DE112022003284T5 - Ein verfahren zur röntgenbildverarbeitung - Google Patents

Ein verfahren zur röntgenbildverarbeitung Download PDF

Info

Publication number
DE112022003284T5
DE112022003284T5 DE112022003284.7T DE112022003284T DE112022003284T5 DE 112022003284 T5 DE112022003284 T5 DE 112022003284T5 DE 112022003284 T DE112022003284 T DE 112022003284T DE 112022003284 T5 DE112022003284 T5 DE 112022003284T5
Authority
DE
Germany
Prior art keywords
dax
subject
signal
model
respiratory
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
DE112022003284.7T
Other languages
English (en)
Inventor
Jens Von Berg
Thomas Koehler
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
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 Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of DE112022003284T5 publication Critical patent/DE112022003284T5/de
Pending legal-status Critical Current

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/42Arrangements for detecting radiation specially adapted for radiation diagnosis
    • A61B6/4291Arrangements for detecting radiation specially adapted for radiation diagnosis the detector being combined with a grid or grating
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/08Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/091Measuring volume of inspired or expired gases, e.g. to determine lung capacity
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/48Other medical applications
    • A61B5/4842Monitoring progression or stage of a disease
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271Specific aspects of physiological measurement analysis
    • A61B5/7275Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48Diagnostic techniques
    • A61B6/484Diagnostic techniques involving phase contrast X-ray imaging
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00ICT specially adapted for the handling or processing of medical images
    • G16H30/20ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00ICT specially adapted for the handling or processing of medical images
    • G16H30/40ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT 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
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022Monitoring a patient using a global network, e.g. telephone networks, internet
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5288Devices using data or image processing specially adapted for radiation diagnosis involving retrospective matching to a physiological signal
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/54Control of apparatus or devices for radiation diagnosis
    • A61B6/541Control of apparatus or devices for radiation diagnosis involving acquisition triggered by a physiological signal
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00Investigating materials by wave or particle radiation
    • G01N2223/40Imaging
    • G01N2223/426Imaging image comparing, unknown with known substance

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Databases & Information Systems (AREA)
  • Psychiatry (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Pulmonology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

Konzepte zum Erzeugen eines Dunkelröntgen-Modells (DAX-Modells), das angepasst ist, um Beziehungen zwischen einem DAX-Signal, einem Atemwegszustand und einem Atemwegserkrankungsgrad darzustellen, sowie Konzepte zum Verwenden des DAX-Modells werden vorgeschlagen. Insbesondere können, da Beziehungen zwischen diesen Variablen modelliert werden, die Differenz zwischen einem DAX-Signal eines Subjekts bei einem Atemwegszustand verglichen mit einem DAX-Signal eines Subjekts bei einem Referenzatemwegszustand, beurteilt werden. Somit kann die Diagnosegenauigkeit der DAX-Bildgebung verbessert werden.

Description

  • GEBIET DER ERFINDUNG
  • Die Erfindung betrifft das Gebiet der Dunkelfeld-Röntgenbildgebung und spezifischer das Gebiet der Verarbeitung von Dunkelfeld-Röntgenbildern.
  • HINTERGRUND DER ERFINDUNG
  • Bei herkömmlichen Techniken der Röntgenbildgebung wird ein Objekt Röntgenstrahlen ausgesetzt, um ein Transmissionsbild des Objekts zu erhalten. Für Weichgewebe, einschließlich Gefäßen, Knorpeln, Lungen und Brustgeweben mit geringer Absorption, bietet dies jedoch einen schlechten Dämpfungskontrast im Vergleich zu Knochenbildern. Um diese Einschränkung zu überwinden, gab es in den letzten Jahren große Fortschritte, um Dunkelfeld-Röntgenbilder (DAX-Bilder) unter Verwendung von Röntgenstrahlen zu erhalten.
  • Eine der primären Differenzen zwischen einem DAX- und einem herkömmlichen Röntgenstrahl liegt in der Röntgenergie. Bei regulären Transmissionsbildern von menschlichen Patienten wird eine Röntgenenergie von etwa 125 kVp verwendet, da die Rippen weniger Kontrast für hohe kVp aufweisen. Die DAX-Bildgebung ist jedoch bei niedrigeren Röntgenenergien empfindlicher, wobei Röntgenenergien von etwa 70 kVp verwendet werden.
  • Die DAX-Bildgebung demonstrierte kürzlich eine verbesserte Diagnosegenauigkeit für das Diagnostizieren und die Stadienbestimmung von Lungenkrankheiten wie Emphysem, chronisch obstruktive Lungenkrankheit (COPD), Lungenfibrose, Pneumonie und Lungenkrebs. Dies liegt daran, dass das DAX-Signal komplementäre Informationen zu mikrostrukturellen Eigenschaften im Lungenparenchym bereitstellt, die anderweitig von herkömmlicher Röntgenbildgebung (z. B. Röntgen- und Röntgencomputertomographie) unzugänglich wären. Beispielsweise ist die DAX-Bildgebung nicht nur in der Lage, Röntgenstrahltransmission einzufangen, sondern auch Kleinwinkelstreuung, die bei gesundem Lungenparenchym, aber nicht in emphysematischen Lungenbereichen auftritt.
  • Zusätzlich wurde kürzlich entdeckt, dass der Inhalationszustand des Patienten einen Einfluss auf die DAX-Signalstärke aufweist. Es ist wahrscheinlich, dass dies auf Änderungen zum Beispiel in der Größe und/oder Dichte der Alveolen oder der Dicke ihrer Wände im Laufe der Atmung zurückzuführen ist. Brustkorb-Röntgenbilder werden üblicherweise genommen, während das Subjekt seinen Atem anhält - entweder im Zustand vollständiger Inhalation oder vollständiger Exhalation. Patienten, die an Atemwegserkrankungen leiden, speziell zum Beispiel COPD und Emphysem, sind jedoch oft nicht in der Lage, wie für eine Standarderfassungsprozedur erforderlich zu atmen. Dies stellt ein erhebliches Problem bei der genauen Diagnose und Bewertung von Lungenkrankheiten unter Verwendung von DAX-Bildgebung dar.
  • KURZDARSTELLUNG DER ERFINDUNG
  • Die Erfindung wird durch die Ansprüche definiert.
  • Gemäß Beispielen gemäß einem Gesichtspunkt der Erfindung wird ein computerimplementiertes Verfahren zum Erzeugen eines Dunkelfeld-Röntgenmodells, DAX-Modells, bereitgestellt, das angepasst ist, um Beziehungen zwischen einem DAX-Signal, einem Atemwegserkrankungsgrad und einem Atmungszustand darzustellen. Das Verfahren umfasst Folgendes: Eingeben einer Vielzahl von Trainings-DAX-Bildern von Subjekten bei einer Vielzahl von bekannten Atemwegszuständen und mit einer Vielzahl von bekannten Atemwegserkrankungsgraden in das DAX-Modell; Empfangen einer Vielzahl von vorhergesagten Atemwegszuständen und vorhergesagten Atemwegserkrankungsgraden aus dem DAX-Modell; und Bestimmen von Parameterwerten des DAX-Modells basierend auf einer Differenz zwischen der Vielzahl von bekannten Atemwegszuständen und der Vielzahl von vorhergesagten Atemwegszuständen und ferner basierend auf einer Differenz zwischen der Vielzahl von bekannten Atemwegserkrankungsgraden und der Vielzahl von vorhergesagten Atemwegserkrankungsgraden.
  • Auf diese Weise können vorgeschlagene Ausführungsformen ein DAX-Modell bereitstellen, das Änderungen in einem DAX-Signal abhängig von einem Atmungszustand berechnet oder vorhersagt. Entsprechend können Änderungen in einem von einem Subjekt erfassten DAX-Signal bei einem Atmungszustand kompensiert werden, der von einem gewünschten Atmungszustand abweicht. Mit anderen Worten kann die Auswirkung eines Atmungszustands auf das DAX-Signal beurteilt und berücksichtigt werden (basierend auf einer oder mehreren durch das Modell bereitgestellten Vorhersagen).
  • Ferner können Ausführungsformen ein DAX-Modell bereitstellen, das eine Auswirkung eines Atemwegserkrankungsgrades auf das DAX-Signal darstellt. Somit kann ein genaueres Modell erfasst werden, da ein Atemwegserkrankungsgrad eine Auswirkung auf die Differenz in dem DAX-Signal aufweisen kann, der durch eine Änderung des Atmungszustands verursacht wird.
  • Das DAX-Modell kann unter Verwendung einer Anzahl von DAX- Trainingsbildern trainiert werden. Dies kann durch Vergleichen einer Differenz zwischen einem durch das Modell bestimmten Atmungszustand und einem dem DAX-Bild entsprechenden tatsächlichen Atmungszustand erreicht werden. Parameterwerte des Modells können dann durch diese Differenz bestimmt werden. Zusätzlich kann eine Differenz zwischen einem durch das Modell bestimmten Atemwegserkrankungsgrad und einem tatsächlichen Atemwegserkrankungsgrad, der dem DAX-Bild entspricht, bestimmt werden, was die Parameterwerte weiter verfeinern kann.
  • Durch das Basieren des DAX-Modells auf einer großen Anzahl von DAX-Trainingsbildern können die Parameterwerte eine genauere Darstellung der Interaktionen zwischen einem nicht gesehenen DAX-Signal, einem Atemwegserkrankungsgrad und einem Atmungszustand bereitstellen.
  • In einigen Ausführungsformen kann das DAX-Modell ein statistisches Verfahren verwenden, um die Beziehungen zwischen dem DAX-Signal, dem Atemwegserkrankungsgrad und dem Atmungszustand darzustellen.
  • In einigen Ausführungsformen kann das DAX-Modell ferner angepasst sein, um Beziehungen zwischen dem DAX-Signal, dem Atemwegserkrankungsgrad, dem Atmungszustand und einer oder mehreren prüfsubjektspezifischen Variablen darzustellen. In diesem Fall kann die Vielzahl von Trainings-DAX-Bildern ferner Trainings-DAX-Bilder von Subjekten mit der einen oder den mehreren prüfsubjektspezifischen Variablen umfassen. Das DAX-Modell kann ein statistisches Verfahren einsetzen, um die Beziehungen zwischen dem DAX-Signal, dem Atemwegserkrankungsgrad, dem Atmungszustand und der einen oder den mehreren prüfsubjektspezifischen Variablen darzustellen.
  • Es wurde realisiert, dass subjektspezifische Variablen, wie Geschlecht oder Alter, auch die Beziehungen zwischen dem DAX-Signal und dem Atemwegszustand beeinflussen können.
  • Durch Anpassen des Modells, um auch diese Beziehungen darzustellen, kann ein genaueres Modell von Beziehungen bereitgestellt werden. Beispielsweise können die eine oder mehreren prüfsubjektspezifischen Variablen ein Geschlecht, eine Körpergröße, einen Körpermassenindex, ein Lungenfunktionsprüfergebnis, eine Atemwegserkrankungsbewertung, bekannte Erkrankungen oder eine Rauchhistorie einschließen.
  • In einigen Ausführungsformen kann das DAX-Signal entweder ein integriertes Signal über ein vollständiges Lungenfeld eines DAX-Bildes oder ein integriertes Signal über einen Teil des vollständigen Lungenfelds des DAX-Bildes sein.
  • Gemäß einem anderen Gesichtspunkt der Erfindung wird ein computerimplementiertes Verfahren zum Verarbeiten eines Dunkelfeld-Röntgensignals, DAX-Signals, eines Subjekts bereitgestellt. Das Verfahren umfasst das Erzeugen eines DAX-Modells gemäß einem Gesichtspunkt der Erfindung; Erhalten des DAX-Signals des Subjekts, wobei ein DAX-Bild dem DAX-Signal entspricht; Bestimmen eines Atemwegszustands des Subjekts basierend auf dem DAX-Bild; und Erfassen eines modifizierten DAX-Signals des Subjekts bei einem Referenzatmungszustand basierend auf dem Eingeben des DAX-Signals und des bestimmten Atemwegszustands in das erzeugte DAX-Modell.
  • Auf diese Weise kann ein DAX-Modell gemäß einer vorgeschlagenen Ausführungsform verwendet werden, um ein modifiziertes DAX-Signal zu erfassen. Ein Atemwegszustand kann bestimmt werden, und dadurch kann das DAX-Modell ein modifiziertes DAX-Signal ausgeben, das einem Referenzatemwegszustand entspricht. Mit anderen Worten kann eine Differenz zwischen einem DAX-Signal des Subjekts bei einem Atemwegszustand im Laufe der Erfassung und einem DAX-Signal des Subjekts bei einem Referenzatemwegszustand bestimmt werden. Somit kann eine verbesserte Genauigkeit der Diagnose und Bestimmung eines Atemwegserkrankungsgrades erreicht werden.
  • Gemäß noch einem anderen Gesichtspunkt der Erfindung wird ein Verfahren zum Verarbeiten eines Dunkelfeld-Röntgensignals, DAX-Signals, eines Subjekts unter Verwendung eines DAX-Modells bereitgestellt, das angepasst ist, um Beziehungen zwischen einem DAX-Signal, einem Atemwegserkrankungsgrad und einem Atmungszustand darzustellen. Das Verfahren umfasst das Erhalten eines DAX-Signals des Subjekts, wobei ein DAX-Bild dem DAX-Signal entspricht; Bestimmen eines Atemwegszustands des Subjekts basierend auf dem DAX-Signal; und Erfassen eines modifizierten DAX-Signals des Subjekts bei einem Referenzatmungszustand, basierend auf dem Eingeben des DAX-Signals und des bestimmten Atemwegszustands in das DAX-Modell.
  • In einigen Ausführungsformen kann das Verfahren zum Verarbeiten eines Dunkelfeld-Röntgensignals, DAX-Signals, ferner das Erhalten eines Atemwegserkrankungsgrades des Subjekts umfassen, und das Erfassen des modifizierten DAX-Signals des Subjekts bei dem Referenzatmungszustand kann ferner auf dem Eingeben des erhaltenen Atemwegserkrankungsgrades in das DAX-Modell basiert sein.
  • Durch das Ermitteln des Atemwegserkrankungsgrades des Subjekts kann ein modifiziertes DAX-Signal des Subjekts bei dem Referenzatmungszustand genauer aus dem DAX-Modell ausgegeben werden.
  • In einigen Ausführungsformen kann das DAX-Modell ferner angepasst sein, um Beziehungen zwischen dem DAX-Signal, dem Atemwegserkrankungsgrad, dem Atmungszustand und einer oder mehreren subjektspezifischen Variablen darzustellen. Auch kann das Verfahren ferner das Erhalten von subjektspezifischen Variablenwerten des Subjekts umfassen, und das Erfassen des modifizierten DAX-Signals des Subjekts bei dem Referenzatmungszustand kann ferner auf dem Eingeben der erhaltenen subjektspezifischen Variablenwerte in das DAX-Modell basiert sein.
  • In einigen Ausführungsformen kann das Verfahren ferner das Erfassen eines vorhergesagten Atemwegserkrankungsgrades des Subjekts basierend auf dem Eingeben des DAX-Signals und des bestimmten Atemwegszustands in das DAX-Modell umfassen. Entsprechend kann das DAX-Modell genutzt werden, um eine Vorhersage eines Atemwegserkrankungsgrades eines Subjekts durchzuführen.
  • In einigen Ausführungsformen kann der Referenzatmungszustand entweder ein vollständiger Inhalationszustand oder ein vollständiger Exhalationszustand sein.
  • In einigen Ausführungsformen kann das Bestimmen des Atemwegszustands des Subjekts das Schätzen einer Lage einer Membran des Subjekts in dem DAX-Bild relativ zu Rippen des Subjekts in dem DAX-Bild umfassen; und das Bestimmen des Atemwegszustands des Subjekts ist auf der geschätzten Lage der Membran basiert.
  • Durch das Bestimmen des Atemwegszustands des Subjekts durch das erfasste DAX-Bild kann ein Bedarf an zusätzlicher Überwachungseinrichtung vermieden werden.
  • In einigen Ausführungsformen kann das Bestimmen des Atemwegszustands des Subjekts das Schätzen eines Luftvolumens in einem Thorax des Subjekts basierend auf einem Lungenfeld des DAX-Bildes; und das Bestimmen des Atemwegszustands des Subjekts basierend auf dem geschätzten Luftvolumen in dem Thorax des Subjekts umfassen.
  • In einigen Ausführungsformen kann das Verfahren ferner das Modifizieren des DAX-Bildes basierend auf dem modifizierten DAX-Signal umfassen.
  • Unter einem anderen Gesichtspunkt der Erfindung wird ein Computerprogrammelement bereitgestellt, das, wenn von mindestens einer Verarbeitungseinheit ausgeführt, angepasst ist, um die Verarbeitungseinheit zu veranlassen, die Schritte nach einem beliebigen der zuvor beschriebenen Verfahren durchzuführen.
  • Unter einem anderen Gesichtspunkt wird ein computerlesbares Medium mit dem darauf gespeicherten Programmelement bereitgestellt.
  • Gemäß einem anderen Gesichtspunkt der Erfindung wird ein System zum Verarbeiten eines Dunkelfeld-Röntgensignals, DAX-Signals, eines Subjekts bereitgestellt. Das System umfasst eine Modellierungseinheit, die konfiguriert ist, um ein DAX-Modell zu erzeugen, das angepasst ist, um Beziehungen zwischen einem DAX-Signal, einem Atemwegserkrankungsgrad und einem Atmungszustand darzustellen; eine Röntgenbilderfassungseinheit, die konfiguriert ist, um das DAX-Signal des Subjekts zu erfassen, wobei ein DAX-Bild dem DAX-Signal entspricht; eine Atemwegszustandseinheit, die konfiguriert ist, um einen Atemwegszustand des Subjekts basierend auf dem DAX-Bild zu bestimmen; und eine Signalmodifikationseinheit, die konfiguriert ist, um ein modifiziertes DAX-Signal des Subjekts bei einem Referenzatmungszustand basierend auf dem Eingeben des DAX-Signals und des bestimmten Atemwegszustands in das erzeugte DAX-Modell zu erfassen.
  • Diese und weitere Gesichtspunkte der Erfindung werden aus der/den nachstehend beschriebenen Ausführungsform(en) ersichtlich und unter Bezugnahme auf diese erläutert.
  • KURZBESCHREIBUNG DER ZEICHNUNGEN
  • Für ein besseres Verständnis der Erfindung und um deutlicher zu zeigen, wie sie in die Praxis umgesetzt werden kann, wird nun lediglich beispielhaft auf die beigefügten Zeichnungen Bezug genommen, in denen gilt:
    • 1 ist ein Flussdiagramm eines Verfahrens zum Erzeugen eines DAX-Modells;
    • 2 ist ein Flussdiagramm eines Verfahrens zum Verarbeiten eines DAX-Signals eines Subjekts, das das Erzeugen eines DAX-Modells einschließt;
    • 3 ist ein Flussdiagramm eines Verfahrens zum Verarbeiten eines DAX-Signals eines Subjekts durch Verwenden eines DAX-Modells gemäß einer Ausführungsform;
    • 4 ist ein Flussdiagramm eines Verfahrens zum Verarbeiten eines DAX-Signals eines Subjekts durch Verwenden eines DAX-Modells und zusätzlicher Daten;
    • 5A ist ein Flussdiagramm eines Verfahrens zum Bestimmen eines Atemwegszustands eines Subjekts;
    • 5B ist ein Flussdiagramm eines alternativen Verfahrens zum Bestimmen eines Atemwegszustands eines Subjekts;
    • 6 ist ein Blockdiagramm, das ein System zum Verarbeiten eines DAX-Signals eines Subjekts darstellt.
  • DETAILLIERTE BESCHREIBUNG DER AUSFÜHRUNGSFORMEN
  • Die Erfindung wird unter Bezugnahme auf die Figuren beschrieben.
  • Es versteht sich, dass die detaillierte Beschreibung und die spezifischen Beispiele, während sie beispielhafte Ausführungsformen der Einrichtung, Systeme und Verfahren angeben, nur für Veranschaulichungszwecke gedacht sind und den Schutzumfang der Erfindung nicht einschränken sollen. Diese und andere Merkmale, Gesichtspunkte und Vorteile der Einrichtung, Systeme und Verfahren der vorliegenden Erfindung werden durch die folgende Beschreibung, die beiliegenden Ansprüche und die begleitenden Zeichnungen besser verstanden. Es versteht sich, dass die Figuren lediglich schematisch sind und nicht maßstabsgetreu gezeichnet sind. Es versteht sich außerdem, dass in allen Figuren die gleichen Bezugszeichen verwendet werden, um die gleichen oder ähnliche Teile anzugeben.
  • Variationen der offenbarten Ausführungsformen können von Fachleuten, die die beanspruchte Erfindung umsetzen, aus einem Studium der Zeichnungen, der Offenbarung und der beigefügten Ansprüche verstanden und bewirkt werden. In den Ansprüchen schließt das Wort „umfassen“ andere Elemente oder Schritte nicht aus, und der unbestimmte Artikel „ein“, „eine“ oder „eines“ schließt eine Vielzahl nicht aus. Wenn der Begriff „angepasst, um zu“ in den Ansprüchen oder der Beschreibung verwendet wird, wird darauf hingewiesen, dass der Begriff „angepasst, um zu“ äquivalent zu dem Begriff „konfiguriert, um zu“ sein soll.
  • Es versteht sich, dass die Figuren lediglich schematisch sind und nicht maßstabsgetreu gezeichnet sind. Es versteht sich außerdem, dass in allen Figuren die gleichen Bezugszeichen verwendet werden, um die gleichen oder ähnliche Teile anzugeben.
  • Implementierungen gemäß der vorliegenden Offenbarung beziehen sich auf verschiedene Techniken, Verfahren, Schemata und/oder Lösungen, die zu einem Dunkelfeld-Röntgenmodell (DAX-Modell) gehören, das die Beziehungen zwischen einem DAX-Signal, einem Atemwegszustand und einem Atemwegserkrankungsgrad darstellt. Einige Beispiele für Atemwegserkrankungen sind Emphysem, chronisch obstruktive Lungenerkrankung (COPD), Lungenfibrose, Pneumonie, COVID-19 und Lungenkrebs. Gemäß vorgeschlagenen Konzepten kann eine Anzahl möglicher Lösungen separat oder gemeinsam implementiert werden. Das heißt, obwohl diese möglichen Lösungen nachstehend separat beschrieben sein können, können zwei oder mehr dieser möglichen Lösungen in einer Kombination oder einer anderen implementiert werden.
  • Ausführungsformen der Erfindung zielen darauf ab, ein DAX-Modell bereitzustellen, das in der Lage ist, Beziehungen zwischen einem DAX-Signal, einem Atemwegszustand und einem Atemwegserkrankungsgrad darzustellen. Auf diese Weise können Änderungen in dem DAX-Signal aufgrund einer Abweichung in dem Atemzustand ermittelt werden. Ferner kann die Auswirkung eines Atemwegserkrankungsgrades auf die Änderungen in dem DAX-Signal aufgrund einer Abweichung in dem Atemwegszustand verstanden werden.
  • Ein solches DAX-Modell kann in einigen Ausführungsformen verwendet werden, um ein DAX-Signal eines Subjekts derart zu modifizieren, dass das modifizierte DAX-Signal einem Subjekt bei einem Referenzatemwegszustand entspricht. Somit können Ausführungsformen die Genauigkeit der Diagnose von Lungenkrankheiten bei einem Subjekt verbessern.
  • Zur Erklärung, DAX verspricht, gegenüber Emphysem-Detektion empfindlich zu sein, mehr als weitere medizinische Bildgebungstechniken, wie herkömmliche Röntgencomputertomographie (CT). Dies liegt daran, dass DAX nicht nur in der Lage ist, eine Röntgenstrahltransmission einzufangen, sondern auch Kleinwinkelstreuung, die bei gesundem Lungenparenchym auftritt, aber nicht in emphysematischen Lungenbereichen. Der Inhalationszustand eines abgebildeten Subjekts weist jedoch eine Auswirkung auf die DAX-Signalstärke auf.
  • Um den Grad einer Atemwegskrankheit stadienzubestimmen, ist es vorteilhaft, alle weiteren Faktoren, die die DAX-Signalstärke definieren, zu kontrollieren, und es wird vorgeschlagen, dass der Atmungszustand einer der auswirkungsreichsten Faktoren ist.
  • Entsprechend werden die Röntgenbilder der Lunge normalerweise erfasst, während das Subjekt seinen Atem entweder bei einem vollständigen Inhalations- oder bei einem vollständigen Exhalationszustand anhält. Zum Beispiel ist es oft der Fall, dass Patienten, die an Atemwegserkrankungen leiden, sowie jene, die besonders jung oder alt sind, nicht wie für eine Standarderfassungsprozedur erforderlich atmen (oder nicht können).
  • Es wird vorgeschlagen, dass das Schätzen eines tatsächlichen Atemwegszustands eines Subjekts im Laufe der Bilderfassung dabei helfen würde, die Auswirkung, die er verglichen mit dem gewünschten Protokollatemwegszustand im Laufe der Erfassung aufweist, zu kompensieren.
  • Insbesondere können vorgeschlagene Ausführungsformen das Folgende bereitstellen:
    1. (i) Modellieren der Auswirkung eines Atmungszustands auf eine DAX-Signalstärke;
    2. (ii) Schätzung des Atmungszustands eines erfassten DAX-Signals; und
    3. (iii) Kompensation der Auswirkung der Abweichung des Atemwegszustands von einem Referenzzustand auf das DAX-Signal.
  • Durch Ausführungsformen, die modifizierte Messungen bereitstellen, kann das Diagnosepotenzial von DAX-Bildgebung für die Quantifizierung und Beurteilung der Atemwegserkrankung verbessert werden. Solche modifizierten Messungen können zu verbesserter Vergleichbarkeit zwischen Subjekten und auch innerhalb eines Subjekts bei einer longitudinalen Untersuchung in der Lage sein. Ferner können gemäß einigen Ausführungsformen quantitative Messungen korrigiert werden, und Bilder, die menschlichen Lesern bereitgestellt werden, können modifiziert werden, um die modifizierte Messung besser widerzuspiegeln.
  • Jetzt unter Bezugnahme auf 1, dort wird ein Flussdiagramm einer beispielhaften Ausführungsform eines computerimplementierten Verfahrens 100 zum Erzeugen eines DAX-Modells abgebildet. Spezifisch ist das DAX-Modell dieser Ausführungsform angepasst, um Beziehungen zwischen einem DAX-Signal, einem Atemwegserkrankungsgrad und einem Atmungszustand darzustellen.
  • In Schritt 102 werden eine Vielzahl von Trainings-DAX-Bildern von Subjekten bei einer Vielzahl von bekannten Atemwegszuständen und mit einer Vielzahl von bekannten Atemwegserkrankungsgraden in das DAX-Modell eingegeben. Die Trainingsbilder können Trainings-DAX-Bilder einschließen, die jedem einer Vielzahl von Atemwegszuständen entsprechen, und können ferner Trainings-DAX-Bilder einschließen, die einer Vielzahl von Atemwegserkrankungsgraden für jeden der Vielzahl von Atemwegszuständen entsprechen. Im Allgemeinen, je größer die Anzahl von Trainings-DAX-Bildern, die in das DAX-Modell eingegeben werden, desto genauer wird das Modell dabei, Beziehungen zwischen einem DAX-Signal, einem Atemwegserkrankungsgrad und einem Atmungszustand darzustellen.
  • In einigen Ausführungsformen kann das DAX-Signal ein integriertes Signal über ein vollständiges Lungenfeld eines DAX-Bildes sein. Alternativ kann das DAX-Signal ein integriertes Signal über einen Teil des vollständigen Lungenfelds des DAX-Bildes sein, wie die linke Lunge, rechte Lunge, Lungenspitzen oder sogar ein einzelnes Pixel des Lungenfelds.
  • Ferner können die Trainings-DAX-Bilder aus einer bekannten Datenbank von DAX-Bildern einer Vielzahl von Subjekten erfasst werden oder können direkt von einer Vielzahl von Subjekten erfasst werden. Der Atemwegszustand des Subjekts im Laufe der Erfassung der Trainings-DAX-Bilder kann aufgrund eines externen Überwachungssystems bekannt sein. Die Atemwegserkrankung des Subjekts kann von medizinischen Aufzeichnungen bekannt sein oder kann von dem Subjekt gemeldet werden. Die Trainings-DAX-Bilder können DAX-Bilder von einer Vielzahl von Brustkörben von Subjekten sein.
  • Bei Schritt 104 werden eine Vielzahl von vorhergesagten Atemwegszuständen und vorhergesagten Atemwegserkrankungsgraden aus dem DAX-Modell empfangen. Mit anderen Worten werden die vorhergesagten Atemwegszustände und vorhergesagten Atemwegserkrankungsgrade durch das DAX-Modell als Reaktion auf das Eingeben der Vielzahl von Trainings-DAX-Bildern produziert, wobei jeder vorhergesagte Atemwegszustand und vorhergesagte Atemwegserkrankungsgrad einem der Vielzahl von Trainings-DAX-Bildern entspricht.
  • Bei Schritt 106 werden Parameterwerte des DAX-Modells basierend auf einer Differenz zwischen der Vielzahl von bekannten Atemwegszuständen und der Vielzahl von vorhergesagten Atemwegszuständen bestimmt. Die Parameterwerte werden ferner basierend auf einer Differenz zwischen der Vielzahl von bekannten Atemwegserkrankungsgraden und der Vielzahl von vorhergesagten Atemwegserkrankungsgraden bestimmt. Auf diese Weise können Parameterwerte des DAX-Modells derart eingestellt werden, dass das DAX-Modell Beziehungen zwischen einem DAX-Signal, einem Atemwegszustand und einem Atemwegserkrankungsgrad genau darstellen kann.
  • Es kann der Fall sein, dass das DAX-Modell ein statistisches Verfahren verwendet, um die Beziehungen zwischen dem DAX-Signal, dem Atemwegserkrankungsgrad und dem Atmungszustand darzustellen. In einigen Ausführungsformen können als statistisches Verfahren lineare Verfahren verwendet werden, wie multivariate Regression der Variablen. In alternativen Ausführungsformen können nicht-lineare Verfahren verwendet werden, wie Support Vector Machines oder neuronale Faltungsnetzwerke, die in der Lage sind, unterschiedliche Arten von Korrelationen zu modellieren. In Ausführungsformen, in denen eine starke, nicht-lineare Korrelation zwischen Variablen existiert, kann eine Mannigfaltigkeitseinbettung verwendet werden. Es versteht sich, dass diese Liste nicht erschöpfend ist und jegliches statistische Verfahren, das in der Lage ist, die Beziehungen zwischen multiplen Variablen zu modellieren, verwendet werden kann.
  • In einigen Ausführungsformen kann das DAX-Modell angepasst sein, um Beziehungen zwischen dem DAX-Signal, dem Atemwegserkrankungsgrad, dem Atmungszustand und einer oder mehreren prüfsubjektspezifischen Variablen darzustellen. Prüfsubjektvariablen können auch eine Auswirkung auf die Änderung des DAX-Signals mit dem Atemwegszustand aufweisen, und daher kann durch Einschließen dieser Variablen in dem Modell ein genaueres DAX-Modell erzeugt werden. Darüber hinaus verwendet das DAX-Modell eines der obenstehenden statistischen Verfahren, um die Beziehung zwischen dem DAX-Signal, dem Atemwegserkrankungsgrad, dem Atmungszustand und der einen oder den mehreren prüfsubjektspezifischen Variablen darzustellen.
  • In diesem Fall umfassen die Vielzahl von Trainings-DAX-Bildern ferner Trainings-DAX-Bilder von Subjekten mit der einen oder den mehreren prüfsubjektspezifischen Variablen. Wenn zum Beispiel die prüfsubjektspezifischen Variablen ein Geschlecht einschließen, dann kann die Vielzahl von Trainings-DAX-Bildern DAX-Bilder von Subjekten, die männlich sind, und DAX-Bilder von Subjekten, die weiblich sind, einschließen. Als weiteres Beispiel, wenn die prüfsubjektspezifischen Variablen ein Alter einschließen, kann die Vielzahl von Trainings-DAX-Bildern DAX-Bilder unterschiedlicher Subjekte bei unterschiedlichen Altern einschließen. Üblicherweise können desto mehr Modellparameter verwendet werden, je mehr Trainings-DAX-Bilder zur Eingabe in das DAX-Modell verfügbar sind.
  • Die eine oder mehreren prüfsubjektspezifischen Variablen können ein Geschlecht, eine Körpergröße, einen Körpermassenindex, ein Lungenfunktionsprüfergebnis, eine Atemwegserkrankungsbewertung, bekannte Erkrankungen oder eine Rauchhistorie einschließen. Es versteht sich, dass diese Liste nicht erschöpfend ist, und jegliche subjektbezogene Variable, die eine Auswirkung auf das DAX-Signal aufweist, in dem Modell eingeschlossen sein kann.
  • Um das Obenstehende zu paraphrasieren, das DAX-Modell wird unter Verwendung eines Satzes von Trainings-DAX-Bildern bei unterschiedlichen Atemwegszuständen und mit Subjekten unterschiedlicher Atemwegserkrankungsgrade, die das DAX-Signal messen, aufgebaut. Das DAX-Signal kann entweder ein integriertes Signal über das gesamte Lungenfeld oder ein etwas lokaleres Maß bis hin zu einem einzelnen Pixel sein. In einigen Ausführungsformen wird multivariate Regression verwendet, um die spezifische Auswirkung des Atemwegszustands auf das DAX-Signal zu schätzen. Insbesondere kann die Auswirkung auf das DAX-Signal durch eine Abweichung des Atemwegszustands von einem gewünschten Protokollatmungszustand modelliert werden. Es kann vorteilhaft sein, weitere Variablen in das DAX-Modell einzuschließen, solange sie eine spezifische Auswirkung auf das DAX-Signal aufweisen, genügend Trainings-DAX-Bilder für diese Variablen verfügbar sind, um in das Modell eingebaut zu werden, und deren Wert nach der Erfassung des Trainings-DAX-Bildes bestimmt oder geschätzt werden kann.
  • Insgesamt kann das DAX-Modell eine Vorhersage des DAX-Signals bei einem gegebenen Atemwegserkrankungsgrad, einem Atemwegszustand und allen weiteren subjektspezifischen Variablen ermöglichen. In einigen Ausführungsformen kann das DAX-Modell auch eine Stadienbestimmung eines Atemwegserkrankungsgrades bei einem gegebenen DAX-Signal, einem Atemwegszustand und beliebigen weiteren subjektspezifischen Variablen ermöglichen. Spezifisch kann das DAX-Modell eine Schätzung der Auswirkung einer Abweichung im Atemwegszustand von einem Referenzatemwegszustand auf jeweils einen Atemwegserkrankungsgrad oder ein DAX-Signal ermöglichen (gegebene Werte der subjektspezifischen Variablen sind bekannt). Mit anderen Worten können diese Informationen verwendet werden, um die Auswirkung des Atemwegszustands zu kompensieren und einen Atemwegserkrankungsgrad oder ein DAX-Signal für eine gegebene Erfassung zu schätzen, wie es anstelle des beobachteten Atemwegszustands bei einem Referenzatemwegszustand wäre.
  • Ein Flussdiagramm eines computerimplementierten Verfahrens 200 zum Verarbeiten eines DAX-Signals eines Subjekts gemäß einer beispielhaften Ausführungsform ist in 2 abgebildet.
  • In Schritt 202 wird ein DAX-Modell erzeugt. Das DAX-Modell kann gemäß einem beliebigen in Bezug auf 1 beschriebenen Verfahren erzeugt werden. Trotzdem wird das DAX-Modell mindestens angepasst, um die Beziehungen zwischen einem DAX-Signal, einem Atemwegszustand und einem Atemwegserkrankungsgrad darzustellen.
  • In Schritt 204 wird ein DAX-Signal eines Subjekts erhalten. Das DAX-Signal des Subjekts kann direkt von einer Erfassungssitzung erhalten werden oder kann aus dem Speicher erhalten werden. In jedem Fall entspricht das DAX-Signal einem DAX-Bild. Das DAX-Bild kann durch jegliches den Fachleuten bekannte Verfahren aus dem DAX-Signal erhalten werden oder umgekehrt.
  • In Schritt 206 wird ein Atemwegszustand des Subjekts basierend auf dem DAX-Bild bestimmt. Es ist wichtig, dass der Atemwegszustand nach der Erfassung des DAX-Bildes konsistent bestimmt wird. Eine Anzahl unterschiedlicher Verfahren kann dies durchführen.
  • Beispielhaft kann für diesen Zweck eine Spirometrie verwendet werden, und in vielen Fällen ist die Spirometrie ohnehin Teil des Diagnoseprotokolls. Auch wird externe Ausrüstung häufig verwendet, um die Atmung zu verfolgen, was optische oder mechanische Vorrichtungen einschließen kann. Das geeignetste Verfahren hinsichtlich Konsistenz über Subjekte sowie Kosten ist jedoch eine Schätzung des Atemwegs-/Inhalationszustands basierend auf dem DAX-Bild. Verfahren zum Bestimmen des Atemwegszustands des Subjekts werden unter Bezugnahme auf 5A und 5B detaillierter erklärt.
  • Schließlich wird in Schritt 208 ein modifiziertes DAX-Signal des Subjekts bei einem Referenzatmungszustand basierend auf dem Eingeben des DAX-Signals und des bestimmten Atemwegszustands in das erzeugte DAX-Modell erfasst. Der Referenzatemwegszustand kann ein vollständiger Inhalations- oder ein vollständiger Exhalationszustand sein. Da das DAX-Modell Beziehungen zwischen einem DAX-Signal und einem Atemwegszustand darstellt, kann, wenn das DAX-Signal in das DAX-Modell eingegeben wird, bei dem Referenzatemwegszustand ein modifiziertes DAX-Signal erfasst werden.
  • Das heißt, die Differenz in dem DAX-Signal aufgrund einer Differenz zwischen dem bestimmten Atemwegszustand und dem Referenzatemwegszustand kann aus dem DAX-Modell erfasst werden. Als ein Ergebnis kann ein modifiziertes DAX-Signal erfasst werden, das dem Referenzatemwegszustand entspricht.
  • Üblicherweise werden die Brustkorb-Röntgenbilder aufgenommen, während das Subjekt seinen Atem bei einem vollständigen Inhalations- oder einem vollständigen Exhalationszustand anhält. Dieser Inhalations-/Exhalationszustand kann als der Referenzatmungszustand bekannt sein. Da einige Subjekte ihren Atem möglicherweise nicht für die Zeit anhalten können, die es dauert, um das DAX-Signal zu erfassen, kann das DAX-Signal möglicherweise nicht dem Referenzatmungszustand entsprechen. Es wurde gezeigt, dass dies eine Auswirkung auf das DAX-Signal aufweist und daher zu ungenauer oder ganz falscher Diagnose führen kann. Daher kann dieses Verfahren den Vorteil des Modifizierens des DAX-Signals derart bereitstellen, dass DAX-Signale für eine nachfolgende Beurteilung auf einen Referenzatemwegszustand standardisiert werden.
  • Alternativ kann das DAX-Modell möglicherweise nicht erzeugt werden. Stattdessen kann das DAX-Modell in dem Speicher gespeichert und erhalten werden, wenn das Verfahren durchgeführt wird. In einem solchen Fall wird Schritt 202 weggelassen. Das DAX-Modell ist jedoch das gleiche wie das DAX-Modell, das gemäß in Bezug auf 1 beschriebenen Verfahren erzeugt wurde. Dadurch wird das DAX-Modell angepasst, um Beziehungen zwischen einem DAX-Signal, einem Atemwegserkrankungsgrad und einem Atmungszustand darzustellen.
  • 3 bildet ein Flussdiagramm einer anderen beispielhaften Ausführungsform eines Verfahrens 300 zum Verarbeiten eines DAX-Signals eines Subjekts unter Verwendung des DAX-Modells ab. Die Schritte 302, 304 und 306 von 3 sind den Schritten 204, 206 und 208 von 2 jeweils äquivalent. Somit wird die Erklärung dieser Schritte der Kürze halber weggelassen.
  • Ferner kann ein Verfahren 200, 300 zum Verarbeiten eines DAX-Signals eines Subjekts ferner Schritt 308 und Schritt 310 umfassen. In Schritt 308 wird ein vorhergesagter Atemwegserkrankungsgrad des Subjekts basierend auf dem Eingeben des DAX-Signals und des bestimmten Atemwegszustands in das DAX-Modell erfasst. Als ein Ergebnis kann die Stadienbestimmung einer Atemwegskrankheit bei einem Subjekt automatisch durchgeführt werden, was bei dem Diagnoseprozess behilflich ist. Da das DAX-Modell Beziehungen zwischen einem Atemwegszustand, einem DAX-Signal und einem Atemwegserkrankungsgrad darstellt, können sowohl der Atemwegszustand als auch das DAX-Signal in dem Atemwegserkrankungsgrad berücksichtigt werden.
  • In Schritt 310 wird das DAX-Bild des Subjekts basierend auf dem modifizierten DAX-Signal modifiziert. Entsprechend kann ein modifiziertes DAX-Bild erfasst werden, das das DAX-Bild in dem Referenzatemwegszustand genau darstellen kann.
  • Es sollte beachtet werden, dass Schritt 308 und Schritt 310 unabhängig voneinander bereitgestellt werden können oder zusammen bereitgestellt werden können.
  • 4 bildet ein Flussdiagramm einer beispielhaften Ausführungsform eines Verfahrens 350 zum Verarbeiten eines DAX-Signals eines Subjekts durch Verwenden eines DAX-Modells und zusätzlicher Daten ab. Spezifisch werden subjektspezifische Variablenwerte und ein Atemwegserkrankungswert erhalten und verwendet, um das modifizierte DAX-Signal des Subjekts zu erfassen. Diese zusätzlichen Daten können auch in dem Verfahren 200 zum Verarbeiten eines DAX-Signals umfasst sein. Die Schritte 352 und 354 von 4 sind den Schritten 204 und 206 von 2 jeweils äquivalent. Somit wird die Erklärung dieser Schritte der Kürze halber weggelassen.
  • Bei Schritt 358 werden subjektspezifische Variablenwerte des Subjekts erhalten. Die subjektspezifischen Variablenwerte können ein Geschlecht, eine Körpergröße, einen Körpermassenindex, ein Lungenfunktionsprüfergebnis, eine Atemwegserkrankungsbewertung, bekannte Erkrankungen oder eine Rauchhistorie einschließen. Es kann jedoch jegliche subjektbezogene Variable erhalten werden, solange sie eine spezifische Auswirkung auf das DAX-Signal aufweisen, genügend Trainings-DAX-Bilder für diese Variablen verfügbar sind, um in das Modell eingebaut zu werden, und ihr Wert nach der Erfassung des Trainings-DAX-Bildes bestimmt oder geschätzt werden kann. In diesem Fall ist das DAX-Modell angepasst, um Beziehungen zwischen dem DAX-Signal, dem Atemwegserkrankungsgrad, dem Atmungszustand und einer oder mehrerer subjektspezifischen Variablen darzustellen. Anders ausgedrückt ist das DAX-Modell ferner angepasst, um die Auswirkung einer oder mehrerer subjektspezifischer Variablen auf die Änderung des DAX-Signals bei einem gegebenen Atemwegszustand und Atemwegserkrankungsgrad vorherzusagen.
  • Entsprechend wird, wenn Schritt 358 bereitgestellt wird, das Erfassen des modifizierten DAX-Signals des Subjekts bei dem Referenzatmungszustand (bei Schritt 356) ferner auf dem Eingeben der erhaltenen subjektspezifischen Variablenwerte in das DAX-Modell sowie dem bestimmten Atemwegszustand des Subjekts und dem DAX-Signal basiert. Aufgrund dessen kann die Genauigkeit des modifizierten DAX-Signals verbessert werden.
  • Bei Schritt 360 kann ein Atemwegserkrankungsgrad des Subjekts erhalten werden. Dies kann aus einer medizinischen Aufzeichnung erhalten werden, einem separaten Scan des Subjekts oder von einem Benutzer eingegeben werden. Somit ist, wenn Schritt 360 bereitgestellt wird, das Erfassen des modifizierten DAX-Signals des Subjekts bei dem Referenzatmungszustand ferner auf dem Eingeben des erhaltenen Atemwegserkrankungsgrades in das DAX-Modell basiert. Da dies einen anderen festen Variablenwert zu der Eingabe des DAX-Modells hinzufügt, kann ein genaueres modifiziertes DAX-Signal erhalten werden.
  • Es ist nicht notwendig, dass Schritt 360 und 358 zusammen durchgeführt werden, und möglicherweise kann nur einer dieser Schritte durchgeführt werden.
  • Unter Hinwendung zu 5A und 5B werden zwei Ablaufdiagramme bereitgestellt, die ein erstes Verfahren 410 und ein zweites Verfahren 420 zum Bestimmen des Atemwegszustands des Subjekts abbilden.
  • Wie zuvor umrissen ist es wichtig, dass der Atemwegszustand konsistent bestimmt wird. In vielen Fällen wird dies durch Spirometrie oder externe Ausrüstung wie optische oder mechanische Vorrichtungen durchgeführt. Das am besten geeignete Verfahren hinsichtlich Konsistenz über Subjekte sowie Kosten ist jedoch eine Schätzung des Atemwegszustands basierend auf dem DAX-Bild.
  • Die aktuelle DAX-Technologie stellt sowohl ein Streu- als auch ein Transmissionsbild aus der gleichen Erfassung bereit. Das Transmissionsbild (das sehr ähnlich der Standard-Brustkorbradiographie ist) ist auf die beiden unter Bezugnahme auf 5A und 5B beschriebenen Verfahren anwendbar.
  • In Schritt 412 wird die Lage einer Membran des Subjekts relativ zu Rippen des Subjekts in dem DAX-Bild geschätzt. Mit anderen Worten wird die Lage der Membran relativ zu einigen individuellen Rippen des Subjekts bestimmt. Dann wird in Schritt 414 der Atemwegszustand des Subjekts basierend auf der geschätzten Lage der Membran bestimmt. Üblicherweise gibt die verglichen mit den Rippen hohe Membran an, dass das Subjekt nahe der vollständigen Exhalation vorliegt. Andererseits gibt die verglichen mit den Rippen niedrige Membran an, dass das Subjekt nahe der vollständigen Inhalation vorliegt.
  • In Schritt 422 wird ein Luftvolumen in einem Thorax des Subjekts basierend auf dem Lungenfeld des DAX-Bildes geschätzt. Dies kann durchgeführt werden, indem Annahmen über die Lunge des Subjekts gemacht werden. Spezifisch wird nach dem Ersetzen von Rippenschatten aus dem DAX-Bild die Grenze des Lungenfeldes als Referenz genommen und die Intensitäten entlang des Lungenfeldes werden integriert. Dieses Verfahren kann auch verwendet werden, um die Lungentiefe lokal an einer gegebenen Bildposition in dem Lungenfeld zu schätzen. Bei Schritt 424 kann, wenn das Luftvolumen in dem Thorax geschätzt wurde, der Atemwegszustand des Subjekts basierend auf dem geschätzten Luftvolumen bestimmt werden.
  • In einigen Ausführungsformen kann nur eines der obenstehend in Bezug auf 5A und 5B beschriebenen Verfahren durchgeführt werden. Alternativ können in weiteren Ausführungsformen beide Verfahren durchgeführt werden, und ein durchschnittlicher Atemwegszustand des Subjekts wird genommen. Entsprechend kann eine Genauigkeit der Bestimmung des Atemwegszustands verbessert werden.
  • In einer anderen beispielhaften Ausführungsform der vorliegenden Erfindung wird ein Computerprogramm oder ein Computerprogrammelement bereitgestellt, das, wenn durch mindestens eine Verarbeitungseinheit ausgeführt, angepasst ist, die Verarbeitungseinheit zu veranlassen, die Schritte eines beliebigen der zuvor beschriebenen Verfahren durchzuführen.
  • Gemäß einer weiteren beispielhaften Ausführungsform der vorliegenden Erfindung wird ein computerlesbares Medium, wie eine CD-ROM, präsentiert, wobei auf dem computerlesbaren Medium ein Computerprogrammelement gespeichert ist, wobei das Computerprogrammelement durch den vorstehenden Abschnitt beschrieben ist.
  • Ein Computerprogramm kann auf einem geeigneten Medium wie z. B. einem optischen Speichermedium oder einem Halbleitermedium, das zusammen mit oder als Teil weiterer Hardware geliefert wird, gespeichert/ausgeteilt werden, kann jedoch auch in weiteren Formen ausgeteilt werden, wie z. B. über das Internet oder weitere kabelgebundene oder kabellose Telekommunikationssysteme.
  • 6 bildet ein vereinfachtes Blockdiagramm eines Systems 500 zum Verarbeiten eines DAX-Signals eines Subjekts ab. Das System kann konfiguriert sein, um jegliches der obenstehend beschriebenen Verfahren durchzuführen.
  • Spezifisch umfasst das System 500 eine Modellierungseinheit 530, die konfiguriert ist, um ein DAX-Modell zu erzeugen. Das DAX-Modell kann durch das in Bezug auf 1 beschriebene Verfahren 100 erzeugt werden. Tatsächlich ist das DAX-Modell angepasst, um Beziehungen zwischen einem DAX-Signal, einem Atemwegserkrankungsgrad und einem Atmungszustand darzustellen.
  • Das System 500 schließt auch eine Röntgenbilderfassungseinheit 510, eine Atemwegszustandseinheit 520 und eine Signalmodifikationseinheit 540 ein. Die Röntgenbilderfassungseinheit 510 ist konfiguriert, um das DAX-Signal des Subjekts zu erfassen, wobei das DAX-Signal einem DAX-Bild entspricht. Die Röntgenbilderfassungseinheit 510 kann das DAX-Signal direkt durch eine Bilderfassung des Subjekts (z. B. von einer Röntgen- oder CT-Erfassungssitzung) erfassen oder kann das DAX-Signal aus einer Datenbank erfassen.
  • Die Atemwegszustandseinheit 520 ist konfiguriert, um einen Atemwegszustand des Subjekts basierend auf dem DAX-Bild zu bestimmen. Der Atemwegszustand kann gemäß den in Bezug auf 5A oder 5B beschriebenen Verfahren bestimmt werden oder kann den Atemwegszustand durch ein anderes Verfahren bestimmen.
  • Die Signalmodifikationseinheit 540 ist konfiguriert, um ein modifiziertes DAX-Signal des Subjekts bei einem Referenzatmungszustand basierend auf dem Eingeben des DAX-Signals und des bestimmten Atemwegszustands in das erzeugte DAX-Modell zu erfassen. Die Signalmodifikationseinheit kann auch angepasst sein, um einen Atemwegserkrankungsgrad des Subjekts in das erzeugte DAX-Modell oder einen oder mehrere einer Vielzahl von patientenspezifischen Variablenwerten einzugeben (wenn das DAX-Modell ferner angepasst ist, um Beziehungen mit patientenspezifischen Variablen darzustellen).
  • Ein einzelner Prozessor oder eine weitere Einheit kann die Funktionen mehrerer in den Ansprüchen angegebener Punkte erfüllen.
  • Die bloße Tatsache, dass gewisse Maßnahmen in voneinander unterschiedlichen abhängigen Ansprüchen angegeben sind, gibt nicht an, dass eine Kombination dieser Maßnahmen nicht vorteilhaft verwendet werden kann.
  • Jegliche Bezugszeichen in den Ansprüchen sind nicht als Einschränkungen des Schutzumfangs auszulegen.

Claims (17)

  1. Computerimplementiertes Verfahren (100) zum Erzeugen eines Dunkelfeld-Röntgen-Modells, DAX-Modells, das angepasst ist, um Beziehungen zwischen einem DAX-Signal, einem Atemwegserkrankungsgrad und einem Atmungszustand darzustellen, das Verfahren umfassend: Eingeben (102) einer Vielzahl von Trainings-DAX-Bildern von Subjekten bei einer Vielzahl von bekannten Atemwegszuständen und mit einer Vielzahl von bekannten Atemwegserkrankungsgraden in das DAX-Modell; Empfangen (104) einer Vielzahl von vorhergesagten Atemwegszuständen und vorhergesagten Atemwegserkrankungsgraden aus dem DAX-Modell; und Bestimmen (106) von Parameterwerten des DAX-Modells basierend auf einer Differenz zwischen der Vielzahl von bekannten Atemwegszuständen und der Vielzahl von vorhergesagten Atemwegszuständen und ferner basierend auf einer Differenz zwischen der Vielzahl von bekannten Atemwegserkrankungsgraden und der Vielzahl von vorhergesagten Atemwegserkrankungsgraden.
  2. Verfahren nach Anspruch 1, wobei das DAX-Modell ein statistisches Verfahren verwendet, um die Beziehungen zwischen dem DAX-Signal, dem Atemwegserkrankungsgrad und dem Atmungszustand darzustellen.
  3. Verfahren nach einem der vorstehenden Ansprüche, wobei das DAX-Modell ferner angepasst ist, um Beziehungen zwischen dem DAX-Signal, dem Atemwegserkrankungsgrad, dem Atmungszustand und einem oder mehreren prüfsubjektspezifischen Variablen darzustellen, wobei die Vielzahl von Trainings-DAX-Bildern ferner Trainings-DAX-Bilder von Subjekten mit der einen oder den mehreren prüfsubjektspezifischen Variablen umfasst, und wobei das DAX-Modell ein statistisches Verfahren verwendet, um die Beziehungen zwischen dem DAX-Signal, dem Atemwegserkrankungsgrad, dem Atmungszustand und der einen oder den mehreren prüfsubjektspezifischen Variablen darzustellen.
  4. Verfahren nach Anspruch 3, wobei die eine oder mehreren prüfsubjektspezifischen Variablen ein Geschlecht, eine Körpergröße, einen Körpermassenindex, ein Lungenfunktionsprüfergebnis, eine Atemwegserkrankungsbewertung, bekannte Erkrankungen oder eine Rauchhistorie einschließen.
  5. Verfahren nach einem der vorstehenden Ansprüche, wobei das DAX-Signal entweder ein integriertes Signal über ein vollständiges Lungenfeld eines DAX-Bildes oder ein integriertes Signal über einen Teil des vollständigen Lungenfelds des DAX-Bildes ist.
  6. Computerimplementiertes Verfahren (200) zum Verarbeiten eines Dunkelfeld-Röntgen-Signals, DAX-Signals, eines Subjekts, das Verfahren umfassend: Erzeugen (202) eines DAX-Modells nach einem der Ansprüche 1 bis 5; Erhalten (204) des DAX-Signals des Subjekts, wobei ein DAX-Bild dem DAX-Signal entspricht; Bestimmen (206) eines Atemwegszustands des Subjekts basierend auf dem DAX-Bild; und Erfassen (208) eines modifizierten DAX-Signals des Subjekts bei einem Referenzatmungszustand basierend auf dem Eingeben des DAX-Signals und des bestimmten Atemwegszustands in das erzeugte DAX-Modell.
  7. Verfahren (300) zum Verarbeiten eines Dunkelfeld-Röntgen-Signals, DAX-Signals, eines Subjekts unter Verwendung eines DAX-Modells, das angepasst ist, um Beziehungen zwischen einem DAX-Signal, einem Atemwegserkrankungsgrad und einem Atmungszustand darzustellen, das Verfahren umfassend: Erhalten (302) eines DAX-Signals des Subjekts, wobei ein DAX-Bild dem DAX-Signal entspricht; Bestimmen (304) eines Atemwegszustands des Subjekts basierend auf dem DAX-Signal; und Erfassen (306) eines modifizierten DAX-Signals des Subjekts bei einem Referenzatmungszustand basierend auf dem Eingeben des DAX-Signals und des bestimmten Atemwegszustands in das DAX-Modell.
  8. Verfahren nach Ansprüchen 6 bis 7, ferner umfassend: Erhalten (360) eines Atemwegserkrankungsgrades des Subjekts und wobei das Erfassen (208, 306) des modifizierten DAX-Signals des Subjekts bei dem Referenzatmungszustand ferner auf dem Eingeben des erhaltenen Atemwegserkrankungsgrades in das DAX-Modell basiert ist.
  9. Verfahren nach Ansprüchen 6, 7 oder 8, wobei das DAX-Modell ferner angepasst ist, um Beziehungen zwischen dem DAX-Signal, dem Atemwegserkrankungsgrad, dem Atmungszustand und einer oder mehreren subjektspezifischen Variablen darzustellen, und wobei das Verfahren ferner umfasst: Erhalten (358) von subjektspezifischen Variablenwerten des Subjekts und wobei das Erfassen (208, 306) des modifizierten DAX-Signals des Subjekts bei dem Referenzatmungszustand ferner auf dem Eingeben der erhaltenen subjektspezifischen Variablenwerte in das DAX-Modell basiert ist.
  10. Verfahren nach Ansprüchen 6 bis 9, ferner umfassend: Erfassen (308) eines vorhergesagten Atemwegserkrankungsgrades des Subjekts basierend auf dem Eingeben des DAX-Signals und des bestimmten Atemzustands in das DAX-Modell.
  11. Verfahren nach Ansprüchen 6 bis 10, wobei der Referenzatmungszustand entweder ein vollständiger Inhalationszustand oder ein vollständiger Exhalationszustand ist.
  12. Verfahren nach einem der Ansprüche 6 bis 11, wobei das Bestimmen des Atemwegszustands des Subjekts umfasst: Schätzen (412) einer Lage einer Membran des Subjekts in dem DAX-Bild relativ zu Rippen des Subjekts in dem DAX-Bild; und wobei Bestimmen (414) des Atemwegszustands des Subjekts auf der geschätzten Lage der Membran basiert ist.
  13. Verfahren nach einem der Ansprüche 6 bis 11, wobei das Bestimmen des Atemwegszustands des Subjekts umfasst: Schätzen (422) eines Luftvolumens in einem Thorax des Subjekts basierend auf einem Lungenfeld des DAX-Bildes; und Bestimmen (424) des Atemwegszustands des Subjekts basierend auf dem geschätzten Luftvolumen in dem Thorax des Subjekts.
  14. Verfahren gemäß einem der Ansprüche 6 bis 13, ferner umfassend: Modifizieren (310) des DAX-Bildes basierend auf dem modifizierten DAX-Signal.
  15. System (500) zum Verarbeiten eines Dunkelfeld-Röntgen-Signals, DAX-Signals, eines Subjekts, das System umfassend: eine Modellierungseinheit (530), die konfiguriert ist, um ein DAX-Modell zu erzeugen, das angepasst ist, um Beziehungen zwischen einem DAX-Signal, einem Atemwegserkrankungsgrad und einem Atmungszustand darzustellen; eine Röntgenbilderfassungseinheit (510), die konfiguriert ist, um das DAX-Signal des Subjekts zu erfassen, wobei ein DAX-Bild dem DAX-Signal entspricht; eine Atemwegszustandseinheit (520), die konfiguriert ist, um einen Atemwegszustand des Subjekts basierend auf dem DAX-Bild zu bestimmen; und eine Signalmodifikationseinheit (540), die konfiguriert ist, um ein modifiziertes DAX-Signal des Subjekts bei einem Referenzatmungszustand basierend auf dem Eingeben des DAX-Signals und des bestimmten Atemwegszustands in das erzeugte DAX-Modell zu erfassen.
  16. Computerprogrammelement, das, wenn es durch mindestens eine Verarbeitungseinheit ausgeführt wird, angepasst ist, um die Verarbeitungseinheit zu veranlassen, die Schritte eines beliebigen der Verfahren nach einem der Ansprüche 1 bis 14 durchzuführen.
  17. Computerlesbares Medium, das darauf gespeichert das Programmelement nach Anspruch 16 aufweist.
DE112022003284.7T 2021-06-29 2022-06-20 Ein verfahren zur röntgenbildverarbeitung Pending DE112022003284T5 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP21182370.3 2021-06-29
EP21182370.3A EP4111977A1 (de) 2021-06-29 2021-06-29 Verfahren zur röntgenbildverarbeitung
PCT/EP2022/066641 WO2023274756A1 (en) 2021-06-29 2022-06-20 A method for x-ray image processing

Publications (1)

Publication Number Publication Date
DE112022003284T5 true DE112022003284T5 (de) 2024-07-18

Family

ID=76708045

Family Applications (1)

Application Number Title Priority Date Filing Date
DE112022003284.7T Pending DE112022003284T5 (de) 2021-06-29 2022-06-20 Ein verfahren zur röntgenbildverarbeitung

Country Status (4)

Country Link
EP (1) EP4111977A1 (de)
JP (1) JP2024525036A (de)
DE (1) DE112022003284T5 (de)
WO (1) WO2023274756A1 (de)

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3496109A1 (de) * 2017-12-08 2019-06-12 Koninklijke Philips N.V. Oszillierende dunkelfeldbildgebung

Also Published As

Publication number Publication date
WO2023274756A1 (en) 2023-01-05
JP2024525036A (ja) 2024-07-09
EP4111977A1 (de) 2023-01-04

Similar Documents

Publication Publication Date Title
DE102018108072A1 (de) Einrichtung, Verfahren und Programm zur Klassifizierung medizinischer Bilder
DE202014010690U1 (de) System zum Bewerten der Qualität medizinischer Bilder wenigstens eines Teils der Anatomie eines Patienten
DE10347971B3 (de) Verfahren und Vorrichtung zur Bestimmung des Flüssigkeitstyps einer Flüssigkeitsansammlung in einem Objekt
DE102005040438A1 (de) Verfahren und Vorrichtung zur Embolieanalyse
Tudorascu et al. The use of Centiloids for applying [11C] PiB classification cutoffs across region-of-interest delineation methods
DE112005001741T5 (de) System und Verfahren zur Baumprojektion zur Erkennung von Lungenembolie
DE102004043889B4 (de) Verfahren zum Erzeugen eines nuklearmedizinischen Bildes
EP3301642A1 (de) Automatisierte bildprüfung in der röntgenbildgebung
DE102017221297A1 (de) Verfahren und Vorrichtung zur automatisierten Auswertung wenigstens eines mit einer medizinischen Bildaufnahmeeinrichtung aufgenommenen Bilddatensatzes, Computerprogramm und elektronisch lesbarer Datenträger
DE102022112136A1 (de) Medizinisches bildanalysegerät, verfahren und medizinisches bild, visualisierungsgerät und verfahren
DE102014207449A1 (de) Automatische Erkennung eines potenziellen Pleuraergusses
DE102019211049A1 (de) Myokardialer blutfluss mit zuverlässigkeitsmerkmal
WO2008052854A1 (de) Verfahren und einrichtung zur anzeige eines im rahmen einer mammographie aufgenommenen röntgenbildes
EP3566651B1 (de) Verfahren und vorrichtung zur ermittlung von ergebniswerten auf basis einer skelettalen medizintechnischen bildaufnahme
DE10392245T5 (de) Erkennung von Bronchialwanderverdickungen zur Verringerung falsch positiver Befunde beim Nachweis von Lungenknoten
EP3639746B1 (de) Bereitstellen eines medizinischen bilddatensatzes eines patienten mittels einer röntgenröhre eines computertomographiesystems
Barton et al. Influence of bronchoalveolar lavage on thoracic radiography in the horse
EP3226206A1 (de) Klassifizierung mittels aufnahmen
DE112022003284T5 (de) Ein verfahren zur röntgenbildverarbeitung
DE102021131238A1 (de) Vorrichtung und verfahren zur medizinischen bildrekonsrunktion für ein screening für eine vielzahl von lungenkrankheitstypen
DE3788299T2 (de) Verfahren und Gerät zur Beurteilung einer Wirbelsäuledeformation.
EP3637365B1 (de) Verfahren zum bewerten einer verlässlichkeit eines ct-volumenbildes, computerprogramm und computerlesbares speichermedium
US20240315594A1 (en) A method for x-ray image processing
DE112020006198T5 (de) Vorrichtung, System, Verfahren und Computerprogramm zum Bereitstellen eines Kernbildes einer interessiernden Region eines Patienten
EP3413317B1 (de) Bereitstellen eines medizinischen bildes