CN115274063A - 用于操作医学图像数据集的评估***的方法、评估*** - Google Patents
用于操作医学图像数据集的评估***的方法、评估*** Download PDFInfo
- Publication number
- CN115274063A CN115274063A CN202210481628.2A CN202210481628A CN115274063A CN 115274063 A CN115274063 A CN 115274063A CN 202210481628 A CN202210481628 A CN 202210481628A CN 115274063 A CN115274063 A CN 115274063A
- Authority
- CN
- China
- Prior art keywords
- information
- image data
- evaluation
- data set
- evaluation algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
用于操作医学图像数据集的评估***的方法、评估***。在该方法中,至少一个评估算法被提供用于评估医学图像数据集以确定至少一个评估信息,针对每个评估算法,提供或者确定需求信息,接收至少一个输入集,其包括患者的至少一个图像数据集和要被应用的至少一个评估算法,分析每个输入集的每个图像数据集,以确定关于输入集的每个评估算法的适合性信息,仅转发其适合性信息指示满足对应的至少一个评估算法的需求信息的需求的至少一个图像数据集,以用于针对对应的评估算法的评估,和/或针对每个输入集的至少一个评估算法,执行至少一个用户信息动作和/或图像处理动作,每个输入集的相关联的适合性信息都指示不满足需求信息的需求。
Description
技术领域
本发明涉及一种用于操作针对医学图像数据集的评估***的计算机实施的方法,其中提供至少一个评估算法被用于评估医学图像数据集以确定至少一个评估信息。本发明还涉及评估***、计算机程序和电子可读存储介质。
背景技术
目前,成像技术通常用于医学中的诊断、监测和后护理。采集患者的成像区域的图像数据集,然后关于医学概念、特别是病理和其他解剖和/或生理异常和特征进行评估。虽然、特别是在过去,评估经常是由所谓的解读、特别是由放射科医师纯粹人工完成的,但是随着成像检查的数量和不同的专门成像技术的提高,评估任务的工作量和复杂性增加了。
因此,开发在计算设备上工作以帮助医务人员解读医学图像数据集、特别是关于诊断的评估算法是活跃的研究领域。此类评估算法使用包括至少一个图像数据集的输入数据来生成描述评估结果的输出数据、特别是在图像数据集中描绘的和/或可从图像数据集中导出的物理属性。近来,已经提出了更多的基于人工智能的评估算法,例如包括神经网络。此类人工智能评估算法对训练数据起作用,该训练数据包括具有关于输出数据的相关联的基本事实的图像数据集,例如由医生在人工评估中做出的相应的注释。
许多评估算法需要大量的计算资源,并且它们的使用是耗时的。在一些情况下,甚至已经提出在服务器或云设备上提供算法作为特别付费的服务,使得需要通过通信线路发送图像数据,进一步产生业务。然而,评估算法也可能无法产生正确或可用的评估结果。例如,如果已经针对某种类型的图像数据集训练了评估算法,则当图像数据集属性不同时它可能不能很好地工作。此外,图像质量可能不够和/或可能不存在要被评估的相关属性。在此类情况下,使用评估算法的图像评估不产生有价值的信息,并且可以被认为是浪费的工作。
发明内容
本发明的目的在于提供一种对患者的图像数据集的改进处理、特别是提供一致的处理和/或避免不必要的努力和成本。
该目的通过提供根据独立权利要求的计算机实施的方法、评估***、计算机程序和电子可读存储介质来实现。在从属权利要求中描述了有利的实施例。
根据本发明,在最初描述的计算机实施的操作方法中,
-针对每个评估算法,提供或确定需求信息,需求信息包括关于要被评估的图像数据的质量和/或内容的需求,
-接收至少一个输入集,至少一个输入集包括患者的至少一个图像数据集和要被应用的至少一个评估算法中的至少一个评估算法,
-分析每个输入集的每个图像数据集,以确定关于输入集的每个评估算法的适合性信息,该适合性信息至少指示满足或不满足对应的需求信息的需求,
-仅转发如下的至少一个图像数据集,以用于针对对应的评估算法的评估,该图像数据集的适合性信息指示满足对应的至少一个评估算法的需求信息的需求,和/或
-对每个输入集的至少一个评估算法,执行至少一个用户信息动作和/或图像处理动作,每个输入集的相关联适合性信息都指示不满足需求信息的需求。
本文描述的方法和***可以应用于单一地提供了评估算法的***,但是优选地用于提供多种不同评估算法的***中,例如涉及特定成像区域、特定解剖区域、特定成像模态、特定成像技术和/或特定类别的医学概念。例如,所有评估算法可以涉及冠状动脉成像,例如涉及冠状动脉计算机断层扫描血管造影术(CCTA)和钙化积分成像(casc)。在其它示例中,肝脏成像或扩散磁共振成像(MRI)可以是另外的或替代的应用领域。当然,还可以想到提供关于整个患者和/或不同成像模态的评估算法。
通常,评估算法对图像数据集的图像内容进行分析,以从图像数据集所覆盖的成像区域中的患者的成像的(即物理上存在的)特征中得到关于至少一个医学概念的评估信息。例如,医学概念可以包括病理的和其它解剖学的和/或生理学的异常和特征。例如,评估算法可以是病变检测算法,例如关于患者的冠状血管树中的病变。在另一个示例中,可以量化成像区域中的物质,例如造影剂、钠或钙。评估算法可以包括也可以不包括已训练的函数,例如至少一个已通过机器学习训练的神经网络。例如,至少一个评估算法可以是或包括深度神经网络、特别是卷积神经网络(CNN)。
输入集通常是指患者,并且可以包括患者的一个或多个图像数据集,例如在检查或相关检查序列的过程中采集的多个图像数据集。例如,图像数据集可以包括在至少一次冠状动脉检查期间采集的计算机断层扫描数据集。此外,输入集包括要被应用的评估算法的至少一个标识、特别是与图像数据集的子组相关联的评估算法的至少一个标识。
本发明的思想不是简单地将特定的、特别是人工选择的或自动关联的评估算法应用于图像数据集,而是添加进一步的上游分析步骤,该步骤关于至少一个评估算法确定并判断图像数据集的技术内容。特别地,至少检查评估算法和图像数据集是否彼此适合,并且优选地可以采取进一步有利的动作。附加分析可以理解为特别是多步骤的决策支持。
基本上,适合性信息允许识别不适合由特定评估算法评估的图像数据集,使得可以通过防止由对应的评估算法评估不适合的图像数据集来减少附加努力、特别是计算成本和/或数据通信量。这可以自动完成、特别是不需要医生的劳动。以这种方式,可以防止对医生、特别是放射科医生的技能和/或可用性的依赖。可以避免进行不必要的高级图像分析的不必要的成本和劳动,这不会导致临床相关性的额外评估信息、特别是当使用外部分析服务时,缩短了充分治疗的时间。
本发明还允许一致的处理,使得如果要应用特定评估算法,则可以预期关于质量和内容的特定标准。
再次注意,根据本发明的方法不限于某些确定的情况,其中已经人工地计划对图像数据执行某种高级分析。由本发明引入的决策支持还可以提供关于哪种高级分析将被应用于哪个图像数据集和/或对于患者最适合的高级分析方法将是什么的自动决策支持。换句话说,如下面将进一步描述的,根据本发明的方法和***可以用于识别高级分析可以揭示临床相关性的附加评估信息的患者、识别最适合的高级分析方法,即评估算法,以确定临床相关性的附加评估信息,并识别用于执行高级分析的适合的图像数据集,优选地考虑图像采集和重建以及图像质量。
在优选实施例中,不仅可以分析图像数据本身,而且可以分析附加的可用信息。特别地,至少一个输入集的至少一个图像数据集可以包括元信息、特别是DICOM格式的元信息,其中除了图像数据之外,元信息还被用于确定适合性信息。DICOM标准是众所周知的,并且广泛用于医学图像数据处理、存档和存储。它允许将关于图像数据集的元信息(例如采集参数,患者信息等)添加到相同的数据结构中,即图像数据集本身。优选地,在分析期间也使用该附加元信息,例如以确定使用了哪种成像技术、哪种对比结果、示出了哪个成像区域、使用了哪种分辨率等。
在优选实施例中,输入集的图像数据集和/或要被应用的评估算法是根据相应的患者的电子健康记录和/或PACS条目自动确定的,其中特别地,针对不是被人工选择到输入集的并且满足对输入集的至少一个图像数据集的需求的每个评估算法,输出建议使用该评估算法的建议信息,并且仅当接收到批准用户输入时才转发图像数据集。
电子健康记录和/或图像归档和通信***(PACS)用于为关于患者的相关信息提供数据存储,例如特定检查或一系列检查的所有结果图像数据集。其他信息、特别是患者信息,例如可疑诊断,可以在此种数据基础上与图像数据集相关联,因此允许完全自动地准备输入集。例如,如果患者使用计算机断层扫描进行冠状动脉检查,则可以推断出关于血流、冠状动脉病变等的算法可能是有用的。不同的图像数据集还可以预先与不同的评估算法相关联,使得例如患者的冠状动脉区域的非造影计算机断层扫描可以与钙化积分算法等相关联。全自动检查各评估算法是否适合,即高级分析是否能预期临床评估信息。虽然可以想到自动启动对应的评估算法的应用,但是优选的是首先向用户输出相应的建议信息。以这种方式,提供了决策支持,并且用户可以简单地确认将评估算法应用于对应的图像数据集的建议。
在特别优选的实施例中,至少包括描述图像数据集作为评估算法的输入数据的适合性程度的适合性度量可以被确定适合性信息。此种适合性度量,例如描述关于评估算法的相关图像质量的度量,可以用作导致评估信息改进的质量的进一步自动决策的基础。
特别地,如果多个图像数据集根据适合性信息满足评估算法的需求,则仅将与最高适合性度量相关联的至少一个图像数据集转发到评估算法,和/或,如果图像数据集满足全部产生所需求评估信息的多个评估算法的需求,则将图像数据集转发到适合性度量最高的评估算法。换言之,可以选择最适合作为评估算法的高级分析的基础的图像数据集,使得可以确定最高质量的评估信息。此外,如果多个评估算法产生相当的评估信息,则可以选择用于特定图像数据集的最适合且有前景的评估算法。结合起来,可以为最有希望的高级分析结果选择图像数据集和评估算法的最佳对。当然,也可以选择多种组合,例如将两个或三个最佳图像数据集转发到评估算法等。
在具体实施例中,针对每个图像数据集,通过分析图像数据集来确定描述图像数据集的质量和/或内容的图像信息,并且针对每个输入集,将每个图像数据集的图像信息与输入集的每个评估算法的需求信息进行比较,以确定适合性信息。虽然需求信息例如可以定义某些参数和信息项的标准,例如阈值等,但是可以通过技术上分析图像数据集来确定包括这些参数和/或信息项的图像信息。这允许对标准的评估,从而可以确定适合性信息。参数和信息项是通过应用相应的处理/分析算法确定的图像属性。
例如,至少一个图像属性可以被确定为图像信息的质量参数、特别是信噪比和/或对比度值和/或动态范围和/或图像锐度。
在示例性实施例中,至少一个需求信息的至少一个需求可以是稳健评估所需的最小质量、特别是关于特定质量参数。当然,也可以使用其它质量参数、特别是组合不同质量方面的质量度量。
在分析至少一个图像数据集期间,至少一个类型的伪像的存在和/或强度可由至少一个伪像检测算法确定为图像信息的一部分。在一些评估算法中,当自动评估图像数据集时,一些伪像不应该存在或很强。伪像的示例是由患者运动引起的运动伪像,例如如果成像区域受到心脏运动和/或呼吸运动的影响。伪像的另一来源可以是具有较高心率和/或非规则心率的患者。然而,在用于采集图像数据集的成像设备中也可能出现运动伪像。例如,在X射线设备中,经常移动检测器和/或X射线源。在现有技术中,已经提出了能够检测此类伪像的存在的伪像检测算法,这可能与评估算法相关。可将相应的图像伪像信息添加到图像信息。
注意,图像质量也可能受到采集期间发生的事件的影响。例如,如果使用造影剂并且定时关闭,则在成像区域中可能没有足够的造影剂,使得对比度可能太低。
在从原始数据重建期间也可能出现关于图像数据集的问题。例如,如果从投影数据重建计算机断层扫描数据集,则可以使用影响图像属性(例如图像清晰度)的重建核。最后,满足需求的问题可能因用户选择而引起,例如关于分辨率和/或切片厚度。
然而,图像质量不仅会影响评估算法对高级分析的适合性,还会影响图像内容。例如,如果评估算法分析特定、特别是医学的属性,则这些属性在图像数据集中应该是充分可区分的。因此,在实施例中,在分析该至少一个图像数据集期间,检测还要由至少一个评估算法进一步分析的至少一个、特别是医学的特征的存在,其中该评估算法的需求信息的至少一个需求要求这样的特征的存在。特别地,此种分析还可以涉及图像数据集对特征的完整描绘。如果人眼例如在功能成像中不能容易地辨别特征,则此种检查尤其重要。在实施例中,该特征还可以涉及病理学。在许多情况下,可以用低花费来检测一些病理的纯粹存在,而评估算法详细地分析病理,例如病变。如果在图像数据集中不包含相关病理,则关于该病理的高级分析也没有意义,使得根据本发明的操作方法可以防止此类图像数据集被转发到相应的评估算法。
在本发明的特别优选的实施例中,可以提供关于要被人工评估的图像数据的质量和/或内容的至少一个附加需求信息,以实现至少一个评估算法中的至少一个的评估目的,其中对于具有与其相关联的附加需求信息的每个输入集的至少一个算法,如果相关联的适合性信息都指示不满足需求信息的需求,则将图像信息与附加需求信息进行比较以确定用于每个图像数据集的附加适合性信息,其中如果至少一个图像数据集中的至少一个的附加适合性信息指示满足附加需求信息的需求,触发该图像数据集的人工评估的通知作为动作被输出,否则触发新图像数据集的获取的通知作为动作被输出。
换言之,在该实施例中,可以存在关于所采集的图像数据集的进一步分析和评估的三个结果。如果关于要被使用的评估算法的适合性信息指示图像质量和内容足够好到使用该算法,则可以由评估算法自动执行高级分析。然而,即使图像质量和/或内容可能不足以用于评估算法的自动高级分析,图像数据集的人工读取仍可提供相关的临床结果。因此,如果关于评估算法的适合性信息指示不适合性,则使用关于人工评估的附加需求信息执行第二检查,从而产生附加的适合性信息。如果附加适合性信息指示对于图像数据集的人工读取的适合性,则可以将图像数据集转发到人工评估,例如排队并输出给放射科医师。然而,如果关于特定的评估目的,没有找到适合于评估算法或人工读取的图像数据集,则由于图像数据在临床上是无用的,所以可以触发重新采集。然而,在这种情况下,分析的结果也可以投入使用,因为关于重新获取的控制信息可以根据适合性信息来生成,并且用于控制对应的成像设备。以这种方式,可以使重新采集适于产生更好地适合需求的图像数据集。通常,在此种实施例中,通过技术上分析和判断图像数据集,提供了决策支持,其允许最佳地使用任何采集的图像数据集。
如已经描述的,动作可以是用户信息动作,例如触发人工读取或重新获取或简单地将图像数据集标记为不适合或高级分析(和/或人工读取)。另外,如果要执行重新获取,则控制信息可另外发送到成像设备。然而,在实施例中,还可以触发图像处理动作、特别是除了例如需求确认的用户信息动作之外,其中该类图像处理动作可以尝试修改和/或改进图像数据集以满足至少一个需求信息的需求。在具体的实施例中,至少一个图像处理动作包括后处理、特别是增加至少一个图像数据集中的至少一个的至少一个质量参数,和/或使用修改的重建参数从原始数据重建至少一个图像数据集中的至少一个,以确定至少一个更新的图像数据集,对于该更新的图像数据集确定关于至少一个评估算法的更新的适合性信息。此类图像处理动作可以例如包括去噪、边缘锐化、伪像减少等。如果原始数据仍然可用,则有利地,如果例如不同的重建内核和/或不同的重建参数可以导致关于图像质量和/或内容的更适合的结果,则可以触发重建。
在优选实施例中,可以在远程服务器上提供至少一个评估算法,其中将要被评估的图像数据集发送到远程服务器。在此种配置中,通过将图像数据集重新分类为适合或不适合,不仅可以减少计算工作量并且可选地减少货币成本,而且可以减少通信业务。
在示例中,至少一个评估算法可以包括冠状动脉计算机断层扫描血管造影算法和/或钙化积分算法,其中图像数据集是包括患者心脏的成像区域的计算机断层扫描数据集。在该上下文中,例如,可以采集多个图像数据集,示出没有造影剂和/或不同的图像数据集可以包括在不同心脏相位采集的数据。例如,如果在输入集中提供对应于不同心脏相位的多个图像数据集,即,在心动周期期间的不同间隔,则可以确定并选择最适合于某一评估算法的图像数据集和心脏相位用于高级分析。
本发明进一步涉及一种用于医学图像数据集的评估***,其中在评估单元中提供至少一个评估算法用于评估医学图像数据集以确定至少一个评估信息。
-第一接口,用于针对每个评估算法,接收关于要被评估的图像数据的质量和/或内容的需求的需求信息,
-第二接口,接收包括患者的至少一个图像数据集和要被应用的至少一个评估算法中的至少一个的至少一个输入集,
-分析单元,分析每个输入集的每个图像数据集,以确定关于输入集的每个评估算法的适合性信息,该适合性信息至少指示对对应的需求信息的需求的满足或不满足,
决策单元,用于:
-将其适合性信息指示满足需求信息的需求的至少一个图像数据集转发到评估单元,供对应的评估算法评估,和/或-对每个输入集的至少一个评估算法执行至少一个用户信息动作和/或图像处理动作,每个输入集的相关联适合性信息都指示不满足需求信息的需求。
关于根据本发明的方法的所有属性和评论因此适合于根据本发明的评估***。评估***可以包括至少一个处理器和/或至少一个存储装置。功能单元可以用软件和/或硬件来实现、特别是在至少一个处理器上运行的软件。当然,可以提供进一步的功能单元来实现该方法的有利实施例。
根据本发明的计算机程序可以直接加载到评估***中,并且如果在评估***的计算设备上执行,则执行根据本发明的方法的步骤。该计算机程序可以存储在根据本发明的电子可读存储介质上,该电子可读存储介质因此包括控制信息,该控制信息包括根据本发明的至少一个计算机程序,使得当该电子可读存储介质用于评估***中时,该评估***执行根据本发明的方法的步骤。电子可读存储介质可以是非瞬态介质,例如CD-ROM。
附图说明
通过下面结合附图的详细描述,本发明的其它目的和属性将变得显而易见。然而,附图仅仅是为了说明的目的而设计的原理草图,并不限制本发明。附图示出:
图1是根据本发明的方法的实施例的流程图,并且
图2是根据本发明的评估***的实施例。
具体实施方式
图1是用于操作根据本发明的评估***的方法的实施例的流程图。在评估***中,在远程服务器上提供多个评估算法以从医学图像数据集导出评估信息。评估算法可以包括或不包括人工智能的训练功能,例如神经网络。在具体示例中,评估算法可以被配置为提供关于患者的冠状血管树的评估信息,例如关于病变、钙化积分等的评估信息。为了这些评估算法稳健地产生具有临床相关性的高质量评估信息,要被评估的图像数据集必须满足关于质量和/或内容的某些需求。
在图1中,示意性地示出了评估算法1a、1b..。针对在评估***中提供的每个评估算法,提供了需求信息2a、2b、…,其中需求信息2a、2b、…描述关于要由相应的评估算法1a、1b、…评估的图像数据集的质量和/或内容的上述需求。在该实施例中,针对每个评估算法1a、1b、…或至少每组产生相同评估信息的评估算法1a、1b、…(即用于相同评估目的),还提供了附加需求信息3a、3b、…。附加需求信息3a、3b、…定义了关于图像质量和/或内容的需求,该图像质量和/或内容对于关于相同的评估目的成功人工评估、即确定相同的评估信息来说是必须的。需求信息可以包括评估描述图像质量和/或内容的某些参数的标准,例如质量参数的阈值等。
如果要使用评估***、特别是评估算法1a、1b、…中的至少一个,则在评估***的接口处提供输入集4。输入集4包括至少一个图像数据集5,其中在图1的示例中,为了简单起见,示出了两个图像数据集5。输入集4还包括要被应用于至少一个图像数据集5的至少一个评估算法1a、1b、…的标识。出于更简单解释的原因,在这种情况下,仅将评估算法1b示为示例性输入集4的一部分。
输入集4可以人工编译,但也可以至少部分地自动导出。例如,输入集可以从如PACS或电子健康记录的数据库以及从DICOM研究中导出。此类数据库可以包括在特定患者的检查和/或特定患者的相关系列检查期间采集的图像数据集5。虽然图像数据集5本身、特别是如果它们以DICOM格式存储,可以已经包括关于图像数据集5和患者的元信息,但是附加患者信息和/或元信息可以在数据库中可得到,使得可以导出检查的目的、可疑诊断等以及如成像区域、患者年龄、性别和更多的信息。使用此种附加元信息和/或患者信息,当应用于对应的图像数据集5时,产生有用的临床相关信息的评估算法1a、1b、…可以被自动选择到输入集4中。关于图像数据集5,例如,可以自动选择某项检查和/或一系列检查的所有图像数据集5。
如果至少部分地自动编译输入集4,则下面进一步讨论的决策支持步骤不仅可以防止不合适的图像数据集5被评估算法1a、1b、…评估,而且还可以识别由评估算法1a、1b、…进行的高级分析可以产生临床相关性的附加信息的患者,以识别用于确定临床相关性的评估信息的最适当的高级分析方法,和/或识别用于执行高级分析的适当的图像数据集。
每次接收输入集4时,对于每对图像数据集5和要被应用于其的评估算法1b,在步骤S1中确定适合性信息。在图1所示的实施例中,在第一子步骤S1a中,分析图像数据集5并且导出描述图像质量和/或内容的图像信息。例如,图像信息可以包括质量参数,如图像清晰度、对比度、信噪比和/或信息项(如所示解剖或一般医学属性的二进制指示符)。优选地,在步骤S1a中,作为图像信息的一部分,还确定在图像数据集中是否包括某些、特别是医学属性,例如是否示出了病变和/或其它医学概念。
在步骤S1b中,将图像信息与该对的相应评估算法1b的需求信息2b进行比较。例如,可以评估标准。在该实施例中,适合性信息不仅包括对于图像数据集是否满足需求信息的需求的二进制指示符,而且还确定适合性度量。适合性度量量化图像数据集5的与评估算法相关的质量和内容。例如,它可以通过质量参数的阈值被超过多少来量化,和/或对不同的标准可以被加权多少以推导出适合性度量的单个值。
一旦确定了输入集4的所有图像数据集对5和评估算法1b的适合性信息,在步骤S2中,检查适合性信息是否指示对相应需求信息的所有需求的满足。如果满足关于多个图像数据集5和一个确定的评估算法1b的需求,则在步骤S3中仅转发具有最高适合性度量的图像数据集5以供评估算法1b评估。另一方面,如果在输入集4中包括具有相同评估目的,即产生相同评估信息的多个评估算法1b,则选择具有最高适合性度量的对,并将该对的图像数据集5转发到该对的评估算法1b。当然,如果适合性信息仅指示对一对图像数据集5和特定评估算法1b/一组类似的评估算法1b的满足,则可以在步骤S3中简单地转发图像数据集5,而不进一步考虑适合性度量。
然而,如果在步骤S2中确定至少对于用于相同评估目的的评估算法1b或类似的评估算法1b的组,没有适合信息指示对需求的满足,则进行到步骤S4,其中相应的附加需求信息3b用于确定关于图像数据集5的人工读取的附加适合性信息。在该实施例中,图像信息仅需要附加地与附加需求信息3b进行比较,其中优选地,附加适合性量度被确定为附加适合性信息的一部分。
在步骤S5中,至少对已经为其确定了指示满足人工读取需求的附加适合性信息的图像数据集5进行标记以用于人工读取,并且在步骤S6中相应的用户信息作为用户信息动作输出。
然而,如果所有附加适合性信息指示对附加需求信息3b的需求的不满足,则在步骤S7中,可以输出对应的用户信息作为用户信息动作。然而,在实施例中,也可以在步骤S7中发起图像处理动作、特别是用于改善至少一个图像数据集5的图像质量,然后可以根据虚线箭头6再次检查其适合性。然而,还可以触发图像数据集5的重建和/或甚至重新采集,使得得到全新的医学图像数据集5,并且可以检查其关于高级分析的适合性。在该上下文中,可以生成包括有助于适合性的采集参数的控制信息并将其发送到成像设备,在该成像设备中,该控制信息可以用于控制重新采集过程,从而增加生成适合由评估算法1a、1b、…中的一种进行高级分析的图像数据集5的概率。
应当注意,在通过图像处理动作生成更新的图像数据集5的情况下,可以请求来自用户的确认。如果例如在步骤S3中使用未明确人工选择的评估算法1a、1b、…和/或图像数据集5,则也可以请求此种确认。因此,在将图像数据集5转发到相应的评估算法1a,1b之前,可以输出建议信息,并且可以接收批准或不批准的用户输入。
图2示出了根据本发明的评估***7的原理、功能图。评估***7包括可以位于医疗设施中的本地计算设备8。包括至少一个处理器和至少一个存储装置的计算设备8经由通信链路10、特别是经由因特网11连接到远程服务器9,远程服务器9可以是服务器设备和/或云设备。远程服务器9包括评估单元12,其中可以应用存储在相应存储装置13中的评估算法1a,1b..。
本地计算设备8包括第一接口14,其中例如可以从远程服务器9提供需求信息2a、2b、…和附加需求信息3a,3b..。需求信息2a、2b、…和3a、3b、…可以存储在计算设备8的存储装置15中。经由第二接口16,可以例如从PACS17和/或直接从成像设备18接收输入集4。在分析单元19中,可以根据步骤S1确定适合性信息,而在决策单元20中,可以执行步骤S2至S7的决策过程、特别是包括步骤S3,S6和S7中的相应动作。
如果在步骤S3中,图像数据集5被转发到评估单元12,供相应的评估算法1a、1b、…进行相应的处理,则所得到的评估信息可以经由通信链路10被发送到计算设备8,并且经由第三接口21被输出。注意,第三接口21可以至少部分地集成到第二接口16中,使得评估信息可以被发送到PACS17和/或成像设备18用于显示和/或存储。
计算设备8可以是也具有输入装置和输出装置的图像读取工作站的一部分,使得优选地,可以显示评估信息,可以替代地或附加地执行人工读取,可以输出用户信息和/或可以接收用户输入。
尽管已经参考优选实施例详细描述了本发明,但是本发明不限于所公开的示例,本领域技术人员能够从这些示例中导出其他变化而不脱离本发明的范围。
Claims (15)
1.一种计算机实施的方法,用于操作针对医学图像数据集(5)的评估***(7),其中至少一个评估算法(1a、1b、...)被提供用于评估医学图像数据集以确定至少一个评估信息,其特征在于,
针对每个评估算法(1a、1b、...),提供或者确定需求信息(2a、2b、...),所述需求信息(2a、2b、…)包括关于要被评估的图像数据的质量和/或内容的需求,
接收至少一个输入集(4),所述至少一个输入集(4)包括患者的至少一个图像数据集(5)和要被应用的所述至少一个评估算法(1a、1b、...)中的至少一个评估算法,
分析每个输入集(4)的每个图像数据集(5),以确定关于所述输入集(4)的每个评估算法(1a、1b、...)的适合性信息,所述适合性信息至少指示满足或不满足对应的需求信息(2a、2b、...)的需求,
仅转发如下的至少一个图像数据集(5),以用于针对所述对应的评估算法(1a、1b、...)的评估,所述至少一个图像数据集(5)的适合性信息指示满足对应的至少一个评估算法的需求信息(2a、2b、...)的需求,和/或
针对所述每个输入集(4)的至少一个评估算法(1a、1b、...),执行至少一个用户信息动作和/或图像处理动作,所述每个输入集(4)的相关联的适合性信息都指示不满足所述需求信息(2a、2b、...)的需求。
2.根据权利要求1所述的方法,其特征在于,至少一个输入集(4)的至少一个图像数据集(5)包括元信息、特别是包括DICOM格式的元信息,其中除了所述图像数据之外,所述元信息被用于确定所述适合性信息。
3.根据权利要求1或2所述的方法,其特征在于,所述输入集(4)的图像数据集(5)和/或要被应用的评估算法(1a、1b、...)是根据相应的患者的电子健康记录和/或PACS条目自动确定的,其中特别地,针对不是被人工选择到所述输入集(4)的并且满足对所述输入集(4)的至少一个图像数据集(5)的需求的每个评估算法(1a、1b、...),输出建议使用该评估算法(1a、1b、...)的建议信息,并且仅当接收到批准用户输入时转发所述图像数据集(5)。
4.根据前述权利要求中一项所述的方法,其特征在于,所述适合性信息被确定为所述评估算法(1a、1b、...)的输入数据,所述适合性信息包括描述所述图像数据集(5)的适合程度的至少一个适合性度量。
5.根据权利要求4所述的方法,其特征在于,如果多个图像数据集(5)根据所述适合性信息满足评估算法(1a、1b、...)的需求,那么仅将与最高适合性度量相关联的至少一个图像数据集(5)转发到所述评估算法(1a、1b、...),和/或,如果图像数据集(5)满足全部产生所需求的评估信息的多种评估算法(1a、1b、...)的需求,则将图像数据集(5)转发到所述适合性度量最高的所述评估算法(1a、1b、...)。
6.根据前述权利要求中任一项所述的方法,其特征在于,针对每个图像数据集(5),通过分析所述图像数据集(5)来确定描述所述图像数据集(5)的质量和/或内容的图像信息,并且针对每个输入集(4),将每个图像数据集(5)的所述图像信息与所述输入集(4)的每个评估算法(1a、1b、...)的所述需求信息进行比较,以确定所述适合性信息。
7.根据权利要求6所述的方法,其特征在于,至少一个图像属性被确定为所述图像信息的质量参数、特别是信噪比和/或对比度值和/或动态范围和/或图像锐度。
8.根据权利要求6或7所述的方法,其特征在于,在分析所述至少一个图像数据集(5)期间,通过至少一个伪像检测算法(1a、1b、...)来确定至少一个类型的伪像的存在和/或强度以作为所述图像信息的一部分。
9.根据权利要求6至8中任一项所述的方法,其特征在于,在分析所述至少一个图像数据集(5)期间,检测还将要由至少一个评估算法(1a、1b、...)分析的至少一个特征的存在,其中所述评估算法(1a、1b、...)的需求信息(2a、2b、...)的至少一个需求要求所述特征存在。
10.根据权利要求6至9中任一项所述的方法,其特征在于,提供关于要被人工评估的图像数据的质量和/或内容的至少一个附加需求信息(3a、3b、...),以实现所述至少一个评估算法(1a、1b、...)中的至少一个的评估目的,其中针对具有与其相关联的附加需求信息(3a、3b、...)的每个输入集(4)的至少一个评估算法(1a、1b、...),如果相关联的适合性信息都指示不满足需求信息(2a、2b、...)的需求,则所述将图像信息与所述附加需求信息进行比较以确定用于每个图像数据集(5)的附加适合性信息,其中如果所述至少一个图像数据集(5)中的至少一个的附加适合性信息指示满足附加需求信息的需求,输出触发该图像数据集(5)的人工评估的通知作为所述动作,否则输出触发新图像数据集(5)的获取的通知作为所述动作。
11.根据前述权利要求中任一项所述的方法,其特征在于,至少一个图像处理动作包括后处理、特别是增加所述至少一个图像数据集(5)中的至少一个的至少一个质量参数,和/或使用修改的重建参数从原始数据重建所述至少一个图像数据集(5)中的至少一个,以确定至少一个更新的图像数据集(5),其中对于该更新的图像数据集(5)确定关于所述至少一个评估算法(1a、1b、...)的更新的适合性信息。
12.根据前述权利要求中任一项所述的方法,其特征在于,在远程服务器(9)上提供所述至少一个评估算法(1a、1b、...),其中将要被评估的图像数据集(5)发送到所述远程服务器(9)。
13.一种用于医学图像数据集(5)的评估***(7),其中在评估单元(12)中提供至少一个评估算法(1a、1b、...)用于评估医学图像数据集(5)以确定至少一个评估信息,
所述评估信息包括:
第一接口(14),用于针对每个评估算法,接收关于要被评估的图像数据的质量和/或内容的需求的需求信息(2a、2b、...),
第二接口(16),用于接收包括患者的至少一个图像数据集(5)和所述要被应用的至少一个评估算法(1a、1b、...)中的至少一个的至少一个输入集(4),
分析单元(19),分析每个输入集(4)的每个图像数据集(5),以确定关于所述输入集(4)的每个评估算法(1a、1b、...)的适合性信息,所述适合性信息至少指示满足或不满足对应的需求信息(2a、2b、...)的需求,
决策单元(20),用于
将其适合性信息指示满足需求信息的需求的至少一个图像数据集(5)转发到评估单元(12),供对应的评估算法(1a、1b、...)评估,和/或
对每个输入集(4)的至少一个评估算法(1a、1b、...)执行至少一个用户信息动作和/或图像处理动作,所述每个输入集的相关联的适合性信息都指示不满足所述需求信息(2a、2b、...)的需求。
14.一种计算机程序,当所述计算机程序在评估***(7)的计算设备(8)中执行时,所述计算机程序执行根据权利要求1至12中任一项所述的方法的步骤。
15.一种电子可读存储介质,其上存储有根据权利要求14所述的计算机程序。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP21171603.0A EP4084010A1 (en) | 2021-04-30 | 2021-04-30 | Method for operating an evaluation system for medical image data sets, evaluation system, computer program and electronically readable storage medium |
EP21171603.0 | 2021-04-30 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115274063A true CN115274063A (zh) | 2022-11-01 |
Family
ID=75936669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210481628.2A Pending CN115274063A (zh) | 2021-04-30 | 2022-05-05 | 用于操作医学图像数据集的评估***的方法、评估*** |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220351832A1 (zh) |
EP (1) | EP4084010A1 (zh) |
CN (1) | CN115274063A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11476005B2 (en) * | 2020-09-03 | 2022-10-18 | Huron Technologies International Inc. | Systems and methods for automatically managing image data |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017221297A1 (de) * | 2017-11-28 | 2019-05-29 | Siemens Healthcare Gmbh | Verfahren und Vorrichtung zur automatisierten Auswertung wenigstens eines mit einer medizinischen Bildaufnahmeeinrichtung aufgenommenen Bilddatensatzes, Computerprogramm und elektronisch lesbarer Datenträger |
US20190377984A1 (en) * | 2018-06-06 | 2019-12-12 | DataRobot, Inc. | Detecting suitability of machine learning models for datasets |
US11449986B2 (en) * | 2018-10-23 | 2022-09-20 | International Business Machines Corporation | Enhancing medical imaging workflows using artificial intelligence |
US10984894B2 (en) * | 2018-12-27 | 2021-04-20 | Ge Healthcare Limited | Automated image quality control apparatus and methods |
-
2021
- 2021-04-30 EP EP21171603.0A patent/EP4084010A1/en active Pending
-
2022
- 2022-04-27 US US17/730,539 patent/US20220351832A1/en active Pending
- 2022-05-05 CN CN202210481628.2A patent/CN115274063A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4084010A1 (en) | 2022-11-02 |
US20220351832A1 (en) | 2022-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11803965B2 (en) | Methods and systems for assessing image quality in modeling of patient anatomic or blood flow characteristics | |
US20220079681A1 (en) | Systems and methods for correction of artificial deformation in anatomic modeling | |
KR101818074B1 (ko) | 인공지능 기반 의료용 자동 진단 보조 방법 및 그 시스템 | |
US9152761B2 (en) | Systems and methods for identifying medical image acquisition parameters | |
US11443201B2 (en) | Artificial intelligence-based self-learning in medical imaging | |
US9275451B2 (en) | Method, a system, and an apparatus for using and processing multidimensional data | |
US7653227B2 (en) | Hierarchical modeling in medical abnormality detection | |
WO2020186208A1 (en) | Systems and methods of computed tomography image reconstruction | |
US11398304B2 (en) | Imaging and reporting combination in medical imaging | |
CN110458837B (zh) | 一种图像后处理方法、装置、电子设备及存储介质 | |
US11669960B2 (en) | Learning system, method, and program | |
CN108537774B (zh) | 用于检查医学图像的方法以及用于调整检查协议的方法 | |
US20210142480A1 (en) | Data processing method and apparatus | |
JP2011505949A (ja) | 脳画像データの画像解析 | |
US20220351838A1 (en) | Methods and systems for management and visualization of radiological data | |
CN115274063A (zh) | 用于操作医学图像数据集的评估***的方法、评估*** | |
CN109727660B (zh) | 在医学成像中针对血液动力学量化的不确定性或敏感性的机器学习预测 | |
US20190074074A1 (en) | Systems and methods for generating correct radiological recommendations | |
US20220172353A1 (en) | Medical image reconstruction apparatus and method for screening for plurality of types of lung diseases | |
JP2010097476A (ja) | 画像検索装置及びその方法 | |
You et al. | Diagnosis of intracranial aneurysms by computed tomography angiography using deep learning-based detection and segmentation | |
JP7483018B2 (ja) | 画像処理装置、画像処理方法及びプログラム、画像処理システム | |
Borgers | The role of Artificial Intelligence (AI) in radiology: The current ctatus of FDA approved systems | |
US20230289534A1 (en) | Information processing apparatus, information processing method, and information processing program | |
Liu et al. | Material composition characterization from computed tomography via self-supervised learning promotes pulmonary disease diagnosis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |