebungsuntersuchung, ein Parameter eines Ablaufs der Bildgebungsuntersuchung sowie eine gewünschte Ausgabe, wie z. B. die ermittelte Anpassung des Parameters, an die Lern- und/oder Bestimmungseinheit mit dem künstlichen neuronalen Netz weitergeleitet werden. Durch einen Vergleich einer Soll-Ausgabe und einer Ist-Ausgabe kann in Abhängigkeit von mathematischen Verfahren, wie z. B. einer Delta-Regel, eines Backpropagation Verfahrens oder eines SGD (stochastic gradient descent) Verfahrens, auf eine vorzunehmende Änderung einer Konfiguration des künstlichen neuronalen Netzes geschlossen werden. Änderungen der Konfiguration des künstlichen neuronalen Netzes können dabei insbesondere
    • • ein Entwickeln neuer Verbindungen zwischen Neuronen,
    • • eine Anpassung einer Gewichtung der Neuronen
    • • ein Anpassen eines Schwellenwerts der Neuronen
    • • ein Hinzufügen oder Löschen von Neuronen und/oder Verbindungen zwischen Neuronen sowie
    • • eine Modifikation einer Aktivierungs-, einer Propagierungs- und/oder einer Ausgabefunktion,
    umfassen. Die genannten Begriffe sind dem Fachmann bekannt und sollen hier nicht weiter erläutert werden. Neben der Option des überwachten Lernens sind selbstverständliche weitere Lernverfahren, wie z. B. ein unüberwachtes Lernen (unsupervised learning) oder ein bestärkendes Lernen (reinforced learning), vorstellbar. Vorzugsweise stellt die Soll-Ausgabe bei dem Trainieren des künstlichen oder mehrschichtigen neuronalen Netzes einen Parametersatz mit einer anhand einer konkreten Aufforderung des Nutzers ermittelten Anpassung eines Parameters dar. Es ist weiterhin vorstellbar, dass die Soll-Ausgabe die anhand der Rückmeldung des Nutzers zu dem ersten Bild oder dem nachfolgenden Bild ermittelte Anpassung des Parameters umfasst. Das Lernverfahren kann somit kontinuierlich in Abhängigkeit von Informationseingängen durch den Nutzer sowie ermittelter Anpassungen von Parametern einer Bildgebungsuntersuchung trainiert werden. Wie oben beschrieben, können die Informationseingänge auch Patienteninformationen, klinische Funde und/oder Informationen über Bildeigenschaften aufweisen. Es ist vorstellbar, dass eine Ausgabe des intelligenten Algorithmus nach einer vorbestimmten Anzahl von Trainingszyklen und/oder einer vorbestimmten Genauigkeitsquote als Standard-Sequenz für eine Bildgebungsuntersuchung bereitgestellt wird.
  • Durch das Trainieren eines intelligenten Algorithmus anhand von Informationseingängen eines Nutzers lässt sich eine Bildgebungsuntersuchung auf vorteilhafte Weise an spezifische Anforderungen des Nutzers anpassen. Dadurch kann eine Effizienz von Bildgebungsuntersuchungen, insbesondere bei Kliniken und/oder Praxen, welche auf eine Diagnostik bestimmter Körperregionen spezialisiert sind, vorteilhaft gesteigert werden. Insbesondere kann das erfindungsgemäße Verfahren auf vorteilhafte Weise dazu beitragen, dass unerfahrene Nutzer von Anpassungen lernen oder profitieren, welche von erfahreneren Nutzern erlernt werden.
  • Gemäß einer Ausführungsform des erfindungsgemäßen Verfahrens wird das Trainieren des intelligenten Algorithmus in Abhängigkeit einer Nutzerinformation aktiviert oder deaktiviert.
  • Eine Nutzerinformation kann eine beliebige Information über den Nutzer der Bildgebungsvorrichtung, wie z. B. einen Ausbildungsstatus, ein Erfahrungslevel, eine Fachrichtung, eine Berufsbezeichnung, einen Identifikator des Nutzers oder dergleichen, umfassen. Vorzugsweise wird die Nutzerinformation bei der Bildgebungsuntersuchung abgefragt oder empfangen, sodass die Nutzerinformation zu Beginn der Bildgebungsuntersuchung bekannt ist. Es ist vorstellbar, dass das Trainieren des intelligenten Algorithmus in Abhängigkeit eines Informationseingangs des Nutzers nur bei solchen Nutzern durchgeführt wird, welche ein hohes Erfahrungslevel (z. B. „Experte“), eine zu der Bildgebungsuntersuchung korrespondierende Fachrichtung (z. B. „Radiologe“) und/oder einen ausreichenden Ausbildungsstatus aufweisen. Es ist ferner vorstellbar, dass ein Trainieren des intelligenten Algorithmus in Abhängigkeit der Fachrichtung oder des Identifikators (z. B. ein Name und/oder eine Personalnummer) nur für eine vorbestimmte Auswahl von Bildgebungsuntersuchungen möglich ist. Beispielsweise können Rechte bezüglich des Trainierens mit einem Profil des Nutzers verknüpft sein, sodass die Bildgebungsuntersuchung in Abhängigkeit der Rechte das Trainieren des intelligenten Algorithmus automatisch bei Anmeldung eines Nutzers an der Bildgebungsvorrichtung aktiviert oder deaktiviert.
  • Durch das Aktivieren oder Deaktivieren des Trainierens des intelligenten Algorithmus in Abhängigkeit der Nutzerinformation kann eine an spezifische Nutzer angepasste Durchführung der Ermittlung von Parametern der Bildgebungsuntersuchungen mittels des intelligenten Algorithmus bereitgestellt werden. Somit lässt sich ein Aufwand für eine Anpassung der Bildgebungsuntersuchung an verschiedene Anforderungen von Nutzern auf vorteilhafte Weise reduzieren.
  • In einer weiteren Ausführungsform des erfindungsgemäßen Verfahrens erfolgt das Ermitteln der Anpassung des Parameters in Abhängigkeit des trainierten intelligenten Algorithmus.
  • Es ist vorstellbar, dass der intelligente Algorithmus auf eine häufig verwendete Anpassung eines Parameters durch einen Nutzer trainiert ist. In einem Beispiel kann das Ermitteln der Anpassung des Parameters in Abhängigkeit einer Rückmeldung des Nutzers zu einem Bild mittels des trainierten intelligenten Algorithmus, statt eines iterativen Verfahrens, erfolgen. Dadurch lässt sich ein Zeitaufwand für die Ermittlung der Anpassung des Parameters auf vorteilhafte Weise reduzieren. Es ist ebenso vorstellbar, dass der intelligente Algorithmus auf eine Ermittlung einer Anpassung eines Parameters trainiert ist, welche in Abhängigkeit einer Patienteninformation, eines klinischen Funds und/oder einer Bildeigenschaft erfolgt. Beispielsweise kann der intelligente Algorithmus dazu trainiert sein, eine Ermittlung einer Anpassung eines Parameters durchzuführen, wenn das erste Bild oder das nachfolgende Bild ein niedriges Signal-zu-Rausch Verhältnis, eine geringe Auflösung und/oder ein Bildartefakt aufweist.
  • Durch die automatische Bestimmung der Anpassung eines Parameters in Abhängigkeit solcher Informationseingänge lässt sich ein Arbeitsablauf der Bildgebungsuntersuchung auf vorteilhafte Weise beschleunigen. Ferner können weniger erfahrene Nutzer auf Anpassungen von Parametern, welche von Experten vorgenommen wurden, hingewiesen werden. Dadurch lassen sich die Qualität der Bildgebungsuntersuchung und/oder die Ausbildung von Mitgliedern eines Personals auf vorteilhafte Weise verbessern.
  • In einer Ausführungsform weist das erfindungsgemäße Verfahren den folgenden Schritt auf:
    • • Durchführen der Bildgebungsuntersuchung zu einem Erfassen eines diagnostischen Bilds eines Patienten,
    wobei der Parameter der Bildgebungsuntersuchung gemäß der ermittelten Anpassung geändert wird und wobei das Durchführen der Bildgebungsuntersuchung mit dem geänderten Parameter erfolgt.
  • Ein diagnostisches Bild kann beispielsweise ein Magnetresonanzbild, ein Computertomographiebild, ein Röntgenbild oder dergleichen einer diagnostisch relevanten Körperregion des Patienten darstellen. Vorzugsweise wird die Bildgebungsuntersuchung mit einem angepassten Parametersatz durchgeführt, welcher in Abhängigkeit des Informationseingangs gemäß einer Ausführungsform des erfindungsgemäßen Verfahrens ermittelt wird. Der Parametersatz der Bildgebungsuntersuchung umfasst somit zumindest einen Parameter, welcher in Abhängigkeit eines Informationseingangs geändert wurde. Der Informationseingang kann dabei zu Beginn der Bildgebungsuntersuchung, während der Vorbereitung der Bildgebungsuntersuchung und/oder während der Durchführung der Bildgebungsuntersuchung erfolgen.
  • Durch die Durchführung der Bildgebungsuntersuchung mit dem angepassten Parametersatz lässt sich die Bildgebungsuntersuchung zeiteffizient und unkompliziert an einen Informationseingang anpassen. Dadurch kann bei einer unvorhergesehenen Situation, wie z. B. einer Entdeckung einer pathologischen Struktur und/oder bei einem Vorliegen einer niedrigen Bildqualität, auf vorteilhafte Weise zeitnah eine entsprechende Anpassung von Parametern vorgenommen und ein Risiko einer Wiederholung der Bildgebungsuntersuchung reduziert werden.
  • Die erfindungsgemäße Bildgebungsvorrichtung umfasst eine Recheneinheit, welche ausgebildet ist, ein erfindungsgemäßes Verfahren zu koordinieren und mittels der Bildgebungsvorrichtung auszuführen.
  • Zur Erfassung, Verarbeitung und Speicherung von Daten, wie z. B. Bildgebungsparametern, Parametern des Ablaufs der Bildgebungsuntersuchung, Informationseingängen, Informationen über die Anpassung der Bildgebungsuntersuchung, Bildern, Sprachnachrichten, maschinenlesbarer Daten und/oder Daten in maschinenlesbaren Dateiformaten und dergleichen, kann die Bildgebungsvorrichtung neben der Recheneinheit weitere Komponenten aufweisen. Beispielsweise kann die Bildgebungsvorrichtung eine Steuereinheit, einen Arbeitsspeicher, einen Datenspeicher sowie eine geeignete Schnittstelle zur Eingabe und Ausgabe von Daten umfassen. Die Recheneinheit kann beispielsweise einen Kontroller, einen Mikrokontroller, eine CPU, eine GPU oder dergleichen umfassen. Der Arbeitsspeicher und der Datenspeicher können Speichertechnologien, wie z. B. RAM, ROM, PROM, EPROM, EEPROM, Flash-Speicher, aber auch HDD Speicher, SSD Speicher oder dergleichen, aufweisen. Es ist vorstellbar, dass der Datenspeicher eine interne Datenbank darstellt, welche elektrisch und/oder mechanisch mit der Recheneinheit der Bildgebungsvorrichtung verbunden ist. Es ist aber ebenso vorstellbar, dass der Datenspeicher eine externe Datenbank ist, welche mittels einer Netzwerkverbindung mit der Recheneinheit verbunden ist. Beispiele für externe Speichereinheiten sind Netzwerk-Server mit entsprechenden Datenspeichern sowie eine Speichereinheit einer Cloud. Die Daten können mittels analoger und/oder digitaler Signale sowie geeigneter kabelgebundener und/oder kabelloser Signalverbindungen zwischen den Komponenten der Bildgebungsvorrichtung übertragen werden. Für die Erfassung und Verarbeitung von Sprachnachrichten und/oder eine Interaktion mit einem Nutzer kann die Bildgebungsvorrichtung insbesondere eine Spracheingabeeinheit, eine Sprachverarbeitungseinheit und/oder eine Ausgabeeinheit als weitere Komponenten umfassen.
  • Die Recheneinheit und/oder die Sprachverarbeitungseinheit sind vorzugsweise elektrisch mit einer Steuereinheit der Bildgebungsvorrichtung verbunden und/oder in die Steuereinheit integriert. Die Steuereinheit kann dazu ausgelegt sein, unter Koordination der Recheneinheit ein erfindungsgemäßes Verfahren durchzuführen. Die Steuereinheit kann insbesondere dazu ausgebildet sein, eine Bildgebungsuntersuchung eines Patienten durchzuführen, diagnostische Bilder des Patienten zu erfassen und die Bilder an andere Komponenten, wie z. B. die Recheneinheit, die Speichereinheit und/oder eine Ausgabeeinheit, zu übertragen. Weiterhin kann die Steuereinheit dazu ausgebildet sein, Parameter der Bildgebungsuntersuchung unter Koordination der Recheneinheit und/oder der Sprachverarbeitungseinheit anzupassen.
  • Die Recheneinheit kann dazu ausgelegt sein, eine Information über eine Anpassung der Bildgebungsuntersuchung in Abhängigkeit des Informationseingangs zu ermitteln. Weiterhin kann die Recheneinheit dazu ausgelegt sein, die Information über die Anpassung der Bildgebungsuntersuchung einem Parameter der Bildgebungsuntersuchung zuzuordnen. Vorzugsweise ist die Recheneinheit ebenso dazu ausgelegt, eine Ermittlung einer Anpassung des Parameters der Bildgebungsuntersuchung in Abhängigkeit des Informationseingangs durchzuführen. Die Recheneinheit kann weiterhin dazu ausgebildet sein, eine Rückmeldung eines Nutzers zu einem erfassten Bild der Bildgebungsuntersuchung zu verarbeiten. Eine Spracheingabe des Nutzers wird vorzugsweise mittels einer Spracheingabeeinheit der Bildgebungsvorrichtung erfasst. Im Falle einer Spracheingabe des Nutzers kann das Ermitteln der Information über die Anpassung der Bildgebungsuntersuchung insbesondere mittels der Sprachverarbeitungseinheit erfolgen. Die Sprachverarbeitungseinheit kann dabei eine eigenständige Komponente der Bildgebungsvorrichtung darstellen oder in die Bildgebungsvorrichtung integriert sein.
  • Die Komponenten der erfindungsgemäßen Bildgebungsvorrichtung können vorteilhaft aufeinander abgestimmt sein, sodass eine zeiteffiziente und robuste Durchführung eines erfindungsgemäßen Verfahrens ermöglicht wird. Insbesondere kann die erfindungsgemäße Bildgebungsvorrichtung dazu ausgebildet sein, einen Ablauf einzelner Verfahrensschritte autark zu koordinieren und durchzuführen. Das Ermitteln der Anpassung eines Parameters der Bildgebungsuntersuchung in Abhängigkeit des Informationseingangs kann somit auf vorteilhafte Weise automatisch und/oder ohne eine technische Fachkenntnis des Nutzers durchgeführt werden.
  • Das erfindungsgemäße Computerprogrammprodukt ist direkt in einen Datenspeicher einer Recheneinheit einer erfindungsgemäßen Bildgebungsvorrichtung ladbar, mit Programmcode-Mitteln, um ein erfindungsgemäßes Verfahren auszuführen, wenn das Computerprogrammprodukt in der Recheneinheit der Bildgebungsvorrichtung ausgeführt wird.
  • Durch das erfindungsgemäße Computerprogrammprodukt kann das erfindungsgemäße Verfahren schnell, identisch wiederholbar und robust ausgeführt werden. Das Computerprogrammprodukt ist so konfiguriert, dass es mittels der Recheneinheit die erfindungsgemäßen Verfahrensschritte ausführen kann. Die Recheneinheit muss dabei jeweils die Voraussetzungen, wie beispielsweise einen entsprechenden Arbeitsspeicher, eine entsprechende Grafikkarte oder eine entsprechende Logikeinheit aufweisen, so dass die jeweiligen Verfahrensschritte effizient ausgeführt werden können. Das Computerprogrammprodukt ist beispielsweise auf einem computerlesbaren Medium gespeichert oder auf einem Netzwerk, einem Server oder einer Cloud hinterlegt, von wo es in den Prozessor einer lokalen Recheneinheit geladen werden kann. Die Recheneinheit kann dabei als eine eigenständige Systemkomponente oder als ein Teil der Bildgebungsvorrichtung ausgebildet sein. Weiterhin können Steuerinformationen des Computerprogrammprodukts auf einem elektronisch lesbaren Datenträger gespeichert sein. Die Steuerinformationen des elektronisch lesbaren Datenträgers können derart ausgestaltet sein, dass sie bei Verwendung des Datenträgers in der Recheneinheit der Bildgebungsvorrichtung ein erfindungsgemäßes Verfahren durchführen. Beispiele für elektronisch lesbare Datenträger sind eine DVD, ein Magnetband, ein USB-Stick oder beliebige andere Datenspeicher, auf welchen elektronisch lesbare Steuerinformationen, insbesondere Software, gespeichert ist. Wenn diese Steuerinformationen von dem Datenträger gelesen und an eine Steuereinheit und/oder die Recheneinheit der Bildgebungsvorrichtung übertragen werden, können alle erfindungsgemäßen Ausführungsformen des beschriebenen, erfindungsgemäßen Verfahrens durchgeführt werden.
  • Weitere Vorteile und Einzelheiten der vorliegenden Erfindung ergeben sich aus den im Folgenden beschriebenen Ausführungsbeispielen sowie anhand der Zeichnungen. Dabei zeigen:
    • 1 eine schematische Repräsentation einer Ausführungsform einer erfindungsgemäßen Bildgebungsvorrichtung,
    • 2 ein Ablaufschema einer Ausführungsform eines erfindungsgemäßen Verfahrens,
    • 3 ein Ablaufschema einer Ausführungsform eines erfindungsgemäßen Verfahrens.
  • 1 zeigt eine erfindungsgemäße Bildgebungsvorrichtung, welche im vorliegenden Beispiel als Magnetresonanzvorrichtung 10 ausgebildet ist. Die Magnetresonanzvorrichtung 10 umfasst eine Magneteinheit 11, welche z. B. einen Permanentmagneten, einen Elektromagneten oder einen supraleitenden Hauptmagneten 12 zur Erzeugung eines starken und insbesondere homogenen Hauptmagnetfelds 13 aufweist. Zudem umfasst die Magnetresonanzvorrichtung 10 einen Patientenaufnahmebereich 14 zu einer Aufnahme eines Patienten 15. Der Patientenaufnahmebereich 14 ist im vorliegenden Ausführungsbeispiel zylinderförmig ausgebildet und in einer Umfangsrichtung von der Magneteinheit 11 umgeben. Grundsätzlich sind jedoch auch von diesem Beispiel abweichende Ausgestaltungen des Patientenaufnahmebereichs 14 vorstellbar.
  • Der Patient 15 kann mittels einer Patientenlagerungsvorrichtung 16 der Magnetresonanzvorrichtung 10 in dem Patientenaufnahmebereich 14 positioniert werden. Die Patientenlagerungsvorrichtung 16 weist hierfür einen innerhalb des Patientenaufnahmebereichs 14 bewegbar ausgestalteten Patiententisch 17 auf. Die Magneteinheit 11 weist weiterhin eine Gradientenspule 18 zum Erzeugen von magnetischen Gradientenfeldern auf, welche für eine Ortskodierung während einer Bildgebung verwendet wird. Die Gradientenspule 18 wird mittels einer Gradientensteuereinheit 19 der Magnetresonanzvorrichtung 10 angesteuert. Die Magneteinheit 11 kann weiterhin eine Hochfrequenzantenne umfassen, welche im vorliegenden Ausführungsbeispiel als fest in die Magnetresonanzvorrichtung 10 integrierte Körperspule 20 ausgebildet ist. Die Körperspule 20 ist zu einer Anregung von Kernspins ausgelegt, die sich in dem von dem Hauptmagneten 12 erzeugten Hauptmagnetfeld 13 befinden. Die Körperspule 20 wird von einer Hochfrequenzeinheit 21 der Magnetresonanzvorrichtung 10 angesteuert und strahlt hochfrequente Anregungspulse in eine Bildaufnahmeregion ein, die im Wesentlichen von einem Patientenaufnahmebereich 14 der Magnetresonanzvorrichtung 10 gebildet ist. Die Körperspule 20 kann weiterhin auch zum Empfang von Magnetresonanzsignalen ausgebildet sein.
  • Zu einer Steuerung des Hauptmagneten 12, der Gradientensteuereinheit 19 und zur Steuerung der Hochfrequenzeinheit 21 weist die Magnetresonanzvorrichtung 10 eine Steuereinheit 22 auf. Die Steuereinheit 22 ist dazu ausgebildet eine Durchführung einer Sequenz, wie z. B. einer bildgebenden GRE (gradient echo) Sequenz, einer TSE (turbo spin echo) Sequenz oder einer UTE (ultra-short echo time) Sequenz, zu steuern. Zudem umfasst die Steuereinheit 22 eine Recheneinheit 28 zu einer Auswertung von Magnetresonanzdaten, die während einer Magnetresonanzuntersuchung erfasst werden. Die Recheneinheit 28 der Magnetresonanzvorrichtung 10 kann dazu ausgebildet sein, Rekonstruktionsmethoden einzusetzen, um Magnetresonanzbilder anhand der Magnetresonanzdaten zu rekonstruieren.
  • Die Magnetresonanzvorrichtung 10 kann ferner eine lokale Empfangsantenne 26 aufweisen, welche an einer diagnostisch relevanten Körperregion des Patienten 15 positioniert ist und Magnetresonanzsignale der Körperregion des Patienten 15 erfasst und an die Recheneinheit 28 der Steuereinheit 22 überträgt. Die lokale Empfangsantenne 26 weist vorzugsweise eine elektrische Anschlussleitung 27 auf, welche eine Signalverbindung mit der Hochfrequenzeinheit 21 und der Steuereinheit 22 bereitstellt. Ebenso wie die Körperspule 20 kann auch die lokale Empfangsantenne 26 zu einer Anregung von Kernspins und zum Empfang von Magnetresonanzsignalen ausgebildet sein. Die lokale Empfangsantenne 26 kann hierfür von der Hochfrequenzeinheit 21 angesteuert werden.
  • Des Weiteren umfasst die Magnetresonanzvorrichtung 10 eine Benutzerschnittstelle 23, welche eine Signalverbindung mit der Steuereinheit 22 aufweist. Steuerinformationen, wie z. B. Bildgebungsparameter, aber auch rekonstruierte Magnetresonanzbilder, können auf einer Anzeigeeinheit 24, beispielsweise auf zumindest einem Monitor der Benutzerschnittstelle 23, für einen Nutzer 40 angezeigt werden. Weiterhin weist die Benutzerschnittstelle 23 eine Eingabeeinheit 25 auf, mittels der Parameter einer Magnetresonanzuntersuchung von dem Nutzer 40 eingegeben werden können. Es ist insbesondere vorstellbar, dass die Benutzerschnittstelle 23 eine Spracheingabeeinheit 31 aufweist, welche ausgebildet ist, eine Spracheingabe des Nutzers 40 zu erfassen. Die Benutzerschnittstelle 23 kann beispielsweise einen Desktop-Computer aufweisen oder als Mobilgerät, wie z. B. ein Smartphone oder ein Tablet-Computer, ausgeführt sein.
  • Die Recheneinheit 28 und/oder die Sprachverarbeitungseinheit 32 können dazu ausgebildet sein, eine Sprachnachricht des Nutzers 40 von der Spracheingabeeinheit 31 zu empfangen und zu verarbeiten. Die Recheneinheit 28 kann dabei die Sprachverarbeitungseinheit 32 umfassen oder mit der Sprachverarbeitungseinheit 32 verbunden sein (siehe 1). Die Recheneinheit 28 kann ferner dazu ausgebildet sein, dem Nutzer 40 der Magnetresonanzvorrichtung 10 eine ermittelte Anpassung eines Parameters über die Anzeigeeinheit 24 auszugeben und/oder auf einer Speichereinheit 29 und/oder einer Speichereinheit einer Cloud 30 zu speichern. Ist weiterhin vorstellbar, dass die Recheneinheit 28 dazu ausgebildet ist, die ermittelte Anpassung des Parameters über eine Netzwerkverbindung oder dergleichen an eine weitere Magnetresonanzvorrichtung (nicht gezeigt) zu übertragen. In dem vorliegenden Beispiel ist der Informationseingang eine Sprachnachricht des Nutzers 40, welche mittels der Spracheingabeeinheit 31 erfasst wird. Die Spracheingabeeinheit 31 kann z. B. ein Mikrofon und/oder einen Schallsensor aufweisen, um die Sprachnachricht des Nutzers 40 zu empfangen. Die Magnetresonanzvorrichtung 10 kann ferner eine Ausgabeeinheit aufweisen (nicht gezeigt), welche den Nutzer 40 mittels einer akustischen Ausgabe über eine Ermittlung einer Änderung eines Parameters einer Bildgebungsuntersuchung informiert. Es ist jedoch ebenso vorstellbar, dass ein Bereitstellen der ermittelten Anpassung des Parameters an den Nutzer 40 mittels der Benutzerschnittstelle 23, wie z. B. einem Bildschirm mit einem Lautsprecher, erfolgt.
  • Es ist weiterhin vorstellbar, dass die Speichereinheit 29 und/oder die Speichereinheit der Cloud 30 eine Datenbank mit Erläuterungen und/oder Beschreibungen von Parametern einer Magnetresonanzuntersuchung aufweisen. Die Recheneinheit 28 und/oder die Sprachverarbeitungseinheit 32 können entsprechend dazu ausgebildet sein, im Rahmen des Ermittelns der Information über die Anpassung der Magnetresonanzuntersuchung in Abhängigkeit einer Sprachnachricht des Nutzers 40 auf die Datenbank zuzugreifen. Beispielsweise können die Erläuterungen und/oder Beschreibungen der Parameter für eine semantische Suche, eine Schlüsselwortsuche und/oder ein Verfahren des Textminings eingesetzt werden. Es ist ebenso vorstellbar, dass das Zuordnen der Information über die Anpassung der Magnetresonanzuntersuchung zu einem Parameter der Magnetresonanzuntersuchung mittels eines Rechners der Cloud 30 erfolgt, welcher Zugriff auf eine Suchmaschine sowie das weltweite Netz besitzt. Der Rechner der Cloud 30 kann ferner einen intelligenten Algorithmus aufweisen, welcher anhand der Information über die Anpassung der Magnetresonanzuntersuchung durch den Nutzer 40 trainiert wird und/oder dazu ausgebildet ist, ein Ermitteln der Anpassung des Parameters der Magnetresonanzuntersuchung in Abhängigkeit des Informationseingangs durchzuführen. Vorzugsweise umfasst die Magnetresonanzvorrichtung 10 jedoch eine Lern- und/oder Bestimmungseinheit 34, auf welcher ein intelligenter Algorithmus implementiert ist. Die Lern- und/oder Bestimmungseinheit 34 kann direkt mit der Recheneinheit 28 und/oder der Sprachverarbeitungseinheit 32 verbunden sein. Während eines Trainierens des intelligenten Algorithmus kann die Lern- und/oder Bestimmungseinheit 34 eine Information über die Bildgebungsuntersuchung sowie einen Informationseingang von der Recheneinheit 28 empfangen. Nach einer ausreichenden Anzahl von Trainingszyklen kann die Lern- und/oder Bestimmungseinheit 34 dazu ausgebildet sein, eine Ermittlung einer Anpassung eines Parameters in Abhängigkeit der Magnetresonanzuntersuchung und eines Informationseingangs selbstständig vorzunehmen.
  • Die dargestellte Magnetresonanzvorrichtung 10 kann selbstverständlich weitere Komponenten umfassen, welche Magnetresonanzvorrichtungen üblicherweise aufweisen. Ferner können auch andere Bildgebungsvorrichtung, wie z. B. Computertomographen, Röntgengeräte, Mammographiegeräte oder dergleichen, eine Recheneinheit 28 aufweisen, welche dazu ausgebildet ist, ein erfindungsgemäßes Verfahren mit der Bildgebungsvorrichtung auszuführen.
  • 2 zeigt ein mögliches Ablaufdiagramm eines erfindungsgemäßen Verfahrens zur Bestimmung einer Anpassung eines Parameters einer durchzuführenden Magnetresonanzuntersuchung in Abhängigkeit eines Informationseingangs für die Magnetresonanzuntersuchung.
  • In einem optionalen Schritt S1 wird ein erfasstes Magnetresonanzbild der Magnetresonanzuntersuchung an den Nutzer 40 der Magnetresonanzuntersuchung 10 ausgegeben, wobei das Erfassen des Informationseingangs ein Erfassen einer Rückmeldung des Nutzers 40 zu dem erfassten Magnetresonanzbild der Magnetresonanzuntersuchung umfasst. Die Ausgabe des Magnetresonanzbilds kann mittels einer Anzeigeeinheit 24 erfolgen, welche vorzugsweise einen Bildschirm zur Darstellung des Magnetresonanzbilds aufweist. Das Magnetresonanzbild kann ein erstes Magnetresonanzbild einer Serie von Magnetresonanzbildern sein, welche während der Magnetresonanzuntersuchung aufgenommen werden. Es ist aber ebenso vorstellbar, dass das Magnetresonanzbild ein nachfolgendes Magnetresonanzbild ist. Der Nutzer 40 der Magnetresonanzvorrichtung kann bei der Ausgabe des Magnetresonanzbilds dazu aufgefordert werden, eine Rückmeldung zu dem Magnetresonanzbild abzugeben. Die Rückmeldung des Nutzers 40 kann beispielsweise eine Sprachnachricht, eine Geste und/oder eine Eingabe mittels eines beliebigen Eingabegeräts (z. B. Maus, Tastatur) der Benutzerschnittstelle 23 umfassen. Die Rückmeldung des Nutzers 40 umfasst vorzugsweise eine Information über eine Anpassung der Bildgebungsuntersuchung, wie z. B. eine Bewertung eine Bildqualität des Magnetresonanzbilds und/oder eine Aufforderung zur Anpassung eines Bildgebungsparameters, einer Bildgebungssequenz und/oder eines Parameters des Ablaufs der Magnetresonanzuntersuchung.
  • In einem Schritt S2 wird ein Informationseingang für die Magnetresonanzuntersuchung erfasst. Informationseingänge des Nutzers 40 können beispielsweise eine Eingabe mittels der Eingabeeinheit 25, eine Spracheingabe mittels der Spracheingabeeinheit 31 und/oder eine Rückmeldung des Nutzers 40 zu einem Magnetresonanzbild umfassen. Die Rückmeldung des Nutzers 40 kann ebenso gleichermaßen mittels der Eingabeeinheit 25 und/oder der Spracheingabeeinheit 31 erfasst werden. Darüber hinaus kann der Informationseingang auch eine Geste des Nutzers 40 darstellen, welche mittels einer Kamera in einem Untersuchungsraum der Magnetresonanzvorrichtung 10 erfasst wird.
  • Der Informationseingang kann aber auch unabhängig von dem Nutzer 40 erfolgen. Beispielsweise kann der Informationseingang eine Patienteninformation zu dem Patienten 15, einen klinischen Fund des Patienten 15 und/oder eine Information über eine Bildeigenschaft des Magnetresonanzbilds sein. Vorzugsweise ist die Recheneinheit 28 dazu ausgebildet, solche Informationseingänge in Abhängigkeit von Daten eines radiologischen Informationssystems, eines Krankenhausinformationssystems, einer Patientenregistrierung, eines erfassten Magnetresonanzbilds oder dergleichen abzuleiten. Die Information über die Bildeigenschaft kann dabei insbesondere eine Quantifizierung eines Signal-zu-Rausch-Verhältnisses des Magnetresonanzbilds und/oder eine Beurteilung eines Vorliegens von Bildartefakten umfassen. Hierfür kann die Magnetresonanzvorrichtung 10 eine dedizierte Bildverarbeitungseinheit aufweisen, welche dazu ausgebildet ist, eine Bildeigenschaft des Magnetresonanzbilds zu bestimmen.
  • Ferner kann das Erfassen des Informationseingangs ein Verarbeiten des Informationseingangs umfassen. Dabei wird ein Signal des Informationseingangs, z. B. ein Schallsignal, eine Sprachnachricht, ein Kamerasignal, eine Textnachricht oder dergleichen, vorzugsweise in ein elektrisches Signal und/oder in maschinenlesbare Daten überführt. Maschinenlesbare Daten können unter anderem als Binärcode, Hexadezimalzahlen, einer Hochsprache sowie in Form geeigneter Dateiformate, wie z. B. RDFa, HTML, CSV, XML und dergleichen, vorliegen. Beispielsweise wird eine Spracheingabe des Nutzers 40 mittels der Spracheingabeeinheit 31 erfasst und in maschinenlesbare Daten überführt. Anschließend kann die Spracheingabe mittels der Recheneinheit 28 und/oder der Sprachverarbeitungseinheit 32 verarbeitet werden. Die Sprachverarbeitung kann dabei einen oder mehrere der folgenden Schritte aufweisen, welche dem Fachmann bekannt sind:
    • • Spracherkennung,
    • • Tokenisierung,
    • • morphologische Analyse,
    • • syntaktische Analyse,
    • • semantische Analyse und
    • • Dialoganalyse.
  • In einer Ausführungsform erfolgt das Verarbeiten der Spracheingabe mittels eines künstlichen neuronalen Netzes oder eines mehrschichtigen neuronalen Netzes (z. B. MultiNet). Es ist aber ebenso vorstellbar, dass ein einzelner oder mehrere der aufgeführten Schritte der Sprachverarbeitung mittels Verwendung eines künstlichen neuronalen Netzes oder eines mehrschichtigen neuronalen Netzes erfolgen.
  • Gemäß einer weiteren Ausführungsform erfolgt das Verarbeiten der Spracheingabe mittels eines statistischen Modells und/oder eines logischen Modells. Vorzugsweise erfolgt das Verarbeiten der Spracheingabe bei Verwendung eines statistischen Modells und/oder eines logischen Modells gemäß einzelner oder aller der oben aufgeführten Schritte der Sprachverarbeitung. Es ist vorstellbar, dass der Nutzer 40 bei Verwendung entsprechender Modelle auf eine vorbestimmte Auswahl von Begriffen oder Anweisungen zurückgreift, welche mit der Bildgebungsvorrichtung und/oder der Spracheingabeeinheit abgestimmt ist.
  • Ein Verfahren zur Sprachverarbeitung mittels der Recheneinheit 28 und/oder der Sprachverarbeitungseinheit 32 durchgeführt werden. Es ist aber ebenso vorstellbar, dass das Verfahren zur Sprachverarbeitung auf einem externen Rechner, insbesondere einem Rechner der Cloud 30, implementiert ist. In diesem Fall kann die Spracheingabe an den Rechner der Cloud 30 übertragen werden, welcher die Verarbeitung der Spracheingabe durchführt und eine Information über die Anpassung der Magnetresonanzuntersuchung an die Recheneinheit 28 zurückgibt.
  • In einem weiteren Schritt S3 erfolgt ein Ermitteln einer Information über eine Anpassung der Magnetresonanzuntersuchung in Abhängigkeit des Informationseingangs. Die Information über die Anpassung der Magnetresonanzuntersuchung kann in komplexer Weise anhand von verarbeiteten Informationseingängen des Nutzers 40 sowie einer Patienteninformation, eines klinischen Funds und/oder einer Information über eine Bildeigenschaft ermittelt werden. Dabei kann für jeden Informationseingang ein Überprüfen des Informationseingangs auf eine Korrelation zu einem Bildgebungsparameter, einer Bildgebungssequenz und/oder einem Ablauf der Magnetresonanzuntersuchung durchgeführt werden. Vorzugsweise umfasst die Information über die Anpassung der Magnetresonanzuntersuchung einen Hinweis auf eine Richtung, in welcher die Anpassung eines Parameters erfolgen soll. Während ein Nutzer 40 eine gewünschte Änderung eines Bildgebungsparameters mittels einer Sprachnachricht eingeben kann, kann ein Hinweis auf die Richtung, in welcher die Anpassung eines Parameters erfolgen soll, im Rahmen des erfindungsgemäßen Verfahrens auch automatisch in Abhängigkeit einer Bildeigenschaft eines Magnetresonanzbilds bestimmt werden. Unerwünschte Bildeigenschaften können z. B. ein niedriges Signal-zu-Rausch Verhältnis und/oder oder eine unerwünschte Positionierung einer diagnostische relevanten Körperregion des Patienten 15 in einem Bildgebungsbereich darstellen.
  • In einem weiteren Schritt S4 erfolgt ein Zuordnen der Information über die Anpassung der Magnetresonanzuntersuchung zu einem Parameter der Magnetresonanzuntersuchung. Das Zuordnen erfolgt dabei vorzugsweise mittels eines Klassifizierens. Es ist vorstellbar, dass das Klassifizieren ein Verwenden eines neuronalen Netzes, eines mehrschichtigen neuronalen Netzes und/oder eines Verfahrens des Textminings umfasst. Das Klassifizieren kann auch eine Bildung von Tupeln, Vektoren, Matrizen und/oder einer beliebigen Datenstruktur umfassen, welche die Information über die Veränderung der Bildgebungsuntersuchung einem Parameter der Bildgebungsuntersuchung zuordnen. Es ist weiterhin vorstellbar, dass das Zuordnen der Information über die Anpassung der Bildgebungsuntersuchung unter Verwendung eines Modells, wie z. B. eines statistischen Modells und/oder eines logischen Modells, erfolgt. Das Verfahren für die Klassifizierung der Information über die Anpassung der Magnetresonanzuntersuchung kann z. B. auf der Recheneinheit 28 und/oder einem Rechner der Cloud 30 implementiert sein.
  • In einem weiteren Schritt S5 erfolgt ein Ermitteln einer Anpassung eines Parameters der Magnetresonanzuntersuchung in Abhängigkeit des Informationseingangs. Vorzugsweise erfolgt das Ermitteln der Anpassung eines Parameters anhand der Information über die Anpassung der Magnetresonanzuntersuchung. Beispielsweise kann die Information über die Anpassung der Magnetresonanzuntersuchung einen Wunsch des Nutzers 40 bezüglich eines niedrigeren Kontrasts von Fettgewebe in einem Magnetresonanzbild umfassen. Das Ermitteln der Anpassung betreffender Bildgebungsparameter, wie z. B. einer Echozeit und/oder einer Repetitionszeit, kann dabei unter Berücksichtigung einer T1-Relaxationszeit und/oder einer T2-Relaxationszeit von Fettgewebe erfolgen. Entsprechende Daten über das Fettgewebe sind vorzugsweise auf der Speichereinheit 29 oder einer Speichereinheit der Cloud 30 hinterlegt und abrufbar.
  • In einer bevorzugten Ausführungsform erfolgt das Ermitteln der Anpassung des Parameters in Abhängigkeit der Spracheingabe des Nutzers 40. Vorzugsweise wird die Information über die Anpassung der Magnetresonanzuntersuchung mittels eines der oben beschriebenen Verfahren zur Verarbeitung der Spracheingabe ermittelt. Es ist weiterhin vorstellbar, dass die Recheneinheit 28 dazu ausgebildet ist, verschiedene Informationseingänge in Abhängigkeit der Informationen über die Anpassung der Magnetresonanzuntersuchung zu priorisieren. Somit kann aus einer Mehrzahl von Informationseingängen ein Informationseingang mit einer höchsten Priorität, wie z. B. einer Sicherheit des Patienten 15 bezüglich einer spezifischen Absorptionsrate (oder einer Strahlendosis einer Röntgenbildgbeung), für die Ermittlung der Anpassung des Parameters herangezogen werden. Die Recheneinheit 28 kann aber auch dazu ausgebildet sein, einen Kompromiss für eine Mehrzahl von Informationseingängen zu ermitteln. Hierbei kann anhand der Mehrzahl von gegensätzlichen Informationseingängen, wie z. B. einer erhöhten Anzahl von Magnetresonanzbildern und einer Berücksichtigung der spezifischen Absorptionsrate, ein Kompromiss der Parameter bestimmt werden.
  • In einem optionalen Schritt S6 erfolgt ein Trainieren eines intelligenten Algorithmus hinsichtlich der Ermittlung der Anpassung des Parameters, wobei der intelligente Algorithmus zumindest in Abhängigkeit des Informationseingangs, der durchzuführenden Magnetresonanzuntersuchung sowie der ermittelten Anpassung des Parameters trainiert wird. Vorzugsweise umfasst das Trainieren des intelligenten Algorithmus ein überwachtes Lernen eines mehrschichtigen neuronalen Netzes. Das mehrschichtige neuronale Netz kann dabei z. B. zwei Schichten (hidden layer), drei Schichten, vier Schichten oder mehr als vier Schichten aufweisen. Bei dem Trainieren kann bei jeder Magnetresonanzuntersuchung, bei welcher eine Anpassung eines Parameters in Abhängigkeit eines Informationseingangs ermittelt wird, ein Trainingsdatensatz an die Lern- und/oder Bestimmungseinheit 34, auf welcher das mehrschichtige neuronale Netz implementiert ist, übermittelt werden. Der Trainingsdatensatz umfasst vorzugsweise zumindest Informationen über die Magnetresonanzuntersuchung, den Informationseingang sowie die in Abhängigkeit des Informationseingangs ermittelte Anpassung des Parameters. Die Information über die Magnetresonanzuntersuchung kann beispielsweise einen Parametersatz einer Standard-Sequenz umfassen, welche vor der Ermittlung der Anpassung des Parameters vorliegt.
  • In einem Beispiel wird das mehrschichtige neuronale Netz durch ein überwachtes Lernverfahren trainiert. Dabei kann der Parametersatz der Magnetresonanzuntersuchung mit dem in Abhängigkeit des Informationseingangs ermittelten, geänderten Parameter eine Soll-Ausgabe des mehrschichtigen neuronalen Netzes darstellen. Die Soll-Ausgabe kann mit einer Ist-Ausgabe verglichen werden, welche das mehrschichtige neuronale Netz in einem gegenwärtigen Zustand generiert. Hierfür kann ein Eingabemuster, wie z. B. die Standard-Sequenz und/oder der Informationseingang, vorwärts durch das mehrschichtige neuronale Netz propagiert werden. Es ist vorstellbar, dass bereits eine Information über die Anpassung der Magnetresonanzuntersuchung in Abhängigkeit des Informationseingangs von der Recheneinheit 28 und/oder der Sprachverarbeitungseinheit 32 ermittelt wurde, bevor diese als Informationseingang an die Lern- und/oder Bestimmungseinheit 34 übermittelt wird. Im Rahmen des Trainingsprozesses kann der Informationseingang (bzw. die Information über die Anpassung der Magnetresonanzuntersuchung) beispielsweise als Parameter des Parametersatzes der Magnetresonanzuntersuchung betrachtet oder als eine separate Eingangsgröße, wie z. B. ein Label des Eingabemusters, implementiert werden. Darüber hinaus sind selbstverständlich weitere Umsetzungsmöglichkeiten vorstellbar.
  • Das Trainieren des mehrschichtigen neuronalen Netzes kann anhand eines Vergleichs der Ist-Ausgabe und der Soll-Ausgabe erfolgen. Es ist vorstellbar, dass hierfür ein Backpropagation-Verfahren oder ein SGD (stochastic gradient descent) Verfahren eingesetzt wird. Beispielsweise wird bei dem Backpropagation-Verfahren eine Differenz zwischen der Ist-Ausgabe und der Soll-Ausgabe des mehrschichtigen neuronalen Netzes gebildet, welche als ein Fehler betrachtet wird. Der Fehler kann anschließend von einer Ausgabeschicht zu einer Eingabeschicht des mehrschichtigen neuronalen Netzes zurück propagiert werden. Dabei kann eine Konfiguration des mehrschichtigen neuronalen Netzes, insbesondere eine Gewichtung von Verbindungen zwischen Neuronen, abhängig von ihrem Einfluss auf den Fehler geändert werden. Mittels entsprechender Verfahren lässt sich der Fehler zwischen der Soll-Ausgabe und der Ist-Ausgabe des mehrschichtigen neuronalen Netzes für ein Eingabemuster minimieren. Mit Referenz auf 1 ist es auch vorstellbar, dass die Lern- und/oder Bestimmungseinheit 34 auf einem Rechner der Cloud 30 implementiert ist. So kann die Lern- und/oder Bestimmungseinheit 34 von einer Vielzahl von Datensätzen von Magnetresonanzvorrichtungen trainiert werden, welche mit der Cloud 30 verbunden sind.
  • In einer Ausführungsform sind Rechte eines Nutzers 40 bezüglich des Trainierens mit einem Profil des Nutzers 40 verknüpft, sodass das Trainieren des intelligenten Algorithmus in Abhängigkeit der Rechte automatisch bei Anmeldung eines Nutzers 40 an der Bildgebungsvorrichtung aktiviert oder deaktiviert wird.
  • In einem Schritt S7 erfolgt ein Bereitstellen eines Parametersatzes der Magnetresonanzuntersuchung, wobei der bereitgestellte Parametersatz einen gemäß der ermittelten Anpassung geänderten Parameter aufweist und wobei der Parametersatz auf einer Speichereinheit gespeichert wird, welche mit einer Bildgebungsvorrichtung verbunden ist. Das Bereitstellen umfasst zumindest ein Speichern des Parametersatzes der Magnetresonanzuntersuchung mit dem geänderten Parameter auf der Speichereinheit 29 der Magnetresonanzvorrichtung 10 und/oder einer Speichereinheit der Cloud 30. Es ist weiterhin vorstellbar, dass der Parametersatz mit dem geänderten Parameter an eine weitere Magnetresonanzvorrichtung übermittelt wird. Auf diese Weise kann ein Nutzer 40 der Magnetresonanzvorrichtung 10 auch an einer weiteren Magnetresonanzvorrichtung auf Anpassungen zurückgreifen, welche mittels des erfindungsgemäßen Verfahrens unter bestimmten Voraussetzungen für eine bestimmte Magnetresonanzuntersuchung vorgenommen wurden. Ferner kann das Bereitstellen des Parametersatzes auch eine visuelle Ausgabe des Parametersatzes an den Nutzer 40 mittels der Anzeigeeinheit 24 umfassen. Vorzugsweise ist der geänderte Parameter bei der visuellen Ausgabe markiert und/oder hervorgehoben, sodass der Nutzer 40 mit geringem Zeitaufwand feststellen kann, welche Parameter des Parametersatzes geändert wurden.
  • In einem optionalen Schritt S8 erfolgt ein Durchführen der Magnetresonanzuntersuchung zu einer Erfassung eines diagnostischen Bilds eines Patienten, wobei der Parameter der Magnetresonanzuntersuchung gemäß der ermittelten Anpassung geändert wird und wobei das Durchführen der Magnetresonanzuntersuchung mit dem geänderten Parameter erfolgt. Es ist vorstellbar, dass ein Informationseingang noch vor der Erfassung des ersten Magnetresonanzbilds, z. B. während einer Vorbereitung der Magnetresonanzuntersuchung und/oder einer Patientenregistrierung, erfasst wird. Die Magnetresonanzuntersuchung kann in diesem Fall mit dem geänderten Parameter gestartet werden. Es ist aber ebenso vorstellbar, dass der Informationseingang eine Rückmeldung des Nutzers 40 auf das erste Magnetresonanzbild, das nachfolgende Magnetresonanzbild und/oder einen klinischen Fund, welcher in Abhängigkeit eines Magnetresonanzbilds abgeleitet wird, umfasst. In solchen Fällen kann eine Fortführung der Magnetresonanzuntersuchung mit dem in Abhängigkeit der Rückmeldung des Nutzers 40 und/oder des klinischen Funds geänderten Parameter erfolgen.
  • 3 zeigt ein Ablaufschema einer weiteren Ausführungsform des erfindungsgemäßen Verfahrens. Bei dieser Ausführungsform können die Schritte S1 bis S7, wie oben beschrieben, zu einem ersten Zeitpunkt durchgeführt werden. Der erste Zeitpunkt ist insbesondere dadurch charakterisiert, dass ein intelligenter Algorithmus einer Lern- und/oder Bestimmungseinheit 34, wie z. B. ein mehrschichtiges neuronales Netz, in Abhängigkeit einer Magnetresonanzuntersuchung, eines Informationseingangs und einer ermittelten Anpassung eines Parameters trainiert wird.
  • Zu einem zweiten Zeitpunkt hat der intelligente Algorithmus eine ausreichende Anzahl von Trainingszyklen vollzogen. Es ist vorstellbar, dass der Schritt S5 der Ermittlung der Anpassung des Parameters der Magnetresonanzuntersuchung in Abhängigkeit des Informationseingangs ab dem zweiten Zeitpunkt mittels des intelligenten Algorithmus erfolgt. In einer Ausführungsform ist die Recheneinheit 28 dazu ausgebildet, die Ermittlung der Anpassung eines Parameters zu dem zweiten Zeitpunkt von der Lern- und/oder Bestimmungseinheit 34 abzurufen. Die Lern- und/oder Bestimmungseinheit 34 kann hierfür beispielsweise einen Parametersatz der Magnetresonanzuntersuchung sowie eine Information über eine Anpassung der Magnetresonanzuntersuchung empfangen und einen Parametersatz mit zumindest einem geänderten Parameter bereitstellen. Der Schritt S4 des Zuordnens der Information über die Anpassung der Magnetresonanzuntersuchung zu einem Parameter der Magnetresonanzuntersuchung kann zu dem zweiten Zeitpunkt implizit mittels des intelligenten Algorithmus erfolgen. Es ist ebenso vorstellbar, dass der Schritt S6 des Trainierens des intelligenten Algorithmus hinsichtlich des Ermittelns der Anpassung des Parameters ab dem zweiten Zeitpunkt entfällt. Vorzugsweise kann der intelligente Algorithmus jedoch weitere Trainingszyklen durchlaufen, z. B. wenn bei dem Schritt S3 des Ermittelns einer Information über die Anpassung der Magnetresonanzuntersuchung eine Aufforderung eines Nutzers 40 mit Experten-Fachwissen zu einer Änderung eines Parameters ermittelt wird. Es ist weiterhin vorstellbar, dass ein Trainieren des intelligenten Algorithmus und/oder eine Verwendung des intelligenten Algorithmus für die Ermittlung einer Anpassung eines Parameters manuell für eine vorbestimmte Magnetresonanzuntersuchung und/oder als eine globale Einstellung der Magnetresonanzvorrichtung 10 aktiviert oder deaktiviert werden kann.
  • Wie oben beschrieben, kann die Recheneinheit 28 ferner dazu ausgebildet sein, die Magnetresonanzuntersuchung mit dem Parametersatz mit dem geänderten Parameter durchzuführen (S8). Es ist auch vorstellbar, dass der Parametersatz der Magnetresonanzuntersuchung zu dem zweiten Zeitpunkt aktuell ist und/oder kein Informationseingang vorliegt. Die Recheneinheit 28 kann in diesem Fall ohne eine Änderung eines Parameters mit der Koordination der Magnetresonanzuntersuchung fortfahren. In einer weiteren Ausführungsform kann der intelligente Algorithmus zu dem zweiten Zeitpunkt ebenso dazu trainiert sein, ein Ermitteln (S3) der Information über die Anpassung der Magnetresonanzuntersuchung in Abhängigkeit des Informationseingangs gemäß einer der oben beschriebenen Verfahren, insbesondere unter Anwendung eines künstlichen neuronalen Netzes oder eines mehrschichtigen neuronalen Netzes, durchzuführen.
  • Selbstverständlich sind die hier beschriebenen Ausführungsformen des erfindungsgemäßen Verfahrens und der erfindungsgemäßen Magnetresonanzvorrichtung als beispielhaft zu verstehen. Einzelne Ausführungsformen sind daher um Merkmale anderer Ausführungsformen erweiterbar. Insbesondere ist die Reihenfolge der Verfahrensschritte des erfindungsgemäßen Verfahrens als beispielhaft zu verstehen. Die einzelnen Schritte können auch in einer anderen Reihenfolge durchgeführt werden oder sich zeitlich teilweise oder vollständig überschneiden.

Claims (15)

  1. Computer-implementiertes Verfahren zur Ermittlung einer Anpassung eines Parameters einer durchzuführenden Bildgebungsuntersuchung mit einer medizinischen Bildgebungsvorrichtung in Abhängigkeit eines Informationseingangs für die Bildgebungsuntersuchung, aufweisend die folgenden Schritte: • Erfassen (S2) des Informationseingangs für die Bildgebungsuntersuchung, • Ermitteln (S3) einer Information über eine Anpassung der Bildgebungsuntersuchung in Abhängigkeit des Informationseingangs, • Zuordnen (S4) der Information über die Anpassung der Bildgebungsuntersuchung zu einem Parameter der Bildgebungsuntersuchung, • Ermitteln einer Anpassung (S5) des Parameters der Bildgebungsuntersuchung in Abhängigkeit des Informationseingangs und • Bereitstellen (S7) eines Parametersatzes der Bildgebungsuntersuchung, wobei der bereitgestellte Parametersatz einen gemäß der ermittelten Anpassung geänderten Parameter aufweist und wobei der Parametersatz auf einer Speichereinheit gespeichert wird, welche mit einer Bildgebungsvorrichtung verbunden ist.
  2. Verfahren nach Anspruch 1, wobei der Parameter der Bildgebungsuntersuchung einen Bildgebungsparameter, eine Bildgebungssequenz und/oder einen Parameter eines Ablaufs der Bildgebungsuntersuchung umfasst.
  3. Verfahren nach einem der Ansprüche 1 oder 2, wobei der Informationseingang eine Spracheingabe eines Nutzers (40) umfasst und wobei das Erfassen (S2) des Informationseingangs ein Verarbeiten der Spracheingabe des Nutzers (40) umfasst, wobei das Ermitteln der Anpassung (S5) des Parameters in Abhängigkeit der Spracheingabe des Nutzers (40) erfolgt.
  4. Verfahren nach Anspruch 3, wobei das Verarbeiten der Spracheingabe des Nutzers (40) mittels eines künstlichen neuronalen Netzes oder eines mehrschichtigen neuronalen Netzes erfolgt.
  5. Verfahren nach einem der Ansprüche 3 oder 4, wobei das Verarbeiten der Spracheingabe des Nutzers (40) mittels eines statistischen Modells und/oder eines logischen Modells erfolgt.
  6. Verfahren nach einem der vorhergehenden Ansprüche, ferner aufweisend den Schritt: • Ausgeben (S1) eines erfassten Bilds der Bildgebungsuntersuchung an den Nutzer (40) der Bildgebungsvorrichtung, wobei das Erfassen (S2) des Informationseingangs ein Erfassen einer Rückmeldung des Nutzers (40) zu dem erfassten Bild der Bildgebungsuntersuchung umfasst, wobei das Ermitteln der Anpassung (S5) des Parameters in Abhängigkeit der Rückmeldung des Nutzers (40) erfolgt.
  7. Verfahren nach Anspruch 6, wobei das Erfassen (S2) des Informationseingangs ein Erfassen einer Rückmeldung des Nutzers (40) zu einem Bildgebungsparameter und/oder einer Bildeigenschaft umfasst.
  8. Verfahren nach einem der vorhergehenden Ansprüche, wobei der Informationseingang zumindest • eine Eingabe des Nutzers (40), • eine Spracheingabe des Nutzers (40), • eine Rückmeldung des Nutzers (40) zu einem erfassten Bild der Bildgebungsuntersuchung, • eine Patienteninformation, • einen klinischen Fund und/oder • eine Information über eine Bildeigenschaft umfasst.
  9. Verfahren nach einem der vorhergehenden Ansprüche, ferner aufweisend den Schritt: • Trainieren (S6) eines intelligenten Algorithmus hinsichtlich eines Ermittelns einer Anpassung eines Parameters, wobei der intelligente Algorithmus zumindest in Abhängigkeit des Informationseingangs, der durchzuführenden Bildgebungsuntersuchung sowie der ermittelten Anpassung des Parameters trainiert wird.
  10. Verfahren nach Anspruch 9, wobei der intelligente Algorithmus ein künstliches neuronales Netz oder ein mehrschichtiges neuronales Netz darstellt.
  11. Verfahren nach einem der Ansprüche 9 oder 10, wobei das Trainieren (S6) des intelligenten Algorithmus in Abhängigkeit einer Nutzerinformation aktiviert oder deaktiviert wird.
  12. Verfahren nach einem der Ansprüche 9 bis 11, wobei das Ermitteln der Anpassung (S5) des Parameters in Abhängigkeit des trainierten intelligenten Algorithmus erfolgt.
  13. Verfahren nach einem der vorhergehenden Ansprüche, ferner aufweisend den Schritt: • Durchführen (S8) der Bildgebungsuntersuchung zu einem Erfassen eines diagnostischen Bilds eines Patienten (15), wobei der Parameter der Bildgebungsuntersuchung gemäß der ermittelten Anpassung (S5) geändert wird und wobei das Durchführen (S8) der Bildgebungsuntersuchung mit dem geänderten Parameter erfolgt.
  14. Bildgebungsvorrichtung, umfassend eine Recheneinheit (28), wobei die Recheneinheit (28) dazu ausgebildet ist, ein Verfahren nach einem der vorhergehenden Ansprüche zu koordinieren und mittels der Bildgebungsvorrichtung auszuführen.
  15. Computerprogrammprodukt, welches direkt in einen Datenspeicher einer Recheneinheit (28) einer Bildgebungsvorrichtung nach Anspruch 14 ladbar ist, mit Programmcode-Mitteln, um ein Verfahren nach einem der Ansprüche 1 bis 13 auszuführen, wenn das Computerprogrammprodukt in der Recheneinheit (28) der Bildgebungsvorrichtung ausgeführt wird.
DE102020216040.6A 2020-12-16 2020-12-16 Verfahren zur Ermittlung einer Anpassung einer Bildgebungsuntersuchung Pending DE102020216040A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
DE102020216040.6A DE102020216040A1 (de) 2020-12-16 2020-12-16 Verfahren zur Ermittlung einer Anpassung einer Bildgebungsuntersuchung
CN202111533219.4A CN114631799A (zh) 2020-12-16 2021-12-15 计算机实施的方法，成像设备和计算机程序产品
US17/553,395 US20220183637A1 (en) 2020-12-16 2021-12-16 Method for determining an adaptation of an imaging examination

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102020216040.6A DE102020216040A1 (de) 2020-12-16 2020-12-16 Verfahren zur Ermittlung einer Anpassung einer Bildgebungsuntersuchung

Publications (1)

Publication Number Publication Date
DE102020216040A1 true DE102020216040A1 (de) 2022-06-23

Family

ID=81847098

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102020216040.6A Pending DE102020216040A1 (de) 2020-12-16 2020-12-16 Verfahren zur Ermittlung einer Anpassung einer Bildgebungsuntersuchung

Country Status (3)

Country Link
US (1) US20220183637A1 (de)
CN (1) CN114631799A (de)
DE (1) DE102020216040A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022213602A1 (de) 2022-12-14 2024-06-20 Siemens Healthineers Ag Parametrisierung einer Bildgebungssequenz

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011002928A1 (de) 2011-01-20 2012-07-26 Siemens Aktiengesellschaft Verfahren zur rechnergestützten Konfiguration einer medizinischen Bildgebungsvorrichtung
DE102016220093A1 (de) 2016-10-14 2018-04-19 Siemens Healthcare Gmbh Bestimmen eines Aufnahmeparameters für ein bildgebendes Verfahren

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7904824B2 (en) * 2002-12-10 2011-03-08 Siemens Medical Solutions Usa, Inc. Medical imaging programmable custom user interface system and method
US7092749B2 (en) * 2003-06-11 2006-08-15 Siemens Medical Solutions Usa, Inc. System and method for adapting the behavior of a diagnostic medical ultrasound system based on anatomic features present in ultrasound images
DE10334073A1 (de) * 2003-07-25 2005-02-10 Siemens Ag Medizintechnisches Steuerungsystem
US8010177B2 (en) * 2007-04-24 2011-08-30 Medtronic, Inc. Intraoperative image registration
DE102007036564B4 (de) * 2007-08-03 2009-07-09 Siemens Ag Verfahren zur gewebespezifischen Optimierung von Bildgebungsparametern
RU2534393C2 (ru) * 2009-05-13 2014-11-27 Конинклейке Филипс Электроникс, Н.В. Способ и система для визуализации пациентов с персональным медицинским устройством
JP5635254B2 (ja) * 2009-11-09 2014-12-03 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー スキャン条件設定装置、および医療装置
JP5897279B2 (ja) * 2010-08-17 2016-03-30 株式会社東芝 医用画像診断装置
JP5944645B2 (ja) * 2010-11-02 2016-07-05 東芝メディカルシステムズ株式会社 磁気共鳴イメージング装置
JP5675280B2 (ja) * 2010-11-05 2015-02-25 株式会社東芝 画像診断装置
WO2012096109A1 (ja) * 2011-01-11 2012-07-19 株式会社 東芝 画像診断装置、画像診断方法、医用画像サーバ及び医用画像保存方法
DE102012210821A1 (de) * 2012-06-26 2014-01-02 Siemens Aktiengesellschaft Verfahren zu einer Kommunikation zwischen einer Steuereinheit und einem Patienten und/oder einem Bedienpersonal sowie eine medizinische Bildgebungsvorrichtung hierzu
JP6012577B2 (ja) * 2013-09-30 2016-10-25 富士フイルム株式会社 画像処理装置、放射線画像撮影システム、画像処理プログラム、及び画像処理方法
US9700219B2 (en) * 2013-10-17 2017-07-11 Siemens Healthcare Gmbh Method and system for machine learning based assessment of fractional flow reserve
JP6676377B2 (ja) * 2014-01-22 2020-04-08 株式会社根本杏林堂 撮像システム及び注入装置
JPWO2015156125A1 (ja) * 2014-04-11 2017-04-13 株式会社日立製作所 医用画像撮影装置及び医用画像撮影方法
KR102366316B1 (ko) * 2014-12-29 2022-02-23 삼성메디슨 주식회사 초음파 영상 장치 및 그에 따른 초음파 영상 처리 방법
DE102015204628B4 (de) * 2015-03-13 2023-09-07 Siemens Healthcare Gmbh Verfahren zur Planung einer medizinischen Bildgebungsuntersuchung
KR102495523B1 (ko) * 2016-02-04 2023-02-03 삼성전자 주식회사 음성 명령을 처리하는 방법 및 이를 제공하는 전자 장치
US20180064403A1 (en) * 2016-09-06 2018-03-08 Toshiba Medical Systems Corporation Medical image diagnostic apparatus
US11364013B2 (en) * 2017-01-05 2022-06-21 Koninklijke Philips N.V. Ultrasound imaging system with a neural network for image formation and tissue characterization
US10950343B2 (en) * 2017-06-29 2021-03-16 Siemens Healthcare Gmbh Highlighting best-matching choices of acquisition and reconstruction parameters
EP3229160A3 (de) * 2017-07-19 2017-11-29 Siemens Healthcare GmbH Verfahren zur konfiguration eines medizinischen instruments, system zur konfiguration eines medizinischen instruments, computerprogrammprodukt und computerlesbares medium
US10722210B2 (en) * 2017-12-14 2020-07-28 Siemens Healthcare Gmbh Method for memorable image generation for anonymized three-dimensional medical image workflows
WO2019141651A1 (en) * 2018-01-22 2019-07-25 Koninklijke Philips N.V. Deep learning based image figure of merit prediction
US11278413B1 (en) * 2018-02-06 2022-03-22 Philipp K. Lang Devices, systems, techniques and methods for determining the fit, size and/or shape of orthopedic implants using computer systems, artificial neural networks and artificial intelligence
WO2019240257A1 (ja) * 2018-06-15 2019-12-19 キヤノン株式会社 医用画像処理装置、医用画像処理方法及びプログラム
US20200124691A1 (en) * 2018-10-22 2020-04-23 David Douglas Method to modify imaging protocols in real time through implementation of artificial intelligence
JP7141938B2 (ja) * 2018-12-07 2022-09-26 富士フイルムヘルスケア株式会社 音声認識入力装置、音声認識入力プログラム及び医用画像撮像システム
US11010938B2 (en) * 2019-04-03 2021-05-18 Uih America, Inc. Systems and methods for positron emission tomography image reconstruction
CN111128345B (zh) * 2019-11-19 2024-03-22 上海联影智能医疗科技有限公司 医学图像的获取方法、医学扫描设备和计算机存储介质
US10902944B1 (en) * 2020-01-06 2021-01-26 Carlsmed, Inc. Patient-specific medical procedures and devices, and associated systems and methods
US12053320B2 (en) * 2020-04-22 2024-08-06 Siemens Healthineers Ag Computer-implemented method, computer program, systems and x-ray facility for correction of x-ray image data with regard to noise effects

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011002928A1 (de) 2011-01-20 2012-07-26 Siemens Aktiengesellschaft Verfahren zur rechnergestützten Konfiguration einer medizinischen Bildgebungsvorrichtung
DE102016220093A1 (de) 2016-10-14 2018-04-19 Siemens Healthcare Gmbh Bestimmen eines Aufnahmeparameters für ein bildgebendes Verfahren

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022213602A1 (de) 2022-12-14 2024-06-20 Siemens Healthineers Ag Parametrisierung einer Bildgebungssequenz

Also Published As

Publication number Publication date
CN114631799A (zh) 2022-06-17
US20220183637A1 (en) 2022-06-16

Similar Documents

Publication Publication Date Title
DE102016207291B4 (de) Ermittlung mindestens eines Protokollparameters für ein kontrastmittelunterstütztes Bildgebungsverfahren
DE102017221830A1 (de) Charakterisierung eines Störkörpers innerhalb eines Untersuchungsobjektes anhand eines medizinischen Bilddatensatzes
DE102011002928A1 (de) Verfahren zur rechnergestützten Konfiguration einer medizinischen Bildgebungsvorrichtung
DE102016219488A1 (de) Verfahren zum Bereitstellen einer Konfidenzinformation
DE102009044075A1 (de) Auf aktiven elektronischen Patientenakten basierendes Unterstützungssystem unter Nutzung von lernenden Automaten
DE102012216327A1 (de) Verfahren zur Erfassung einer Bewegung eines Patienten während einer medizinischen Bildgebungsuntersuchung
DE102015222853A1 (de) Verfahren zum automatischen Ermitteln eines Kontrastmittel-Injektionsprotokolls
DE102016216920A1 (de) Verfahren zu einer Bestimmung eines Ähnlichkeitsparameters für ein Ursprungsprotokoll mit einem Referenzprotokoll
DE102014204467A1 (de) Übertragen von validierten CAD-Trainingsdaten auf geänderte MR-Kontraste
DE112019003151T5 (de) Verfahren zum ermöglichen einer magnetresonanzbildgebung einer person
DE102009054990A1 (de) Messprotokoll-Optimierung für ein medizintechnisches Gerät
DE102014211354A1 (de) Verfahren zur Magnetresonanz-Bildgebung
DE102012205711B4 (de) Verfahren zum Betreiben eines bildgebenden Diagnosegerätes sowie medizinisches bildgebendes System
EP3451211A1 (de) Verfahren und steuereinrichtung zur steuerung eines medizintechnischen bildgebenden systems
DE102015203938A1 (de) Aufnahme und Auswertung von Magnetresonanzsignalen einer funktionellen Magnetresonanz-Untersuchung
DE102014214104A1 (de) Verfahren zu einem Festlegen eines absoluten Scanbereichs an einem Patienten
DE102015219622A1 (de) Rekonstruktion einer Abbildung anhand einer oder mehrerer Bildgebungsmodalitäten
DE102017203333A1 (de) Verfahren zur Überprüfung eines medizinischen Bildes und Verfahren zur Anpassung eines Untersuchungsprotokolls während einer medizinischen Bildgebungsuntersuchung
DE102018209359A1 (de) Bestimmung eines Merkmals charakterisierend ein beabsichtigtes Anhalten einer Atmung
DE102014219405A1 (de) Verfahren zur Optimierung einer Untersuchung
DE102010018261B4 (de) Verfahren und Computersystem zur automatischen Vektorisierung eines Gefäßbaumes
DE102014210218B4 (de) Verfahren zum Generieren von medizinischen Bilddatensätzen, sowie medizinisches Bildgebungsgerät
DE102020216040A1 (de) Verfahren zur Ermittlung einer Anpassung einer Bildgebungsuntersuchung
EP3287915B1 (de) Erzeugung einer favoritenmenge umfassend mehrere protokolle zur ansteuerung eines medizinischen bildgebungsgerätes
DE102015205493B4 (de) Betrieb einer medizinischen Bildgebungsvorrichtung

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