DE102021203273A1 - Verfahren zur Bereitstellung einer Klassifizierung einer Röntgenaufnahme in Verbindung mit einem Röntgensystem - Google Patents

Abstract

Die Erfindung betrifft ein computer-implementiertes Verfahren (1) zur Bereitstellung einer Klassifizierung einer Röntgenaufnahme in Verbindung mit einem Röntgensystem (20) aufweisend folgende Schritte:- Empfangen (2) von Eingangsdaten, wobei sich die Eingangsdaten auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme beziehen,- Anwenden (3) einer trainierten Funktion auf die Eingangsdaten, wobei die trainierte Funktion auf einem maschinellen Lernverfahren basiert und wobei Ausgangsdaten erzeugt werden, wobei die trainierte Funktion auf das Röntgensystem angepasst wurde,- Bereitstellen (4) der Ausgangsdaten, wobei die Ausgangsdaten eine Klassifizierung der Röntgenaufnahme in eine diagnostisch verwendbare Röntgenaufnahme oder eine diagnostisch nicht-verwendbare Röntgenaufnahme umfassen.

Description

• Die Erfindung betrifft ein Verfahren zur Bereitstellung einer Klassifizierung einer Röntgenaufnahme in Verbindung mit einem Röntgensystem, um eine verringerte Verwurfsrate zu ermöglichen.
• Röntgenuntersuchungen müssen technisch korrekt durchgeführt werden, damit das entstehende Röntgenbild für die Diagnose verwendbar ist. Dennoch gibt es immer wieder den Fall, dass das Röntgenbild nicht gut genug für eine Diagnose ist und die Untersuchung wiederholt werden muss. Diese sogenannte Verwurfsrate (engl.: reject rate) ist stark abhängig von der Untersuchungsart. Beispielsweise ist die Verwurfsrate bei einer Thoraxuntersuchung am (Detektor-)Wandstativ bzw. Rasterwandgerät gering und bei Aufnahmen mit einem freien Detektor hoch. Ferner kann die Verwurfsrate abhängig von der Erfahrung des Benutzers, beispielsweise einem/einer MTA, oder dem Krankheitszustand des Patienten sein. Eine typische Verwurfsrate kann 5 bis 10 Prozent der Bilder, beispielsweise an einem Radiographiesystem, betragen.
• Aus der Druckschrift DE 10 2016 226 230 A1 ist ein Verfahren zum automatisierten Prüfen von Röntgenbilddaten von einem Untersuchungsbereich eines Patienten bekannt. Im Rahmen des Verfahrens werden Röntgenbilddaten von dem Untersuchungsbereich empfangen. Weiterhin werden Röntgenbilddaten segmentiert und es werden anatomische Strukturen in den einzelnen Segmenten detektiert. Zudem werden den segmentierten Röntgenbilddaten am nächsten kommende Referenzbilddaten ermittelt. Dieser Vorgang erfolgt auf Basis eines Vergleichs der segmentierten Röntgenbilddaten mit Referenzbilddaten aus einer Referenz-Datenbank, wobei die Referenzbilddaten der Referenz-Datenbank jeweils eine Qualitätsinformation bezüglich der Bildqualität der Referenzbilddaten aufweisen. Schließlich wird auf Basis der Qualitätsinformation der ermittelten Referenzbilddaten entschieden, ob die empfangenen Röntgenbilddaten beibehalten oder verworfen werden. Nachteil dieses Verfahrens ist, dass es sehr aufwändig zu realisieren ist, da viele Trainingsdaten für den Algorithmus benötigt werden, und zwar von mehreren Körperteilen oder -regionen. Außerdem ist es schwierig schlechte Bilder zu sammeln, da diese oft von den Benutzern zeitnah gelöscht werden und nicht, insbesondere am PACS, gespeichert werden.
• Das der Erfindung zu Grunde liegende Problem ist, dass jede Wiederholungsaufnahme ein Verlust an Effizienz und eine zusätzliche Dosis für den Patienten ist.
• Es ist Aufgabe der Erfindung, ein Verfahren zur Bereitstellung einer Klassifizierung einer Röntgenaufnahme, ein Röntgensystem, ein Computerprogrammprodukt und ein computerlesbares Medium dazu, und ein Verfahren zur Bereitstellung einer trainierten Funktion anzugeben, welche eine Absenkung der Verwurfsrate ermöglichen.
• Die Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren zur Bereitstellung einer Klassifizierung einer Röntgenaufnahme nach Anspruch 1, ein Röntgensystem nach Anspruch 13, ein Computerprogrammprodukt nach Anspruch 14 und ein computerlesbares Medium nach Anspruch 15 dazu, und ein Verfahren zur Bereitstellung einer trainierten Funktion nach Anspruch 10.
• Nachfolgend wird die Lösung gemäß der Erfindung hinsichtlich der beanspruchten Systeme als auch der beanspruchten Verfahren beschrieben. Merkmale, Vorteile und alternative Ausführungsformen können auf andere beanspruchte Ausführungsformen, insbesondere andere beanspruchte Anspruchskategorien, übertragen werden. In anderen Worten können beanspruchte oder beschriebene Merkmale bezüglich des Verfahrens auf das System übertragen werden und umgekehrt. In diesem Fall können funktionale Merkmale des Verfahrens durch Einheiten des Systems ausgebildet sein.
• Weiterhin wird die erfindungsgemäße Lösung hinsichtlich des Verfahrens zur Bereitstellung einer Klassifizierung und dem Röntgensystem dazu sowie hinsichtlich des Verfahrens zur Bereitstellung einer trainierten Funktion und dem Trainingssystem dazu beschrieben. Merkmale, Vorteile und alternative Ausführungsformen können auf die andere beanspruchte Ausführungsform, insbesondere die Verwendung der trainierten Funktion bzw. das Training der trainierten Funktion, übertragen werden. In anderen Worten können beanspruchte oder beschriebene Merkmale bezüglich des Verfahrens und des Röntgensystems zur Verwendung der trainierten Funktion auf das Verfahren zur Bereitstellung bzw. zum Training der trainierten Funktion und das Trainingssystem übertragen werden und umgekehrt.
• Insbesondere kann die trainierte Funktion des Verfahrens zur Bereitstellung einer Klassifizierung und des Röntgensystems durch das Verfahren zur Bereitstellung bzw. zum Training der trainierten Funktion und das Trainingssystem verändert werden. Weiterhin können die Eingangsdaten vorteilhafte Merkmale oder Ausführungsformen der Eingangstrainingsdaten umfassen und umgekehrt. Die Ausgangsdaten können vorteilhafte Merkmal oder Ausführungsformen der Ausgangstrainingsdaten umfassen und umgekehrt.
• Die Erfindung betrifft ein computer-implementiertes Verfahren zur Bereitstellung einer Klassifizierung einer Röntgenaufnahme in Verbindung mit einem Röntgensystem. Das Verfahren weist folgende Schritte auf:
• - Empfangen von Eingangsdaten, insbesondere mit einer ersten Schnittstelle, wobei sich die Eingangsdaten auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme beziehen,
• - Anwenden einer trainierten Funktion auf die Eingangsdaten, insbesondere mit einer Recheneinheit, wobei die trainierte Funktion auf einem maschinellen Lernverfahren basiert und wobei Ausgangsdaten erzeugt werden, wobei die trainierte Funktion auf das Röntgensystem angepasst wurde,
• - Bereitstellen der Ausgangsdaten, insbesondere mit einer zweiten Schnittstelle, wobei die Ausgangsdaten eine Klassifizierung der Röntgenaufnahme in eine diagnostisch verwendbare Röntgenaufnahme oder eine diagnostisch nicht-verwendbare Röntgenaufnahme umfassen.
• Das Verfahren kann insbesondere als computer-implementiertes Verfahren ausgebildet sein. Das Verfahren kann auch als Verfahren zu einer, insbesondere lokalen, Verwurfsanalyse bezeichnet werden. Der Begriff lokal kann dabei so interpretiert werden, dass das Verfahren lokal am Röntgensystem oder einer direkt damit verbundenen Einheit, beispielsweise einer Einheit zum Verarbeiten oder Betrachten der Röntgenaufnahme, im insbesondere selben Netzwerk, durchgeführt werden kann. Der Begriff lokal kann dabei, zusätzlich oder alternativ, so interpretiert werden, dass zum Training der trainierten Funktion zumindest teilweise Eingangs- und Ausgangstrainingsdaten basierend auf mit dem Röntgensystem aufgenommenen Röntgenaufnahmen verwendet werden. Der Begriff „lokal“ kann hier insbesondere bedeuten, dass die trainierte Funktion zumindest teilweise mit vom Röntgensystem erzeugten Eingangs- und Ausgangstrainigsdaten trainiert wird. Bevorzugt kann die trainierte Funktion an das, insbesondere lokale oder individuelle, Röntgensystem angepasst sein und bevorzugt an diesem im Rahmen des erfindungsgemäßen Verfahrens verwendet werden. Das Verfahren stellt als Ausgangsdaten eine Klassifizierung einer Röntgenaufnahme in Verbindung mit einem Röntgensystem bereit. Vorteilhaft kann dadurch für dieses individuelle Röntgensystem eine Klassifizierung der Röntgenaufnahme erfolgen. Vorteilhaft können Eigenschaften des individuellen Röntgensystems bei der Klassifizierung besonders berücksichtigt werden. Zusätzlich kann die Klassifizierung dadurch auf an dem Röntgensystem üblichen Untersuchungsarten und ggf. Patientengruppen angepasst sein. Die Klassifizierung kann dadurch verbessert werden. Vorteilhaft kann die Verwurfsrate an diesem Röntgensystem reduziert werden.
• Die Röntgenaufnahme kann einen Untersuchungsbereich eines Patienten oder eines Untersuchungsobjekts umfassen. Der Untersuchungsbereich kann zumindest eine diagnostisch relevante Körperregion umfassen, beispielsweise Hand, Schulter, Thorax bzw. Lunge, Hüfte, Knie und andere.
• Im Schritt des Empfangens werden Eingangsdaten, insbesondere mit einer ersten Schnittstelle, empfangen. Die erste Schnittstelle und eine zweite Schnittstelle können eine gemeinsame physikalische Schnittstelle, insbesondere eine Netzwerkschnittstelle oder Nutzerschnittstelle, sein. Das Empfangen von Eingangsdaten kann beispielsweise, insbesondere für Patientendaten, das Abfragen einer elektronischen Patientenakte, oder, insbesondere in Bezug auf einen Röntgenaufnahmedatensatz, das Abfragen von log-Dateien des Röntgensystems oder das Abfragen einer (Zwischen-)Speichereinheit für die Röntgenaufnahme, oder, insbesondere in Bezug auf den optischen Aufnahmedatensatz, das Abfragen einer (Zwischen-) Speichereinheit für die optische Aufnahme umfassen.
• Die Eingangsdaten können sich insbesondere auf die Röntgenaufnahme oder damit verbundene Datensätze beziehen. Die Eingangsdaten können insbesondere eine Aufnahmeeigenschaft der Röntgenaufnahme umfassen. Der Begriff „beziehen“ kann einen Zusammenhang zu der Röntgenaufnahme umfassen. Beispielsweise kann sich ein Parameter auf den Röntgenaufnahmedatensatz oder den optische Aufnahmedatensatz beziehen, insbesondere ohne dass der Röntgenaufnahmedatensatz oder der optische Aufnahmedatensatz als Eingangsdaten genutzt werden müssen. Beispielsweise kann dies einen Aufnahmeparameter oder einen Bildqualitätsparameter oder andere umfassen. Die Eingangsdaten bezogen auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme können eine aufgenommene Röntgenaufnahme selbst bzw. ein aufgenommenes Röntgenbild selbst als Eingangsdaten umfassen.
• In einer speziellen Ausgestaltung kann der Begriff des „Beziehens“ als „umfassen“ ausgelegt werden. Die Eingangsdaten können einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme umfassen.
• Die Eingangsdaten können sich insbesondere auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme beziehen. Die Eingangsdaten können die Röntgenaufnahme selbst umfassen, falls diese bereits aufgenommen wurde. Beispielsweise kann die Untersuchungsart in den bzw. als Eingangsdaten verwendet werden.
• Die Eingangsdaten können sich insbesondere auf einen oder mehrere Parameter der Röntgenaufnahme beziehen. Ein Parameter der Röntgenaufnahme kann der Röhrenstrom, die Röhrenspannung, die Aufnahmezeit, ein Abstand zwischen Röntgenquelle und Untersuchungsobjekt oder Röntgendetektor, oder eine Röntgendosis sein.
• Die Eingangsdaten können sich insbesondere auf einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme beziehen. Der optische Aufnahmedatensatz bzw. eine optische Aufnahme können insbesondere den Untersuchungsbereich für die Röntgenaufnahme abbilden. Der mittels der Röntgenaufnahme zu erfassende Untersuchungsbereich kann mittels der optischen Aufnahme ausgewählt oder verifiziert werden.
• Im Schritt des Anwendens wird eine trainierte Funktion auf die Eingangsdaten mit einer Recheneinheit angewendet. Die trainierte Funktion basiert auf einem maschinellen Lernverfahren. Die Ausgangsdaten werden im Schritt des Anwendens erzeugt. Die trainierte Funktion wurde insbesondere auf das Röntgensystem angepasst. Die Ausgangsdaten können insbesondere von einer zweiten Schnittstelle bereitgestellt werden. Die trainierte Funktion kann mit von dem Röntgensystem (in der Vergangenheit) bereitgestellten Eingangstrainingsdaten auf das Röntgensystem angepasst worden sein.
• Im Allgemeinen kann eine trainierte Funktion kognitive Funktionen, welche man mit einem menschlichen Gehirn in Verbindung bringen kann, nachempfinden. Insbesondere beim Trainieren basierend auf Trainingsdaten kann die trainierte Funktion an neue Randbedingungen angepasst werden und Muster erkennen und extrapolieren.
• Im Allgemeinen können Parameter einer trainierten Funktion mittels Trainings angepasst werden. Es kann insbesondere ein überwachtes, teilüberwachtes, unüberwachtes, verstärkendes Lernen oder aktives Lernen verwendet werden. Ferner kann sogenanntes „Representation Learning“ verwendet werden. Insbesondere können die Parameter der trainierten Funktion iterativ in mehreren Schritten des Trainings angepasst werden.
• Insbesondere kann eine trainierte Funktion ein neuronales Netzwerk, eine Support-Vektor-Maschine, einen Entscheidungsbaum oder ein Bayes'sches Netz umfassen, und/oder die trainierte Funktion kann auf sogenanntem k-means clustering, Q-learning, genetischen Algorithmen und/oder Assoziationsregeln basieren. Insbesondere kann das neuronale Netzwerk ein sogenanntes Deep Neural Network, ein Convolutional Neuroal Network oder ein Convolutional Deep Neural Network sein. Ferner kann das neuronale Netzwerk ein sogenanntes adversarial network, ein deep adversarial network und/oder ein generative adversarial network sein.
• Die Klassifizierung kann eine Entscheidung oder eine Empfehlung umfassen, ob die Röntgenaufnahme diagnostisch verwendbar oder diagnostisch nicht-verwendbar ist, im Fall einer bereits aufgenommenen Röntgenaufnahme, oder sein wird, im Fall einer noch nicht aufgenommenen Röntgenaufnahme. Die Klassifizierung erfolgt insbesondere mittels der trainierten Funktion.
• Im Schritt des Bereitstellens werden die Ausgangsdaten bereitgestellt. Die Ausgangsdaten umfassen eine Klassifizierung der Röntgenaufnahme in eine diagnostisch verwendbare Röntgenaufnahme oder eine diagnostisch nicht-verwendbare Röntgenaufnahme. Beispielsweise kann dies optisch mittels einer Anzeige auf einer Anzeigeeinheit dem Benutzer mitgeteilt werden, dabei kann ein Text, eine Markierung oder ein Symbol dargestellt werden. Beispielsweise kann ein grünes Symbol oder eine grüne Markierung für eine diagnostisch verwendbare Röntgenaufnahme und ein rotes Symbol oder eine rote Markierung für eine diagnostisch nicht-verwendbare Röntgenaufnahme angezeigt werden. Ferner kann das Auslösen von Strahlung freigegeben werden, wenn die Analyse die Klassifizierung ergeben hat, dass eine diagnostische verwendbare Röntgenaufnahme entsteht. Kommt die Klassifizierung zum Resultat, dass die zu entstehende Röntgenaufnahme diagnostisch nicht-verwendbar sein würde, kann das Auslösen von Strahlung gesperrt sein oder/und eine Empfehlung zur Verbesserung der Röntgenaufnahme angezeigt werden. Die Verbesserung der Röntgenaufnahme kann beispielsweise eine Korrektur der Position des Patienten bzw. des Untersuchungsbereichs oder/und einen veränderten Parameter für die Röntgenaufnahme umfassen.
• Der Erfinder schlägt ein Verfahren vor, wobei sowohl unmittelbar als auch zeitnah der Benutzer bzw. die MTA unterstützt werden kann. Vorteilhaft kann das Verfahren in der Realisierung effizient sein. Das Verfahren kann eine Röntgenaufnahme-Analyse umfassen. Am Röntgensystem kann eine Analyse der Röntgenaufnahme durchgeführt werden. Ein intelligenter Algorithmus bzw. eine trainierte Funktion, beispielsweise ein neuronales Netzwerk, kann im Röntgensystem angewendet werden. Die trainierte Funktion kann insbesondere durch Bilder bzw. Röntgenaufnahmen und dazu in Bezug stehenden Daten vom Röntgensystem selbst trainiert werden.
• Das Verfahren kann eine Parameteranalyse umfassen. Die verwendeten oder zu verwendenden Parameter der Röntgenaufnahme, beispielsweise kV (Röhrenspannung), mAs (Röhrenstrom-Zeit-Produkt), Röntgendosis, Kollimationsgröße oder Bildverarbeitung, können mit ähnlichen Aufnahmen und mit statistischen Verteilungen verglichen werden. Dabei können auch die Patientendaten bzw. ein Patientenparameter in Betracht gezogen werden. Beispielsweise benötigt ein dickerer Patient eine höhere Röntgendosis als ein dünner. Besteht eine signifikante Abweichung, so kann das aktuelle Bild als „verworfen‟ definiert bzw. als diagnostisch nicht-verwendbare Röntgenaufnahme klassifiziert werden.
• Das Verfahren kann eine Kamerabild-Analyse umfassen. Es kann ein Kamerabild bzw. eine optische Aufnahme der Positionierung von Patient und Röntgensystem erstellt werden. Die optische Aufnahme kann insbesondere eine Aufnahme in etwa aus der Sicht der Röntgenquelle mit Blick zum Patienten bzw. Untersuchungsbereich und zum Detektor aufgenommen werden. Die optische Aufnahme kann von einem intelligenten Algorithmus bzw. der trainierten Funktion analysiert werden.
• Besonders vorteilhaft ist, dass der Algorithmus bzw. die trainierte Funktion mit Röntgensystem-eigenen Daten trainiert werden kann und der Algorithmus bzw. die trainierte Funktion auch im selben Röntgensystem eingesetzt werden kann. Die Verwurfsanalyse bzw. die Klassifizierung der Röntgenaufnahme kann damit lokal bzw. Röntgensystem-individuell erfolgen. Ggf. kann die Klassifizierung Klinik-intern erfolgen. Die Klassifizierung und insbesondere die Bestimmung der Eingangs- und Ausgangstrainingsdaten kann möglichst nah am Röntgensystem oder im Röntgensystem erfolgen, insbesondere um beispielsweise log-Dateien und ähnliches für die Eingangs- und Ausgangstrainingsdaten verwenden zu können. Vorteilhaft kann nicht nur die Information aus dem Röntgenbild für die Klassifizierung verwendet werden, sondern noch weitere Parameter bzw. Eingangsdaten. Vorteilhaft kann eine verbesserte Klassifizierung insbesondere für morbide Fälle ermöglicht werden. Vorteilhaft können, insbesondere zu erwartende, Verwürfe besser und früher erkannt werden. Die Klassifizierung kann auf eine klinische Situation, insbesondere Untersuchungsart oder/und Patientengruppe, optimiert sein.
• Die trainierte Funktion kann vorteilhaft optimiert auf dieses spezielle bzw. individuelle Röntgensystem werden und damit vorhersagen, ob ein Röntgenbild bzw. eine Röntgenaufnahme diagnostisch verwendbar ist oder nicht. Die trainierte Funktion kann vorteilhaft mit den voreingestellten Informationen, beispielsweise den Parametern der Röntgenaufnahme und/oder dem Kamerabild vorhersagen, ob die Röntgenaufnahme diagnostisch verwendbar ist oder nicht.
• Vorteilhaft bietet das Verfahren eine intelligente Verwurfsanalyse im Röntgensystem an, die mit den Röntgensystem-eigenen Daten trainiert wurde und somit optimiert auf das vorhandene Röntgensystem und auf die Gewohnheit bzw. die Vorgaben der Bediener oder der Benutzer sein kann. Auf das Röntgensystem angepasst kann z.B. heißen, dass die trainierte Funktion basierend auf Röntgensystem-eignen Daten bzw. durch das Röntgensystem bereitgestellten Eingangstrainings-/Ausgangstrainingsdaten trainiert bzw. weitertrainiert wurde. Außerdem kann das Röntgensystem-nahe Sammeln von Eingangstrainings-/Ausgangstrainingsdaten zum Trainieren eine effiziente Methode darstellen, um an Eingangstrainings-/Ausgangstrainingsdaten über den Verwurf von Bildern und an verworfene Bilder an sich heranzukommen. ‚Effizient‘ heißt, dass mehr Eingangstrainings-/Ausgangstrainingsdaten in gleicher Zeit gesammelt werden können, weniger zeitliche Lücken zwischen den Datensätzen entstehen können und/oder dass Datenschutzaspekte (da die Daten beim Benutzer bleiben) eine geringere Rolle spielen als beim Training außerhalb des Systems an einer zentralen Einheit, insbesondere falls eine organisatorisch getrennte Zuordnung von der zentralen Einheit und dem Röntgensystem vorliegt.
• Gemäß einem Aspekt der Erfindung beziehen sich die Eingangsdaten auf eine aufzunehmende Röntgenaufnahme. Die Eingangsdaten können einen optischen Aufnahmedatensatz, mindestens einen Parameter der Röntgenaufnahme, oder/und einen Patientenparameter umfassen. Ferner können sich die Eingangsdaten auch auf eine eventuell vorhandene Voraufnahme beziehen oder diese umfassen. Vorteilhaft kann eine Vorhersage getroffen werden, ob die aufzunehmende Röntgenaufnahme diagnostisch verwendbar sein wird oder nicht. Vorteilhaft können diagnostisch nicht-verwendbare Röntgenaufnahmen und damit unnötige Patientendosis vermieden werden.
• Gemäß einem Aspekt der Erfindung beziehen sich die Eingangsdaten auf eine aufgenommene Röntgenaufnahme. Vorteilhaft kann auch die Röntgenaufnahme selbst bei der Klassifizierung berücksichtigt werden, beispielsweise kann eine Bildqualität berücksichtigt werden. Dadurch kann die Klassifizierung genauer sein. Nachteil ist jedoch eine unnötige Patientendosis im Fall einer diagnostisch nicht-verwendbaren Röntgenaufnahme. Vorteilhaft ist dennoch, dass die Klassifizierung direkt am Röntgensystem erfolgen kann, so dass eine ggf. nötige Wiederholungsaufnahme mit korrigierten Aufnahmeparameter o.ä. schnell wiederholt werden kann und zwar insbesondere so zeitnah, dass sich der Patient noch am Röntgensystem befinden kann.
• Gemäß einem Aspekt der Erfindung umfasst der optische Aufnahmedatensatz eine optische Aufnahme, insbesondere mittels einer 2D- oder 3D-Kamera, eines Untersuchungsbereichs in Bezug zur Röntgenaufnahme. Die optische Aufnahme kann insbesondere den gesamten Untersuchungsbereich der Röntgenaufnahme umfassen. Eine Röntgenaufnahme, bei der in der optischen Aufnahme der Untersuchungsbereich nur teilweise umfasst ist, kann beispielsweise als diagnostisch nicht-verwendbar klassifiziert werden. Vorteilhaft kann eine Überprüfung des Aufnahmebereichs durchgeführt werden.
• Gemäß einem Aspekt der Erfindung ist ein Parameter der Röntgenaufnahme:
• - ein Röhrenstrom,
• - eine Röhrenspannung,
• - ein Abstand zwischen einem Patienten und einer Röntgenquelle des Röntgensystems, und/oder
• - eine Röntgendosis ist.
• Ein Parameter der Röntgenaufnahme kann, insbesondere in Kombination mit einer optischen Aufnahme oder einem Patientenparameter, als Eingangsdaten verwendet werden. So kann insbesondere die Dicke des Patienten bzw. des Untersuchungsbereichs berücksichtigt werden. Vorteilhaft kann beispielsweise eine ausreichende und angemessene Patientendosis für die Röntgenaufnahme erreicht werden. Ein weiterer Parameter kann eine Einblendung oder eine Kollimatoröffnung sein.
• Gemäß einem Aspekt der Erfindung wird eine Ausgabe basierend auf der Klassifizierung auf einer Anzeigeeinheit angezeigt, insbesondere umfassend einen Vorschlag zur Verbesserung der Aufnahme. Die Ausgabe der Klassifizierung kann insbesondere zeitnah erfolgen, so dass zwischen dem Erzeugen der Eingangsdaten und dem ggf. nötigen Erzeugen verbesserter bzw. korrigierter Eingangsdaten eine Veränderung der Position des Patienten eher gering ist, d.h. dass der Patient noch am Röntgensystem im Wesentlichen unverändert positioniert ist. Der Vorschlag zur Verbesserung kann beispielsweise einen zu verändernden Parameter der Röntgenaufnahme oder/und eine veränderte Positionierung des Untersuchungsbereichs umfassen. Vorteilhaft kann eine verbesserte Röntgenaufnahme ermöglicht werden.
• Gemäß einem Aspekt der Erfindung basiert die trainierte Funktion auf einem überwachten Lernverfahren. Die trainierte Funktion kann auf einem maschinellen Lernverfahren basieren. Die trainierte Funktion kann insbesondere auf einem neuronalen Netz basieren. Es können vor allem annotierte Eingangs- und Ausgangstrainingsdaten zum Trainieren verwendet werden. Es kann bevorzugt ein Deep Learning Verfahren verwendet werden. Alternativ kann ein maschinelles Lernverfahren verwendet werden. Die Features können manuell oder bevorzugt maschinell extrahiert werden. Als neuronales Netz kann Feed forward neural networks, Recurrent Neural Networks (RNN) oder bevorzugt Convolutional Neural Networks (CNN) verwendet werden. Vorteilhaft können mittels des überwachten Lernverfahrens Zusammenhänge zwischen den Eingangs- und Ausgangstrainingsdaten erschlossen werden und auf Eingangsdaten angewendet werden. Vorteilhaft kann die Röntgenaufnahme verbessert werden.
• Maschinelles Lernen im Sinne der Erfindung umfasst eine computer-implementierte Technik, bei der ein Algorithmus auf Basis von bestehenden Daten Muster bzw. Gesetzmäßigkeiten erkennt und unter Anwendung derselben in Bezug auf unbekannte, neue Daten eigenständig Lösungen ableitet. Voraussetzung für eine eigenständige Lösungsfindung ist eine Trainingsphase, in der ein Algorithmus des Maschinen-Lernens auf einen bekannten, definierten und zumeist sehr großen Datenbestand angewandt wird, um diejenigen Regeln bzw. Vorhersagen zu finden, die eine gewünschte Ausgabe bzw. ein gewünschtes Ergebnis erzielen. Das Training kann als überwachtes oder unüberwachtes Training ausgebildet sein, wobei in der ersten Variante dem Algorithmus Werte-Paare in Form von Eingangstrainingsdaten und dazu gehörigen, korrekten Ausgangstrainingsdaten präsentiert werden, wohingegen in der zweiten Variante der Algorithmus sich basierend auf den Eingangstrainingsdaten eigenständig derart selber anpassen muss, dass er die korrekten Ausgangstrainingsdaten liefert.
• Besonders vorteilhaft ist der Algorithmus des Maschinen-Lernens als künstliches neuronales Netz ausgebildet. Ein künstliches neuronales Netz orientiert sich am Aufbau eines biologischen, neuronalen Netzes wie bspw. einem menschlichen Gehirn. Ein künstliches neuronales Netz umfasst zwischen einer Eingangs- und einer Ausgangsschicht bevorzugt eine Vielzahl von weiteren Schichten jeweils umfassend wenigstens einen Knoten. Jeder Knoten entspricht dabei einer Verarbeitungseinheit, analog einem biologischen Neuron. Knoten innerhalb einer Schicht des Netzes können über gerichtete Verbindungen oder Kanten (edges) mit Knoten anderer Schichten verbunden sein. Die Verbindungen definieren den Datenfluss innerhalb des Netzes. Jeder Knoten repräsentiert folglich eine Operation, die auf die Eingangsdaten angewendet wird. Ferner verfügt jeder Knoten bzw. jede seiner Verbindungen über einen Gewichtungsparameter (weight). Über diesen Gewichtungsparameter wird der Einfluss bzw. die Wichtigkeit der Ausgabe eines Knotens als Eingabewert für einen Empfängerknoten definiert. In der Trainingsphase, die bevorzugt als überwachtes Lernen ausgeführt wird, „lernt‟ das Künstliche Neuronale Netz anhand der Trainingsdaten die Gewichtungsparameter für alle Knoten bzw. Verbindungen und passt diese solange an, bis die Ausgabeschicht des Netzes die korrekten Ausgangsdaten bzw. Ausgangstrainingsdaten liefert.
• Die erfindungsgemäße Vorgehensweise beruht ferner auf der Erkenntnis, dass ein trainierter Algorithmus des Maschinen-Lernens im Rahmen seines Trainings einen festen Zusammenhang zwischen Eingangsdatensätzen, hier Eingangstrainingsdaten bezogen auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme, und Ausgabewerten, hier eine Klassifizierung der Röntgenaufnahme bzw. Ausgangstrainingsdaten, herstellt.
• In einer Ausführungsform kann die trainierte Funktion auf einem sogenannten Deep Learning-Verfahren basieren. Beispielsweise kann ein „convolutional neural network‟, auch faltendes neuronales Netz genannt, verwendet werden. Mit anderen Worten wird gemäß dieser Ausführung mittels eines Algorithmus des Maschinen-Lernens zunächst eine Merkmalsextraktion durchgeführt, und anschließend eine sogenannte Klassifikation, wobei die identifizierten Merkmale bezogen auf eine Röntgenaufnahme einer Klassifizierung der Röntgenaufnahme zugeordnet werden können. Alternativ zu einem faltenden neuronalen Netz können auch Lange Kurzzeit-Gedächtnis (LSTM long short-term memory) Netze oder rekurrente neuronale Netze (RNN) zum Einsatz kommen, welche im Gegensatz zu den vorher genannten rückwärts gerichtete Feedback-Schleifen innerhalb der versteckten Netzschichten aufweisen.
• Gemäß einem Aspekt der Erfindung umfassen die Eingangsdaten ferner einen Patientenparameter. Der Patientenparameter kann beispielsweise aus einer Patientenakte abgerufen werden. Der Patientenparameter kann den Patienten beschreiben. Vorteilhaft kann die Röntgenaufnahme bzw. deren Parameter an den Patienten angepasst werden.
• Gemäß einem Aspekt der Erfindung ist ein Patientenparameter:
• - das Gewicht,
• - die Größe und/oder
• - das Alter
des Patienten.
• Vorteilhaft können beispielsweise Gewicht und/oder Größe einen Einfluss auf die Parameter der Röntgenaufnahme haben. Das Alter kann insbesondere hinsichtlich der Bildqualität berücksichtigt werden, nämlich dass eine beispielsweise porösere Knochenstruktur in höherem Alter kein Anzeichen für eine schlechtere Bildqualität ist. Vorteilhaft kann die Bildqualität umfassender beurteilt und berücksichtigt werden.
• Die Erfindung betrifft ferner ein computer-implentiertes Verfahren zur Bereitstellung einer Klassifizierung einer Röntgenaufnahme in Verbindung mit einem Röntgensystem aufweisend folgende Schritte:
• - Empfangen von Eingangsdaten, insbesondere mit einer ersten Schnittstelle, wobei sich die Eingangsdaten auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme beziehen,
• - Anwenden einer lokal trainierten Funktion auf die Eingangsdaten, insbesondere mit einer Recheneinheit, wobei die trainierte Funktion auf einem maschinellen Lernverfahren basiert und wobei Ausgangsdaten erzeugt werden,
• - Bereitstellen der Ausgangsdaten, insbesondere mit einer zweiten Schnittstelle, wobei die Ausgangsdaten eine Klassifizierung der Röntgenaufnahme in eine diagnostisch verwendbare Röntgenaufnahme oder eine diagnostisch nicht-verwendbare Röntgenaufnahme umfassen.
• Die Erfindung betrifft ferner ein, insbesondere computer-implementiertes, Verfahren zur Bereitstellung einer Klassifizierung einer Röntgenaufnahme in Verbindung mit einem Röntgensystem aufweisend folgende Schritte:
• - Empfangen von Eingangsdaten, insbesondere mit einer ersten Schnittstelle, wobei sich die Eingangsdaten auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme beziehen,
• - Anwenden einer lokal trainierten Funktion auf die Eingangsdaten, insbesondere mit einer Recheneinheit, wobei die trainierte Funktion auf einem maschinellen Lernverfahren basiert und wobei Ausgangsdaten erzeugt werden,
• - Bereitstellen der Ausgangsdaten, insbesondere mit einer zweiten Schnittstelle, wobei die Ausgangsdaten eine Klassifizierung der Röntgenaufnahme in eine diagnostisch verwendbare Röntgenaufnahme oder eine diagnostisch nicht-verwendbare Röntgenaufnahme umfassen.
• Der Begriff „lokal“ kann hier insbesondere bedeuten, dass die trainierte Funktion zumindest teilweise mit vom Röntgensystem erzeugten Eingangs- und Ausgangstrainigsdaten trainiert wird. Insbesondere kann die trainierte Funktion im Wesentlichen lokal innerhalb des Röntgensystems oder in einer über ein Netzwerk verbundene Trainingssystem trainiert wird. Die trainierte Funktion kann damit lokal trainiert sein. Die trainierte Funktion kann dadurch vorteilhaft an das, insbesondere lokale bzw. individuelle, Röntgensystem angepasst sein. Die trainierte Funktion kann insbesondere nur für dieses eine Röntgensystem optimal angepasst sein.
• Die Erfindung betrifft ferner ein computer-implementiertes Verfahren zur Bereitstellung einer trainierten Funktion für ein Röntgensystem. Das Verfahren umfasst folgende Schritte:
• - Empfangen von Eingangstrainingsdaten, insbesondere mit einer ersten Trainingsschnittstelle, wobei die Eingangstrainingsdaten zumindest teilweise mit dem Röntgensystem erfasst wurden, und wobei sich die Eingangstrainingsdaten auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme beziehen,
• - Empfangen von Ausgangstrainingsdaten, insbesondere mit einer zweiten Trainingsschnittstelle, wobei die Ausgangstrainingsdaten mit den Eingangstrainingsdaten in Verbindung stehen, und wobei die Ausgangstrainingsdaten eine Klassifizierung der Röntgenaufnahme in eine diagnostisch verwendbare Röntgenaufnahme oder eine diagnostisch nicht-verwendbare Röntgenaufnahme umfassen,
• - Trainieren einer trainierten Funktion basierend auf den Eingangstrainingsdaten und den Ausgangstrainingsdaten, insbesondere mit einer Trainingsrecheneinheit,
• - Bereitstellen der trainierten Funktion, insbesondere mit einer dritten Trainingsschnittstelle.
• Das Verfahren kann auch als Trainingsverfahren bezeichnet werden. Die trainierte Funktion kann insbesondere an ein Röntgensystem angepasst sein. Die trainierte Funktion kann als lokal angepasst bezeichnet werden. Die trainierte Funktion kann insbesondere lokal im Röntgensystem trainiert werden, zumindest teilweise mit Eingangs- und Ausgangstrainingsdaten aufgenommen mit dem (lokalen) Röntgensystem oder/und auf das Röntgensystem angepasst sein. Das Röntgensystem kann insbesondere ein individuelles Röntgensystem sein, an das die trainierte Funktion angepasst wird. Im Schritt des Bereitstellens kann die trainierte Funktion, insbesondere mit einer dritten Trainingsschnittstelle, insbesondere lokal, d.h. direkt am Röntgensystem bereitgestellt werden. Die erste, zweite und/oder dritte Trainingsschnittstelle können durch eine gemeinsame physikalische Trainingsschnittstelle, beispielsweise eine Nutzerschnittstelle oder Netzwerkschnittstelle, ausgebildet sein. Die erste, zweite und/oder dritte Trainingsschnittstelle können eine Teiltrainingsschnittstelle der, insbesondere gemeinsamen, physikalischen Trainingsschnittstelle sein.
• Die Ausgangstrainingsdaten stehen insbesondere mit den Eingangstrainingsdaten in Verbindung. Die Eingangstrainingsdaten können insbesondere annotiert sein, d.h. insbesondere mit den Ausgangstrainingsdaten verknüpft sein. Einem Eingangstrainingsdaten(-satz) kann, insbesondere genau, ein Ausgangstrainingsdaten(-satz) zugeordnet sein. Beispielsweise kann einem optischen Aufnahmedatensatz die Klassifikation einer diagnostisch verwendbaren Röntgenaufnahme zugeordnet sein. Die Annotation kann insbesondere am (lokalen) Röntgensystem oder alternativ an einem damit verbundenen Bildbetrachtungssystem o.ä. erfolgen.
• Im Schritt des Trainierens wird eine trainierte Funktion basierend auf den Eingangstrainingsdaten und den Ausgangstrainingsdaten mit einer Trainingsrecheneinheit trainiert. Das Trainieren kann enthalten, dass zunächst vorläufige Ausgangsdaten durch Anwenden der trainierten Funktion auf die Eingangstrainingsdaten bestimmt werden und die trainierte Funktion basierend auf dem Vergleich zwischen den zunächst vorläufigen Ausgangsdaten und Ausgangstrainingsdaten angepasst wird.
• Die trainierte Funktion kann bereits trainiert sein. Die trainierte Funktion kann alternativ noch nicht trainiert sein. Bei der trainierten Funktion kann es sich um eine noch nicht trainierte Funktion handeln. Das erfindungsgemäße Verfahren kann ein Weitertrainieren der trainierten Funktion umfassen. Beispielsweise kann das Trainieren als ein Anpassungsschritt bzw. -training auf die Eingangstrainingsdaten und die Ausgangstrainingsdaten des (lokalen) Röntgensystems ausgebildet sein. Beispielsweise für den Fall, dass (noch) nicht genügend Eingangstrainingsdaten und Ausgangstrainingsdaten des Röntgensystems vorliegen, um ein Training, insbesondere nur, basierend auf eigenen Eingangstrainingsdaten und Ausgangstrainingsdaten des Röntgensystems durchzuführen. Die trainierte Funktion kann mit Trainingsdaten mindestens eines anderen Röntgensystems (vor-)trainiert werden und anschließend im Schritt des Trainierens an das Röntgensystem angepasst werden. Vorteilhaft kann die trainierte Funktion an das Röntgensystem angepasst sein. Vorteilhaft kann eine höhere Effizienz und eine Reduzierung von Wiederholungsaufnahme erreicht werden.
• Gemäß einem Aspekt der Erfindung wird hinsichtlich der Eingangstrainingsdaten ein Röntgenaufnahmedatensatz bzw. eine Röntgenaufnahme:
• - einer gelöschten Röntgenaufnahme,
• - einer nicht an ein Archivierungssystem versendeten Röntgenaufnahme,
• - einer wiederholten Röntgenaufnahme,
• - einer vorherigen Röntgenaufnahme einer zeitlich schnell nachfolgenden Röntgenaufnahme,
• - einer Röntgenaufnahme mit unzureichender Bildqualität, oder
• - eine manuelle Eingabe eines Verwurfsgrunds, in Verbindung mit
• - einem optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme,
• - einem Bildqualitätsparameter,
• - einem Parameter der Röntgenaufnahme, und/oder
• - einem Patientenparameter
in den Ausgangstrainingsdaten als diagnostisch nicht-verwendbare Röntgenaufnahme klassifiziert.
• Der Bildqualitätsparameter kann sich insbesondere auf die Röntgenaufnahme beziehen. Zum Erreichen einer verbesserten Verwurfsanalyse kann es besonders wichtig sein, eine ausreichende und qualitativ hochwertige Datenbasis in Form von Eingangs- und Ausgangstrainingsdaten zur Verfügung zu haben. Insbesondere kann es wichtig sein, eine Datenbasis zu nutzen, die direkt am Röntgensystem erzeugt wurde. Vorteilhaft können Unterschiede zwischen verschiedenen Röntgensystemen, verschiedenen Patientengruppen, verschiedene Benutzergruppen oder verschiedenen Untersuchungsarten besonders gut berücksichtigt werden.
• Zunächst können Eingangs- und Ausgangstrainingsdaten, insbesondere gemeinsam, erzeugt werden. Die Eingangs- und Ausgangstrainingsdaten können im laufenden Betrieb gesammelt werden, d.h. die Eingangs- und Ausgangstrainingsdaten können ohne zusätzlichen Aufwand entstehen. Es können ggf. kontinuierlich neue Eingangs- und Ausgangstrainingsdaten erzeugt werden, wodurch die Datenbasis zum Trainieren zunehmend größer werden kann. Falls die trainierte Funktion anfangs mit Eingangs- und Ausgangstrainingsdaten eines anderen Röntgensystems trainiert wurden, so kann durch kontinuierliches Hinzufügen neuer oder weiterer Eingangs- und Ausgangstrainingsdaten des (lokalen) Röntgensystems durch Anpassung an das Röntgensystem optimiert werden.
• Die Eingangstrainingsdaten können sich insbesondere auf einen Röntgenaufnahmedatensatz einer Röntgenaufnahme beziehen, beispielsweise einen Bildqualitätsparameter. Als Eingangstrainingsdaten können bevorzugt ein optischer Aufnahmedatensatz bezüglich der Röntgenaufnahme, ein Bildqualitätsparameter, einem Parameter der Röntgenaufnahme, und/oder ein Patientenparameter verwendet werden. Insbesondere kann eine Kombination der vorstehenden Daten als Eingangstrainingsdaten verwendet werden. Es können auch verschiedenartige Eingangstrainingsdaten zum Trainieren verwendet werden, beispielsweise ein optischer Aufnahmedatensatz in Verbindung mit dazugehörigen Ausgangstrainingsdaten und ein Parameter der Röntgenaufnahme in Verbindung mit dazugehörigen Ausgangstrainingsdaten.
• Die Annotierung kann ebenfalls am Röntgensystem durchgeführt werden. Röntgenaufnahmen, die an ein Bildbetrachtungssystem oder insbesondere an ein Archivierungssystem gesendet werden, können beispielsweise als diagnostisch verwendbar klassifiziert werden. Als diagnostisch nicht-verwendbare Röntgenaufnahme können eine gelöschte Röntgenaufnahme, eine nicht an ein Archivierungssystem versendete Röntgenaufnahme, eine wiederholte Röntgenaufnahme, eine vorherige Röntgenaufnahme einer zeitlich schnell nachfolgenden Röntgenaufnahme, eine Röntgenaufnahme mit unzureichender Bildqualität oder eine manuelle Eingabe eines Verwurfsgrunds, insbesondere durch den Benutzer (sog. Reject Analysis on system), als diagnostisch nicht-verwendbare Röntgenaufnahme klassifiziert werden. Ein Verwurfsgrund kann beispielsweise eine vom Benutzer ermittelte unzureichende Bildqualität bezüglich der Eingangsdaten, insbesondere einer Röntgenaufnahme, oder eine Bewegung des Patienten während der Aufnahme sein.
• Die Analyse, welche Bilder verworfen werden, kann, insbesondere an dem speziellen bzw. lokalen, Röntgensystem durchgeführt werden. Am Röntgensystem kann auf die notwendigen Daten zugegriffen werden. Einige der nachfolgenden Daten sind nur direkt am Röntgensystem zugänglich, beispielsweise die Information über gelöschte oder nicht-versendete Daten. Insbesondere Wiederholungen von Röntgenaufnahmen und ein zeitlich schnelles Aufeinanderfolgen von Röntgenaufnahmen kann als Verwerfen bzw. diagnostisch nicht-verwendbar angesehen und klassifiziert werden.
• Hinsichtlich der Eingangstrainingsdaten kann eine Analyse der Röntgenaufnahmen bezüglich mindestens eines Qualitätskriteriums erfolgen. Ferner können Parameter der Röntgenaufnahme oder demographische Patientendaten bzw. Patientenparameter, wenn vorhanden beispielsweise Alter, Gewicht oder Größe, oder/und ein Kamerabild der Positionierung von Patient und Röntgensystem zueinander, hier auch als optische Aufnahme bezeichnet, als Eingangstrainingsdaten verwendet werden.
• Beispielsweise können aufgrund des Status, ob eine Röntgenaufnahme an das Archivierungssystem, beispielsweise PACS, geschickt wurde oder nicht, die Röntgenaufnahmen in „akzeptiert“ oder „verworfen“ bzw. „diagnostisch verwendbar“ oder „diagnostisch nicht-verwendbar“ klassifiziert werden. Dieser Status kann als Ground Truth für das Training des Netzwerkes definiert werden.
• Vorteilhaft können systemnah bzw. direkt im Röntgensystem die annotierten Eingangs- und Ausgangstrainingsdaten erzeugt bzw. erhalten werden. Vorteilhaft kann die trainierte Funktion besonders auf das Röntgensystem optimiert werden.
• Die Erfindung betrifft ferner ein erfindungsgemäßes computer-implementiertes Verfahren zur Bereitstellung einer Klassifizierung einer Röntgenaufnahme, wobei die trainierte Funktion durch ein erfindungsgemäßes computer-implementiertes Verfahren zur Bereitstellung einer trainierten Funktion bereitgestellt wird, um eine Klassifizierung einer Röntgenaufnahme in Verbindung mit einem Röntgensystem durchzuführen. Vorteilhaft kann die trainierte Funktion besonders gut an das Röntgensystem angepasst sein. Vorteilhaft kann die Verwurfsrate gesenkt werden.
• Die Erfindung betrifft ferner ein erfindungsgemäßes computer-implementiertes Verfahren zur Bereitstellung einer Klassifizierung einer Röntgenaufnahme in Verbindung mit einem Röntgensystem aufweisend folgende Schritte:
• - Empfangen von Eingangsdaten, insbesondere mit einer ersten Schnittstelle, wobei sich die Eingangsdaten auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme beziehen,
• - Anwenden einer trainierten Funktion auf die Eingangsdaten, insbesondere mit einer Recheneinheit, wobei die trainierte Funktion auf einem maschinellen Lernverfahren basiert und wobei Ausgangsdaten erzeugt werden, wobei die trainierte Funktion auf das Röntgensystem angepasst wurde
• - Bereitstellen der Ausgangsdaten, insbesondere mit einer zweiten Schnittstelle, wobei die Ausgangsdaten eine Klassifizierung der Röntgenaufnahme in eine diagnostisch verwendbare Röntgenaufnahme oder eine diagnostisch nicht-verwendbare Röntgenaufnahme umfassen,
wobei die trainierte Funktion durch ein erfindungsgemäßes computer-implementiertes Verfahren zur Bereitstellung einer trainierten Funktion für ein Röntgensystem bereitgestellt wird, welches die folgenden Schritte aufweist:
• - Empfangen von Eingangstrainingsdaten, insbesondere mit einer ersten Trainingsschnittstelle, wobei die Eingangstrainingsdaten zumindest teilweise mit dem Röntgensystem erfasst wurden, und wobei sich die Eingangstrainingsdaten auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme beziehen,
• - Empfangen von Ausgangstrainingsdaten, insbesondere mit einer zweiten Trainingsschnittstelle, wobei die Ausgangstrainingsdaten mit den Eingangstrainingsdaten in Verbindung stehen, und wobei die Ausgangstrainingsdaten eine Klassifizierung der Röntgenaufnahme in eine diagnostisch verwendbare Röntgenaufnahme oder eine diagnostisch nicht-verwendbare Röntgenaufnahme umfassen,
• - Trainieren einer trainierten Funktion basierend auf den Eingangstrainingsdaten und den Ausgangstrainingsdaten, insbesondere mit einer Trainingsrecheneinheit,
• - Bereitstellen der trainierten Funktion, insbesondere mit einer dritten Trainingsschnittstelle.
• Die Erfindung betrifft ferner ein Röntgensystem aufweisend:
• - eine erste Schnittstelle zum Empfangen von Eingangsdaten, wobei sich die Eingangsdaten auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme beziehen,
• - eine Rechnereinheit zum Anwenden einer an das Röntgensystem angepassten trainierten Funktion auf die Eingangsdaten, wobei Ausgangsdaten erzeugt werden, wobei die trainierte Funktion auf einem maschinellen Lernverfahren basiert,
• - eine zweite Schnittstelle zum Bereitstellen von Ausgangsdaten, wobei die Ausgangsdaten eine Klassifizierung der Röntgenaufnahme in eine diagnostisch verwendbare Röntgenaufnahme oder eine diagnostisch nicht-verwendbare Röntgenaufnahme umfassen.
• Das Röntgensystem kann insbesondere ein Radiographiesystem sein. Das Röntgensystem kann ferner als Computertomographiesystem, Angiographiesystem, Fluoroskopiesystem oder Mammographiesystem ausgebildet sein. Vorteilhaft kann die Verwurfsrate am Röntgensystem reduziert werden. Die erste und zweite Schnittstelle können jeweils eine Teilschnittstelle einer, insbesondere gemeinsamen, physikalischen Schnittstelle sein.
• Das Röntgensystem kann insbesondere eine Röntgenquelle und einen Röntgendetektor aufweisen. Zwischen der Röntgenquelle und dem Röntgendetektor kann das Untersuchungsobjekt mit dem Untersuchungsbereich angeordnet werden. Bei einer Röntgenaufnahme kann eine Röntgenaufnahmedatensatz erzeugt werden. Dieser kann neben der Röntgenaufnahme bzw. dem Röntgenbild weitere Daten umfassen, beispielsweise Aufnahmeparameter. Das Röntgensystem kann ferner einer Anzeigeeinheit, beispielsweise einen Bildschirm, zum Anzeigen der Ausgangsdaten umfassen. Das Röntgensystem kann ferner eine Eingabeeinheit, beispielsweise eine Tastatur, Maus oder eine andere berührungsempfindliche Eingabeeinheit, zum Eingeben von Benutzereingaben umfassen.
• Die Erfindung betrifft ferner ein Computerprogrammprodukt mit einem Computerprogramm, welches direkt in eine Speichereinrichtung einer Steuereinrichtung eines erfindungsgemäßen Röntgensystems ladbar ist, mit Programmabschnitten, um alle Schritte eines erfindungsgemäßen Verfahrens zur Bereitstellung einer Klassifizierung auszuführen, wenn das Computerprogramm in der Steuereinrichtung des Röntgensystems ausgeführt wird. Vorteilhaft kann das erfindungsgemäße Verfahren automatisch und insbesondere direkt innerhalb des Röntgensystems durchgeführt werden.
• Die Erfindung betrifft ferner ein computerlesbares Medium, auf welchem von einer Rechnereinheit einlesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte eines erfindungsgemäßen Verfahrens zur Bereitstellung einer Klassifizierung auszuführen, wenn die Programmabschnitte von dem erfindungsgemäßen Röntgensystem ausgeführt werden. Vorteilhaft kann das erfindungsgemäße Verfahren automatisch und insbesondere direkt innerhalb des Röntgensystems durchgeführt werden.
• Die Erfindung kann ferner ein Trainingssystem betreffen, aufweisend:
• - eine erste Trainingsschnittstelle zum Empfangen von Eingangstrainingsdaten, wobei die Eingangstrainingsdaten zumindest teilweise mit dem Röntgensystem erfasst wurden, und wobei sich die Eingangstrainingsdaten auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme beziehen,
• - eine zweite Trainingsschnittstelle zum Empfangen von Ausgangstrainingsdaten, wobei die Ausgangstrainingsdaten mit den Eingangstrainingsdaten in Verbindung stehen, und wobei die Ausgangstrainingsdaten eine Klassifizierung der Röntgenaufnahme in eine diagnostisch verwendbare Röntgenaufnahme oder eine diagnostisch nicht-verwendbare Röntgenaufnahme umfassen,
• - eine Trainingsrecheneinheit zum Trainieren einer Funktion basierend auf den Eingangstrainingsdaten und den Ausgangstrainingsdaten,
• - eine dritte Trainingsschnittstelle zum Bereitstellen der trainierten Funktion.
• In einer besonders vorteilhaften Ausgestaltung kann das Trainingssystem vom Röntgensystem umfasst sein. Alternativ kann das Trainingssystem mittels eines Netzwerks mit dem Röntgensystem verbunden sein. Vorteilhaft kann die trainierte Funktion an das Röntgensystem angepasst werden. Besonders bevorzugt kann durch Anpassung mit neuen Eingangs- und Ausgangstrainingsdaten die trainierte Funktion weiter an das Röntgensystem angepasst werden.
• Die Erfindung betrifft ferner ein Computerprogrammprodukt mit einem Computerprogramm, welches direkt in eine Speichereinrichtung einer Steuereinrichtung eines erfindungsgemäßen Trainingssystems ladbar ist, mit Programmabschnitten, um alle Schritte eines erfindungsgemäßen Verfahrens zur Bereitstellung einer trainierten Funktion auszuführen, wenn das Computerprogramm in der Steuereinrichtung des Trainingssystems ausgeführt wird. Die Erfindung betrifft ferner ein computerlesbares Medium, auf welchem von einer Rechnereinheit einlesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte eines erfindungsgemäßen Verfahrens zur Bereitstellung einer trainierten Funktion auszuführen, wenn die Programmabschnitte von dem erfindungsgemäßen Trainingssystem ausgeführt werden.
• Nachfolgend werden Ausführungsbeispiele der Erfindung anhand von Zeichnungen näher erläutert. Hierbei zeigt:
• 1 eine schematische Darstellung des erfindungsgemäßen Verfahrens zur Bereitstellung einer Klassifizierung einer Röntgenaufnahme;
• 2 eine schematische Darstellung eines erfindungsgemäßen künstlichen neuronalen Netzes;
• 3 eine schematische Darstellung des erfindungsgemäßen Verfahrens zur Bereitstellung einer trainierten Funktion;
• 4 eine schematische Darstellung des erfindungsgemäßen Röntgensystems; und
• 5 eine schematische Darstellung des erfindungsgemäßen Trainingssystems.
• Die 1 zeigt eine beispielhafte Ausführung eines erfindungsgemäßen Verfahrens 1 zur Bereitstellung einer Klassifizierung einer Röntgenaufnahme in Verbindung mit einem Röntgensystem. Das Verfahren 1 weist die folgenden Schritte auf: Im Schritt des Empfangens 2 werden Eingangsdaten, insbesondere mit einer ersten Schnittstelle, empfangen, wobei sich die Eingangsdaten auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme beziehen. Im Schritt des Anwendens 3 wird eine trainierte Funktion auf die Eingangsdaten mit einer Recheneinheit angewendet, wobei die trainierte Funktion auf einem maschinellen Lernverfahren basiert, wobei Ausgangsdaten erzeugt werden, und wobei die trainierte Funktion auf das Röntgensystem angepasst wurde. Der Schritt des Anwendens 3 kann alternativ als ein Anwenden einer lokal trainierten Funktion auf die Eingangsdaten mit einer Recheneinheit beschrieben werden, wobei die trainierte Funktion auf einem maschinellen Lernverfahren basiert und wobei Ausgangsdaten erzeugt werden. Im Schritt des Bereitstellens 4 werden die Ausgangsdaten bereitgestellt, wobei die Ausgangsdaten eine Klassifizierung der Röntgenaufnahme in eine diagnostisch verwendbare Röntgenaufnahme oder eine diagnostisch nicht-verwendbare Röntgenaufnahme umfassen. Das Verfahren zur Bereitstellung einer Klassifizierung verwendet die trainierte Funktion, die durch das Verfahren zur Bereitstellung einer trainierten Funktion bereitgestellt wird, um eine Klassifizierung einer Röntgenaufnahme in Verbindung mit einem Röntgensystem durchzuführen.
• Die Eingangsdaten beziehen sich auf eine aufzunehmende Röntgenaufnahme und/oder auf eine aufgenommene Röntgenaufnahme. Der optische Aufnahmedatensatz umfasst eine optische Aufnahme, insbesondere mittels einer 2D- oder 3D-Kamera, eines Untersuchungsbereichs in Bezug zur Röntgenaufnahme. Ein Parameter der Röntgenaufnahme ist ein Röhrenstrom, eine Röhrenspannung, ein Abstand zwischen einem Patienten und einer Röntgenquelle des Röntgensystems, und/oder eine Röntgendosis ist. Die Eingangsdaten umfassen ferner einen Patientenparameter, wobei ein Patientenparameter das Gewicht, die Größe und/oder das Alter des Patienten ist. Eine Ausgabe 5 wird basierend auf der Klassifizierung auf einer Anzeigeeinheit angezeigt, insbesondere umfassend einen Vorschlag zur Verbesserung der Aufnahme. Die Anzeigeeinheit kann beispielsweise ein Bildschirm sein.
• Die 2 zeigt ein künstliches neuronales Netz 100, wie es im Verfahren gemäß 1 zum Einsatz kommen kann. Das neuronale Netz kann auch als künstliches neuronales Netz, künstliches neuronales Netzwerk oder neuronales Netzwerk bezeichnet werden.
• Das neuronale Netz 100 umfasst Knoten 120,..., 129 und Kanten 140,141, wobei jede Kante 140,141 eine gerichtete Verbindung von einem ersten Knoten 120,..,129 zu einem zweiten Knoten 120,...,129 ist. Im Allgemeinen sind der erste Knoten 120,...,129 und der zweite Knoten 120,129 unterschiedliche Knoten, es ist auch möglich, dass der erste Knoten 120,...,129 und der zweite Knoten 120,...,129 identisch sind. Eine Kante 140,141 von einem ersten Knoten 120,...,129 zu einem zweiten Knoten 120,...,129 kann auch als eingehende Kante für den zweiten Knoten und als ausgehende Kante für den ersten Knoten 120,...,129 bezeichnet werden.
• Das neuronale Netz 100 antwortet auf Eingabewerte x⁽¹⁾ ₁, x(¹)₂, x⁽¹⁾ ₃ zu einer Vielzahl von Eingangsknoten 120, 121, 122 der Eingangsschicht 110. Die Eingabewerte x⁽¹⁾ ₁, x⁽¹⁾ ₂, x⁽¹⁾ ₃ werden angewendet, um eine oder eine Vielzahl von Ausgaben x⁽³⁾ ₁, x⁽³⁾ ₂ zu erzeugen. Der Knoten 120 ist beispielsweise über eine Kante 140 mit dem Knoten 123 verbunden. Der Knoten 121 ist beispielsweise über die Kante 141 mit dem Knoten 123 verbunden.
• Das neuronale Netz 100 lernt in diesem Ausführungsbeispiel, indem es die Gewichtungsfaktoren w_i,j (weights) der einzelnen Knoten basierend auf Trainingsdaten anpasst. Mögliche Eingabewerte x⁽¹⁾ ₁, x⁽¹⁾ ₂, x⁽¹⁾ ₃ der Eingangsknoten 120, 121, 122 können beispielsweise eine Röntgenaufnahme charakterisierende Merkmale sein, die zuvor aus einem Röntgenaufnahmedatensatz der Röntgenaufnahme, einem optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einem Parameter der Röntgenaufnahme extrahiert wurden. Alternativ können die Eingabewerte der Röntgenaufnahmedatensatz der Röntgenaufnahme, ein optischer Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder ein Parameter der Röntgenaufnahme selbst sein, insbesondere wenn das neuronale Netz 100 ausgebildet ist, auch die Merkmalsextraktion durchzuführen. Beliebige andere Eingabewerte können zur Anwendung kommen.
• Das neuronale Netz 100 gewichtet die Eingabewerte der Eingangsschicht 110 basierend auf dem Lernprozess. Die Ausgabewerte der Ausgangsschicht 112 des neuronalen Netzes 100 entsprechen bevorzugt einer Klassifizierung der Röntgenaufnahme. Die Ausgabe kann über einen einzelnen oder eine Vielzahl von Ausgabeknoten x⁽³⁾ ₁, x⁽³⁾ ₂ in der Ausgabeschicht 112 erfolgen.
• Das künstliche neuronale Netz 100 umfasst bevorzugt eine versteckte Schicht 111, die eine Vielzahl von Knoten x⁽²⁾ ₁, x⁽²⁾ ₂, x⁽²⁾ ₃ umfasst. Es können mehrere versteckte Schichten vorgesehen sein, wobei eine versteckte Schicht Ausgabewerte einer anderen versteckten Schicht als Eingabewerte verwendet. Die Knoten einer versteckten Schicht 111 verrichten mathematische Operationen. Ein Ausgabewert eines Knotens x⁽²⁾ ₁, x⁽²⁾ ₂, x⁽²⁾ ₃ entspricht dabei einer nicht-linearen Funktion f seiner Eingabewerte x⁽¹⁾ ₁, x⁽¹⁾ ₂, x⁽¹⁾ ₃ und der Gewichtungsfaktoren w_i,j Nach dem Erhalt von Eingabewerten x⁽¹⁾ ₁, x⁽¹⁾ ₂, x⁽¹⁾ ₃ führt ein Knoten x⁽²⁾ ₁, x⁽²⁾ ₂, x⁽²⁾ ₃ eine Summierung einer mit den Gewichtungsfaktoren w_i,j gewichteten Multiplikation jedes Eingabewerts x⁽¹⁾ ₁, x⁽¹⁾ ₂, x⁽¹⁾ ₃ durch, wie durch folgende Funktion bestimmt: $${\text{x}}_{\text{j}}^{\left(\text{n}+1\right)}=\text{f}\left({\displaystyle {\sum }_{\text{i}}{\text{x}}_{\text{i}}^{\left(\text{n}\right)}}\cdot {\text{w}}_{\text{i},\text{j}}^{\left(\text{n}\right)}\right).$$

  
• Der Wichtungsfaktor w_i,j kann insbesondere eine reelle Zahl, insbesondere im Intervall von [-1;1] oder [0;1] liegen. Der Wichtungsfaktor ${\text{w}}_{\text{i},\text{j}}^{\left(\text{m},\text{n}\right)}$

  

  bezeichnet das Gewischt der Kante zwischen dem i-ten Knoten einer m-ten Schicht 110,11,112 und einem j-ten Knoten der n-ten Schicht 110,111,112. Der Wichtungsfaktor ${\text{w}}_{\text{i},\text{j}}^{\left(\text{m},\text{n}\right)}$

  

  ist eine Abkürzung für den Wichtungsfaktor
• Insbesondere wird ein Ausgabewert eines Knotens x⁽²⁾ ₁, x⁽²⁾ ₂, x⁽²⁾ ₃ als Funktion f einer Knoten-Aktivierung, beispielsweise eine Sigmoidalfunktion oder eine lineare Rampenfunktion gebildet. Die Ausgabewerte x⁽²⁾ ₁, x⁽²⁾ ₂, x⁽²⁾ ₃ werden an den bzw. die Ausgabeknoten 128,129 übertragen. Erneut wird eine Summierung einer gewichteten Multiplikation jedes Ausgabewertes x⁽²⁾ ₁, x⁽²⁾ ₂, x⁽²⁾ ₃ als Funktion der Knoten-Aktivierung f und damit die Ausgabewerte x⁽³⁾ ₁, x⁽³⁾ ₂ berechnet.
• Das hier gezeigte neuronale Netz 100 ist ein Feedforward neuronales Netz, bei dem alle Knoten 111 die Ausgabewerte einer vorherigen Schicht in Form ihrer gewichteten Summe als Eingabewerte verarbeiten. Selbstredend können erfindungsgemäß auch andere neuronale Netztypen zum Einsatz kommen, bspw. Feedback-Netze, bei denen ein Eingabewert eines Knotens gleichzeitig auch sein Ausgabewert sein kann.
• Das neuronale Netz 100 wird mittels einer Methode des überwachten Lernens trainiert, um Muster zu erkennen. Eine bekannte Vorgehensweise ist die Back-Propagation, die für alle Ausführungsbeispiele der Erfindung angewandt werden kann. Während des Trainings wird das neuronale Netz 100 auf Eingangstrainingsdaten bzw. -werten angewandt und muss entsprechende, vorher bekannte Ausgangstrainingsdaten bzw. -werte erzeugen. Iterativ werden mittlere quadratische Fehler (mean square error - „MSE“) zwischen berechneten und erwarteten Ausgabewerten berechnet und einzelne Gewichtungsfaktoren so lange angepasst, bis die Abweichung zwischen berechneten und erwarteten Ausgabewerten unterhalb einer vorbestimmten Schwelle liegt.
• Die 3 zeigt eine beispielhafte Ausgestaltung des erfindungsgemäßen Verfahrens 10 zur Bereitstellung einer trainierten Funktion. Das computer-implementiertes Verfahren 10 zur Bereitstellung einer trainierten Funktion für ein Röntgensystem weist folgende Schritte auf: Im Schritt des Empfangens 11 werden Eingangstrainingsdaten, insbesondere mit einer ersten Trainingsschnittstelle, empfangen, wobei die Eingangstrainingsdaten zumindest teilweise mit dem Röntgensystem erfasst wurden, und wobei sich die Eingangstrainingsdaten auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme beziehen. Im Schritt des Empfangen 12 werden Ausgangstrainingsdaten, insbesondere mit einer zweiten Trainingsschnittstelle, empfangen, wobei die Ausgangstrainingsdaten mit den Eingangstrainingsdaten in Verbindung stehen, und wobei die Ausgangstrainingsdaten eine Klassifizierung der Röntgenaufnahme in eine diagnostisch verwendbare Röntgenaufnahme oder eine diagnostisch nicht-verwendbare Röntgenaufnahme umfassen. Im Schritt des Trainierens 13 wird eine trainierte Funktion basierend auf den Eingangstrainingsdaten und den Ausgangstrainingsdaten, insbesondere mit einer Trainingsrecheneinheit, trainiert. Im Schritt des Bereitstellens 14 wird die trainierte Funktion, insbesondere mit einer dritten Trainingsschnittstelle, bereitgestellt.
• Hinsichtlich der Eingangstrainingsdaten ein Röntgenaufnahmedatensatz wird eine gelöschte Röntgenaufnahme, eine nicht an ein Archivierungssystem versendeten Röntgenaufnahme, eine wiederholte Röntgenaufnahme, eine vorherige Röntgenaufnahme einer zeitlich schnell nachfolgenden Röntgenaufnahme, eine Röntgenaufnahme mit unzureichender Bildqualität oder eine manuelle Eingabe eines Verwurfsgrunds in Verbindung mit einem optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, einem Bildqualitätsparameter, einem Parameter der Röntgenaufnahme, oder einem Patientenparameter in den Ausgangstrainingsdaten als diagnostisch nicht-verwendbare Röntgenaufnahme klassifiziert. Die trainierte Funktion wird durch das Verfahren zur Bereitstellung einer trainierten Funktion bereitgestellt, um eine Klassifizierung einer Röntgenaufnahme in Verbindung mit einem Röntgensystem durchzuführen.
• Die 4 zeigt eine beispielhafte Ausgestaltung eines erfindungsgemäßen Röntgensystems 20. Das Röntgensystem 20 weist eine erste Schnittstelle 21 zum Empfangen von Eingangsdaten auf, wobei sich die Eingangsdaten auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme beziehen. Das Röntgensystem 20 weist ferner eine Rechnereinheit 22 zum Anwenden einer an das Röntgensystem angepassten trainierten Funktion auf die Eingangsdaten auf, wobei Ausgangsdaten erzeugt werden, wobei die trainierte Funktion auf einem maschinellen Lernverfahren basiert. Das Röntgensystem 20 weist ferner eine zweite Schnittstelle 23 zum Bereitstellen von Ausgangsdaten auf, wobei die Ausgangsdaten eine Klassifizierung der Röntgenaufnahme in eine diagnostisch verwendbare Röntgenaufnahme oder eine diagnostisch nicht-verwendbare Röntgenaufnahme umfassen.
• Das Röntgensystem 20 weist ferner eine Röntgenquelle 24 und bevorzugt eine Kamera 25 angeordnet an der Röntgenquelle 24 auf. Das Untersuchungsobjekt 26 ist zwischen der Röntgenquelle 24 und dem Röntgendetektor 27 angeordnet. Die Röntgenquelle 24 und der Röntgendetektor 27 sind insbesondere mit der ersten Schnittstelle 21 verbunden. Die erste Schnittstelle 21 und die zweite Schnittstelle 23 können eine gemeinsame physikalische Schnittstelle sein.
• Es kann ferner ein Computerprogrammprodukt mit einem Computerprogramm umfasst sein, welches direkt in eine Speichereinrichtung einer Steuereinrichtung des Röntgensystems 20 ladbar ist, mit Programmabschnitten, um alle Schritte eines Verfahrens zur Bereitstellung einer Klassifizierung auszuführen, wenn das Computerprogramm in der Steuereinrichtung des Röntgensystems ausgeführt wird. Die Steuereinrichtung kann die Rechnereinheit 22 umfassen. Es kann ferner ein computerlesbares Medium umfasst sein, auf welchem von einer Rechnereinheit einlesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte eines Verfahrens zur Bereitstellung einer Klassifizierung auszuführen, wenn die Programmabschnitte von dem Röntgensystem 20 ausgeführt werden.
• Die 5 zeigt eine beispielshafte Ausführung eines erfindungsgemäßen Trainingssystems 30. Das Trainingssystem 30 weist eine erste Trainingsschnittstelle 31 zum Empfangen von Eingangstrainingsdaten auf, wobei die Eingangstrainingsdaten zumindest teilweise mit dem Röntgensystem erfasst wurden, und wobei sich die Eingangstrainingsdaten auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme beziehen. Das Trainingssystem 30 weist ferner eine zweite Trainingsschnittstelle 32 zum Empfangen von Ausgangstrainingsdaten auf, wobei die Ausgangstrainingsdaten mit den Eingangstrainingsdaten in Verbindung stehen, und wobei die Ausgangstrainingsdaten eine Klassifizierung der Röntgenaufnahme in eine diagnostisch verwendbare Röntgenaufnahme oder eine diagnostisch nicht-verwendbare Röntgenaufnahme umfassen. Das Trainingssystem 30 weist ferner eine Trainingsrecheneinheit 33 zum Trainieren einer Funktion basierend auf den Eingangstrainingsdaten und den Ausgangstrainingsdaten auf. Das Trainingssystem 30 weist ferner eine dritte Trainingsschnittstelle 34 zum Bereitstellen der trainierten Funktion auf. Die erste, zweite und/oder dritte Trainingsschnittstelle 31,32,34 können jeweils eine Teiltrainingsschnittstelle der, insbesondere gemeinsamen, physikalischen Trainingsschnittstelle sein.
• In einer besonders vorteilhaften Ausgestaltung kann das Trainingssystem vom Röntgensystem umfasst sein. Alternativ kann das Trainingssystem mittels eines Netzwerks mit dem Röntgensystem verbunden sein. Vorteilhaft kann die trainierte Funktion an das Röntgensystem angepasst werden. Besonders bevorzugt kann durch Anpassung mit neuen Eingangs- und Ausgangstrainingsdaten die trainierte Funktion weiter an das Röntgensystem angepasst werden.
• Es kann ferner ein Computerprogrammprodukt mit einem Computerprogramm umfasst sein, welches direkt in eine Speichereinrichtung einer Steuereinrichtung eines erfindungsgemäßen Trainingssystems ladbar ist, mit Programmabschnitten, um alle Schritte eines erfindungsgemäßen Verfahrens zur Bereitstellung einer trainierten Funktion auszuführen, wenn das Computerprogramm in der Steuereinrichtung des Trainingssystems ausgeführt wird. Die Erfindung betrifft ferner ein computerlesbares Medium, auf welchem von einer Rechnereinheit einlesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte eines erfindungsgemäßen Verfahrens zur Bereitstellung einer trainierten Funktion auszuführen, wenn die Programmabschnitte von dem erfindungsgemäßen Trainingssystem ausgeführt werden.
• Obwohl die Erfindung im Detail durch das bevorzugte Ausführungsbeispiel näher illustriert wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen.
• ZITATE ENTHALTEN IN DER BESCHREIBUNG
• Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
• Zitierte Patentliteratur
• DE 102016226230 A1 [0003]

Claims (15)

1. Computer-implementiertes Verfahren (1) zur Bereitstellung einer Klassifizierung einer Röntgenaufnahme in Verbindung mit einem Röntgensystem (20) aufweisend folgende Schritte: - Empfangen (2) von Eingangsdaten, wobei sich die Eingangsdaten auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme beziehen, - Anwenden (3) einer trainierten Funktion auf die Eingangsdaten, wobei die trainierte Funktion auf einem maschinellen Lernverfahren basiert, wobei Ausgangsdaten erzeugt werden, und wobei die trainierte Funktion auf das Röntgensystem angepasst wurde, - Bereitstellen (4) der Ausgangsdaten, wobei die Ausgangsdaten eine Klassifizierung der Röntgenaufnahme in eine diagnostisch verwendbare Röntgenaufnahme oder eine diagnostisch nicht-verwendbare Röntgenaufnahme umfassen.
2. Verfahren nach Anspruch 1, wobei sich die Eingangsdaten auf eine aufzunehmende Röntgenaufnahme beziehen.
3. Verfahren nach einem der vorangehenden Ansprüche, wobei sich die Eingangsdaten auf eine aufgenommene Röntgenaufnahme beziehen.
4. Verfahren nach einem der vorangehenden Ansprüche, wobei der optische Aufnahmedatensatz eine optische Aufnahme, insbesondere mittels einer 2D- oder 3D-Kamera (25), eines Untersuchungsbereichs in Bezug zur Röntgenaufnahme umfasst.
5. Verfahren nach einem der vorangehenden Ansprüche, wobei ein Parameter der Röntgenaufnahme: - ein Röhrenstrom, - eine Röhrenspannung, - ein Abstand zwischen einem Patienten und einer Röntgenquelle des Röntgensystems, und/oder - eine Röntgendosis ist.
6. Verfahren nach einem der vorangehenden Ansprüche, wobei eine Ausgabe (5) basierend auf der Klassifizierung auf einer Anzeigeeinheit angezeigt wird, insbesondere umfassend einen Vorschlag zur Verbesserung der Aufnahme.
7. Verfahren nach einem der vorangehenden Ansprüche, wobei die Eingangsdaten ferner einen Patientenparameter umfassen.
8. Verfahren nach Anspruch 7, wobei ein Patientenparameter: - das Gewicht, - die Größe und/oder - das Alter des Patienten ist.
9. Computer-implementiertes Verfahren (1) zur Bereitstellung einer Klassifizierung einer Röntgenaufnahme in Verbindung mit einem Röntgensystem aufweisend folgende Schritte: - Empfangen (2) von Eingangsdaten, wobei sich die Eingangsdaten auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme beziehen, - Anwenden (3) einer lokal trainierten Funktion auf die Eingangsdaten, wobei die trainierte Funktion auf einem maschinellen Lernverfahren basiert und wobei Ausgangsdaten erzeugt werden, - Bereitstellen (4) der Ausgangsdaten, wobei die Ausgangsdaten eine Klassifizierung der Röntgenaufnahme in eine diagnostisch verwendbare Röntgenaufnahme oder eine diagnostisch nicht-verwendbare Röntgenaufnahme umfassen.
10. Computer-implementiertes Verfahren (10) zur Bereitstellung einer trainierten Funktion für ein Röntgensystem aufweisend: - Empfangen (11) von Eingangstrainingsdaten, wobei die Eingangstrainingsdaten zumindest teilweise mit dem Röntgensystem erfasst wurden, und wobei sich die Eingangstrainingsdaten auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme beziehen, - Empfangen (12) von Ausgangstrainingsdaten, wobei die Ausgangstrainingsdaten mit den Eingangstrainingsdaten in Verbindung stehen, und wobei die Ausgangstrainingsdaten eine Klassifizierung der Röntgenaufnahme in eine diagnostisch verwendbare Röntgenaufnahme oder eine diagnostisch nicht-verwendbare Röntgenaufnahme umfassen, - Trainieren (13) einer trainierten Funktion basierend auf den Eingangstrainingsdaten und den Ausgangstrainingsdaten, - Bereitstellen (14) der trainierten Funktion.
11. Verfahren nach Anspruch 10, wobei hinsichtlich der Eingangstrainingsdaten ein Röntgenaufnahmedatensatz: - einer gelöschten Röntgenaufnahme, - einer nicht an ein Archivierungssystem versendeten Röntgenaufnahme, - einer wiederholten Röntgenaufnahme, - einer vorherigen Röntgenaufnahme einer zeitlich schnell nachfolgenden Röntgenaufnahme, - einer Röntgenaufnahme mit unzureichender Bildqualität, oder - eine manuelle Eingabe eines Verwurfsgrunds, in Verbindung mit: - einem optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, - einem Bildqualitätsparameter, - einem Parameter der Röntgenaufnahme, und/oder - einem Patientenparameter in den Ausgangstrainingsdaten als diagnostisch nicht-verwendbare Röntgenaufnahme klassifiziert wird.
12. Computer-implementiertes Verfahren (1) nach einem der Ansprüche 1 bis 9, wobei die trainierte Funktion durch das computer-implementierte Verfahren (10) nach einem der Ansprüche 10 bis 11 bereitgestellt wird, um eine Klassifizierung einer Röntgenaufnahme in Verbindung mit einem Röntgensystem durchzuführen.
13. Röntgensystem (20) aufweisend: - eine erste Schnittstelle (21) zum Empfangen von Eingangsdaten, wobei sich die Eingangsdaten auf einen Röntgenaufnahmedatensatz der Röntgenaufnahme, einen optischen Aufnahmedatensatz bezüglich der Röntgenaufnahme, und/oder einen Parameter der Röntgenaufnahme beziehen, - eine Rechnereinheit (22) zum Anwenden einer an das Röntgensystem angepassten trainierten Funktion auf die Eingangsdaten, wobei Ausgangsdaten erzeugt werden, und wobei die trainierte Funktion auf einem maschinellen Lernverfahren basiert, - eine zweite Schnittstelle (23) zum Bereitstellen von Ausgangsdaten, wobei die Ausgangsdaten eine Klassifizierung der Röntgenaufnahme in eine diagnostisch verwendbare Röntgenaufnahme oder eine diagnostisch nicht-verwendbare Röntgenaufnahme umfassen.
14. Computerprogrammprodukt mit einem Computerprogramm, welches direkt in eine Speichereinrichtung einer Steuereinrichtung eines Röntgensystems nach Anspruch 13 ladbar ist, mit Programmabschnitten, um alle Schritte eines Verfahrens nach einem der Ansprüche 1 bis 9 auszuführen, wenn das Computerprogramm in der Steuereinrichtung des Röntgensystems ausgeführt wird.
15. Computerlesbares Medium, auf welchem von einer Rechnereinheit einlesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte eines Verfahrens nach einem der Ansprüche 1 bis 9 auszuführen, wenn die Programmabschnitte von dem Röntgensystem nach Anspruch 13 ausgeführt werden.

Images