DE102022213495A1

DE102022213495A1 - Verfahren zur Reduzierung von aufgrund von Gefäßüberlagerungen auftretenden Artefakten in einem vierdimensionalen Angiographiedatensatz, computerimplementiertes Verfahren zum Bereitstellen einer trainierten Funktion, Bildverarbeitungseinrichtung, Computerprogramm, elektronisch lesbarer Datenträger und Trainingssystem

Info

Publication number: DE102022213495A1
Application number: DE102022213495.8A
Authority: DE
Inventors: Noah Maul; Annette Birkhold
Original assignee: Friedrich Alexander Univeritaet Erlangen Nuernberg FAU; Siemens Healthineers AG
Current assignee: Siemens Healthineers Ag De; Friedrich Alexander Univeritaet Erlangen Nuernberg FAU
Priority date: 2022-12-13
Filing date: 2022-12-13
Publication date: 2024-06-13
Also published as: US20240193737A1; CN118196221A

Abstract

Die Erfindung betrifft ein Verfahren zur Reduzierung von aufgrund von Gefäßüberlagerungen auftretenden Artefakten in einem vierdimensionalen, unter Gabe eines Kontrastmittels aufgenommenen Angiographiedatensatz, wobei für einen dreidimensionalen Gefäßdatensatz (4) eines Blutgefäßsystems (25) oder für einen daraus abgeleiteten, reduzierten Datensatz (5) Daten (6, 7) einer Verteilung einer Konzentration des Kontrastmittels in dem Blutgefäßsystem (25) zu den jeweiligen Zeitpunkten erzeugt werden (S3, S4), vorzugsweise mittels einer trainierten Funktion (10), welche durch ein erfindungsgemäßes Trainingsverfahren trainiert worden sein kann. Eine Farbintensität eines eine Kontrastmittelfüllung zeigenden Pixels (11) eines jeweiligen Projektionsbildes (1, 2, 3) des Blutgefäßsystems (25) kann gemäß den Daten (6, 7) der Verteilung zu dem jeweiligen Zeitpunkt des aufgenommenen Projektionsbildes (1, 2, 3) auf Voxel (20, 21) des Gefäßdatensatzes (4), welche entlang eines zu dem Pixel (11) zugehörigen Strahls (14) der Rückprojektion liegen, verteilt wird (S6).

Description

Die Erfindung betrifft ein Verfahren zur Reduzierung von aufgrund von Gefäßüberlagerungen auftretenden Artefakten in einem vierdimensionalen, unter Kontrastmittelgabe aufgenommenen Angiographiedatensatz eines interessierenden Aufnahmebereichs eines Blutgefäßsystems eines Patienten, wobei aus zweidimensionalen, das Blutgefäßsystem zeigenden, zu jeweiligen Zeitpunkten in einem bestimmten Zeitintervall aufgenommenen Projektionsbildern einer digitalen Subtraktionsangiographie ein dreidimensionaler Gefäßdatensatz des Blutgefäßsystems rekonstruiert wird und durch multiplikative Rückprojektion der Projektionsbilder in den Gefäßdatensatz ermittelt wird. Darüber hinaus betrifft die Erfindung ein computerimplementiertes Verfahren zum Bereitstellen einer trainierten Funktion, eine Bildverarbeitungseinrichtung, ein Computerprogramm, einen elektronisch lesbaren Datenträger und ein Trainingssystem.
Überlappende Gefäße sind ein grundsätzlich bekanntes Problem in der digitalen Subtraktionsangiographie (DSA). Ein großer Schritt in Richtung verlässlicher und gut interpretierbarer Bilder war die Entwicklung der vierdimensionalen digitalen Subtraktionsangiographie. Hierbei werden mit einer Röntgeneinrichtung, beispielsweise einer Röntgeneinrichtung mit einem C-Bogen, bei einer oder mehreren Rotationen unter unterschiedlichen Projektionswinkeln zweidimensionale Projektionsbilder des interessierenden Aufnahmebereichs des Blutgefäßsystems des Patienten zu jeweiligen Zeitpunkten in einem bestimmten Zeitintervall aufgenommen, während das Kontrastmittel durch das Blutgefäßsystem im Aufnahmebereich strömt.
Durch Subtraktion eines ohne Kontrastmittel aufgenommenen Maskenbildes entstehen Projektionsbilder der digitalen Subtraktionsangiographie, wobei eine Subtraktion auch für jeweilige rekonstruierte dreidimensionale Bilddatensätze erfolgen kann. Während es in den Anfängen der digitalen Subtraktionsangiographie bekannt war, mehrere zeitlich aufeinander folgende dreidimensionale Bilddatensätze dadurch zu erzeugen, dass in einem bestimmten Zeitintervall aufgenommene Projektionsbilder der digitalen Subtraktionsangiographie genutzt wurden, um hieraus einen dreidimensionalen Teilbilddatensatz zu rekonstruieren, existieren inzwischen neuere Ansätze, die eine bessere Bildqualität und auch eine bessere zeitliche Auflösung liefern können.
Einer dieser Ansätze ist in einem Artikel von B. Davis et al, „4D Digital Subtraction Angiography: Implementation and Demonstration of Feasibility", DOI: 10.3174/ajnr.A3529, beschrieben worden. Dort wird vorgeschlagen, zunächst unter Verwendung eines insbesondere großen Anteils der Projektionsbilder der digitalen Subtraktionsangiographie, die zumindest weitgehend gefüllte Gefäße zeigen, einen nicht zeitaufgelösten, das gesamte Blutgefäßsystem im Aufnahmebereich zeigenden dreidimensionalen Gefäßdatensatz zu rekonstruieren, der die Grundlage für eine kontinuierliche Aktualisierung der Voxelwerte durch multiplikative Einbettung der Zeitinformation der insbesondere normierten Projektionsbilder der digitalen Subtraktionsangiographie bildet, so dass eine Serie zeitaufgelöster 3D-Bilder, also der vierdimensionale Angiographiedatensatz oder zumindest ein Teilbilddatensatz entsteht. Mit anderen Worten wird der Gefäßdatensatz letztlich zur Beschränkung der Rekonstruktion des Angiographiedatensatzes genutzt, die die zeitliche Information von den Projektionsbildern der digitalen Subtraktionsangiographie integriert. Es wird mithin eine multiplikative Rückprojektion durchgeführt. Dies kann so verstanden werden, dass auf dem Strahl eines Pixels eines Projektionsbildes, das durch dessen Farbintensität eine Kontrastmittelfüllung zeigt, liegende Gefäße (als Gefäße markierte Voxel) als zu dem Zeitpunkt der Aufnahme des Projektionsbildes kontrastmittelgefüllt hervorgehoben werden.
Diese Verwendung von Aufnahmen in einer einzigen Ebene und der multiplikativen Rückprojektion in der vierdimensionalen Bildrekonstruktion kann jedoch immer dann zu Problemen führen, wenn entlang der Strahlen des aktuellen Projektionsbildes ein Gefäßüberlapp vorliegt. Genauer gesagt führt die multiplikative Rückprojektion eines zweidimensionalen Projektionsbildes in ein statisches dreidimensionales Beschränkungsbild, also den Gefäßdatensatz, (ohne zusätzliche Regularisierung) zu einer nicht plausiblen Gefäßhervorhebung, da die Farbintensität zumindest eines Pixels des zweidimensionalen Projektionsbildes nicht eindeutig einem der überlappenden Gefäßvoxel zugeordnet werden kann, welches hervorgehoben werden soll. Das bedeutet also, ein derartiger Algorithmus kann Artefakte aufgrund von Gefäßüberlagerung hervorbringen, indem bestimmte Voxel von Gefäßsegmenten fälschlicherweise hervorgehoben werden. Für den Benutzer, beispielsweise einen diagnostizierenden Arzt, bedeutet das, dass die Bildqualität und die klinische Signifikanz dieser vierdimensionalen Bildgebung darunter leiden.
Um die Anzahl der Überlagerungsartefakte zu reduzieren, wurde bereits vorgeschlagen, bei der multiplikativen Rückprojektion zur Ermittlung der dreidimensionalen Teilbilddatensätze, die verschiedenen Zeitpunkten zugeordnet sind, gleichzeitig eine ebenso vierdimensionale Konfidenzkarte als Konfidenzdatensatz zu ermitteln, die den Gefäßüberlapp entlang relevanter, verwendeter Strahlen beschreibt. Dabei wird einem starken Gefäßüberlapp üblicherweise der Konfidenzwert 0 und einem nicht vorhandenen Gefäßüberlapp üblicherweise der Konfidenzwert 1 zugeordnet. Konfidenzwerte des Konfidenzdatensatzes können durch „Zählen“ der Gefäße, insbesondere durch Integration entlang des Strahls und Vergleich mit wenigstens einem Schwellwert, bestimmt werden. Auf der Grundlage des vierdimensionalen Konfidenzdatensatzes, der den Gefäßüberlapp beschreibt, ist es möglich, nicht zuverlässige Intensitätswerte des vorläufigen vierdimensionalen Angiographiedatensatzes zwischen hinreichend verlässlichen Nachbarwerten in der Zeit zu interpolieren und somit die weniger verlässlichen, beispielsweise einen Schwellwert für den Konfidenzwert unterschreitenden, Werte zu ersetzen.
Es hat sich jedoch gezeigt, dass bezüglich dieses Zugangs noch Verbesserungspotential bei der Eliminierung des Bildqualitätsproblems durch Gefäßüberlagerungsartefakte vorhanden ist. Insbesondere ist es derzeit nicht möglich, die Farbintensität des Pixels so auf die Voxel zu verteilen, sodass diese mit einer entsprechenden Konzentration des Kontrastmittels hervorgehoben werden können.
Die DE 10 2017 200 489 A1 beschreibt ein Verfahren, bei welchem in einem Plausibilisierungsschritt in allen einzelnen, verschiedenen Zeitpunkten des abgedeckten Zeitraums zugeordneten Teilbilddatensätzen des Angiographiedatensatzes kontrastmittelgefüllt dargestellte Gefäßabschnitte gegen ein auf das Vorliegen einer kontrastmittelgefüllten Verbindung mit einem zulässigen Quellpunkt prüfendes Plausibilisierungskriterium geprüft werden, wobei ein nur noch die das Plausibilisierungskriterium erfüllenden Gefäßabschnitte enthaltender korrigierter Teilbilddatensatz ermittelt wird.
Der Erfindung liegt die Aufgabe zugrunde, eine verbesserte und schnellere Möglichkeit zur Reduzierung von durch Überlagerung von Gefäßen auftretenden Gefäßüberlagerungsartefakten anzugeben. Unabhängig vom grammatikalischen Geschlecht eines bestimmten Begriffes sind Personen mit männlicher, weiblicher oder anderer Geschlechteridentität mit umfasst.
Zur Lösung dieser Aufgabe ist bei einem Verfahren der eingangs genannten Art insbesondere vorgesehen, dass für den dreidimensionalen Gefäßdatensatz oder für einen daraus abgeleiteten, reduzierten Datensatz Daten einer Verteilung einer Konzentration des Kontrastmittels in dem Blutgefäßsystem zu den jeweiligen Zeitpunkten in dem Zeitintervall erzeugt werden. Weiter ist es insbesondere vorgesehen, dass eine Farbintensität eines eine Kontrastmittelfüllung zeigenden Pixels eines jeweiligen Projektionsbildes der Projektionsbilder gemäß den Daten der Verteilung zu dem jeweiligen Zeitpunkt des aufgenommenen Projektionsbildes auf Voxel des Gefäßdatensatzes, welche entlang eines zu dem Pixel zugehörigen Strahls der Rückprojektion liegen, verteilt wird.
Der vierdimensionale Angiographiedatensatz deckt einen bestimmten Zeitraum des Verlaufs der Konzentration des Kontrastmittels in dem Aufnahmebereich durch eine Zeitserie von dreidimensionalen Teilbilddatensätzen ab. Das bedeutet, jedes Bildelement des vierdimensionalen Angiographiedatensatzes entspricht nicht nur einem Volumenelement eines Gefäßes, insbesondere Voxel, sondern jedes der Bildelemente enthält über den Zeitraum eine Kontrastmittelkonzentrationsverlaufskurve. Insbesondere lassen sich aus dem vierdimensionalen Angiographiedatensatz zu verschiedenen Zeitpunkten innerhalb des Zeitraums entsprechende Kontrastmittelkonzentrationszustände beschreibende Teilbilddatensätze ergeben, insbesondere jeweils ein 3D-Bild zu den Zeitpunkten. Dabei ist ein Zeitpunkt als ein Teilbereich des Zeitraums zu verstehen. Insbesondere deckt ein Zeitpunkt, je nach zeitlicher Auflösung des vierdimensionalen Angiographiedatensatzes, üblicherweise ein gewisses Zeitintervall ab, das beispielsweise der kleinsten auflösbaren Zeiteinheit oder einem Vielfachen davon entsprechen kann.
Aus den Projektionsbildern kann insbesondere der dreidimensionale Gefäßdatensatz rekonstruiert werden. Insbesondere kann zur Vereinfachung oder zur verbesserten Darstellung aus dem Gefäßdatensatz ein Basisdatensatz abgeleitet werden, der beispielsweise nur noch Bildwerte oberhalb eines bestimmten Schwellwerts enthalten kann. Vorzugsweise kann unter dem Gefäßdatensatz auch der Basisdatensatz verstanden werden bzw. können die hierin beschriebenen Schritte auch für den Basisdatensatz statt dem Gefäßdatensatz angewendet werden.
Der dreidimensionale Gefäßdatensatz kann vorzugsweise das aufgenommene dreidimensionale Blutgefäßsystem digital abbilden, sodass das Blutgefäßsystem durch den Gefäßdatensatz auf einer entsprechenden Anzeigeeinrichtung angezeigt und/oder für fluiddynamische Berechnungen verwendet werden kann. Insbesondere kann der Gefäßdatensatz Blutgefäßwände des Blutgefäßsystems abbilden, innerhalb welcher ein Blutfluss ermöglicht wird. Mit anderen Worten kann der mögliche Blutfluss, insbesondere ein mit Kontrastmittel versetzter Blutfluss, auf ein Volumen innerhalb der Blutgefäßwände beschränkt werden. Basierend auf dieser Beschränkung und gegebenenfalls weiteren Randbedingungen kann insbesondere eine Recheneinheit Daten der Verteilung der Konzentration des Kontrastmittels zu den jeweiligen Zeitpunkten erzeugen, sodass diese Verteilung vorhersagbar, insbesondere prognostizierbar, wird. Zur Erzeugung der Daten können beispielsweise Randbedingungen in Form einer Quelle des Kontrastmittels, einer Menge des Kontrastmittels, eine Herzfrequenz, eine Blutflussrate, eine Injektionsrate oder dergleichen definiert sein.
Es kann also in einer möglichen Ausführungsform unabhängig von Informationen der Projektionsbilder über die Konzentration des Kontrastmittels, sondern lediglich basierend auf dem durch den Gefäßdatensatz abgebildeten Blutgefäßsystem virtuell die Verteilung der Konzentration des Kontrastmittels erzeugt werden.
Die Daten der Verteilung können statt für den dreidimensionalen Gefäßdatensatz auch für den reduzierten Datensatz des durch den reduzierten Datensatz abgebildeten Blutgefäßsystems erzeugt werden, welcher insbesondere das Blutgefäßsystem vereinfacht darstellt, um eine benötigte Rechenleistung und Berechnungszeit der Recheneinheit zu reduzieren.
Die Daten der Verteilung können insbesondere als dreidimensionaler Konzentrationsbilddatensatz erzeugt werden. Insbesondere können die Daten der Verteilung zu jeweils einem Zeitpunkt der jeweiligen Zeitpunkte vorliegen. Vorzugsweise können die Daten als ein vierdimensionaler Konzentrationsbilddatensatz erzeugt bzw. vorhergesagt werden, welcher insbesondere den zeitlichen Verlauf der Konzentration des Kontrastmittels im Blutfluss innerhalb des Blutgefäßsystems abbildet.
Es ist insbesondere zu verstehen, dass die erzeugten Daten der Verteilung lediglich eine fluiddynamisch sinnvolle Vorhersage der Verteilung enthalten können, welche jedoch insbesondere noch nicht die tatsächliche Verteilung der Konzentration des Kontrastmittels in dem tatsächlich aufgenommenen Blutgefäßsystem in dem Zeitintervall abbilden kann. Vielmehr können die erzeugten Daten der Verteilung für zumindest einen weiteren Verfahrensschritt herangezogen werden.
Insbesondere ist es nicht vorgesehen, dass die Daten der Verteilung absolute Werte der Konzentration des Kontrastmittels in einem jeweiligen Voxel des durch den Gefäßdatensatz abgebildete Blutgefäßsystems bereitstellen, sondern vielmehr relative Werte der Konzentration der jeweiligen Voxel untereinander. Mit anderen Worten kann die Verteilung als Verteilungsschlüssel verstanden werden, mittels welchem eine, beispielsweise durch die Farbintensität eines Pixels eines Projektionsbildes, erfasste Summe an Konzentrationen auf die Voxel verteilt werden kann.
In einem Schritt des Verfahrens wird die Farbintensität eines eine Kontrastmittelfüllung zeigenden Pixels eines jeweiligen Projektionsbildes der Projektionsbilder des aufgenommenen Projektionsbildes auf Voxel des Gefäßdatensatzes verteilt, welche entlang eines zu dem Pixel zugehörigen Strahls der Rückprojektion liegen. Insbesondere wird die Farbintensität eines jeden oder zumindest einer Vielzahl von Kontrastmittelfüllung zeigenden Pixeln des jeweiligen Projektionsbildes verteilt. Insbesondere geschieht dies für jedes oder zumindest für eine Vielzahl der aufgenommenen Projektionsbilder der digitalen Subtraktionsangiographie.
Die Farbintensität kann insbesondere auch als Farbtiefe oder Farbstärke verstanden werden bzw. als Maß, insbesondere als Prozentzahl, für die Intensität einer Farbwahrnehmung. Beispielsweise kann ein Pixel, welches die Farbe Weiß darstellt, eine Farbintensität von 0 % aufweisen, ein jeweiliger Grauton eine Farbintensität von 1 % bis 99 % und die Farbe Schwarz eine Farbintensität von 100 %. Insbesondere kann die Farbintensität beispielsweise einem Helligkeitswert eines Graustufenbildes entsprechen. Durch die Zuordnung der Farbintensität auf ein auf dem Strahl liegendes Voxel kann insbesondere auf die Konzentration des Kontrastmittels des Voxels geschlossen werden. Beispielsweise kann die Farbintensität proportional zu der Konzentration des Kontrastmittels in dem Voxel sein. Befindet sich lediglich ein Voxel auf dem Strahl, kann die Farbintensität eindeutig dem Voxel zugeordnet werden.
Insbesondere bei mehreren Voxeln auf dem zugehörigen Strahl des Pixels kann die Farbintensität proportional zu einer Summe der Konzentrationen des Kontrastmittels in dem jeweiligen Voxel sein. Bei einer Rückprojektion der Intensität auf die Voxel hat es sich bisher ergeben können, dass die Farbintensität nicht eindeutig zuordenbar auf die Voxel verteilt werden konnte, da sich die Summe aus einer Vielzahl von Kombinationen von Summanden ergeben kann. Beispielweise konnte es sich hierbei ergeben, dass einem Voxel eine Farbintensität und damit eine Konzentration zugeordnet wurde, obwohl dieses Voxel real kein Kontrastmittel aufweist, sodass durch die Gefäßüberlagerung Artefakte in dem Angiographiedatensatz auftreten. Beispielsweise konnte es ebenso ergeben, dass die Farbintensität zu einem falschen Verhältnis auf mehrere Voxel zugeteilt wurde. Beispielsweise kann es vorgekommen sein, dass bei einer Farbintensität des Pixels von 70 % jeweils 35 % auf zwei zugehörige Voxel zugeordnet wurden, obwohl für eine reale Darstellung einem ersten Voxel beispielsweise 20 % und einem zweiten Voxel 50 % hätte zugeordnet werden müssen, sodass unzutreffende Konzentrationen des Kontrastmittels in den Voxeln dargestellt wurden.
Erfindungsgemäß wird die Farbintensität gemäß den erzeugten, insbesondere vorhergesagten Daten der Verteilung zu dem jeweiligen Zeitpunkt des aufgenommenen Projektionsbildes den Voxeln zugeordnet. Somit kann vorteilhaft die Farbintensität verbessert, auf die Voxel verteilt werden und anhand des Anteils der Farbintensität der Voxel auf die Konzentration des Kontrastmittels geschlossen werden. Somit werden Artefakte in dem Angiographiedatensatz aufgrund von Gefäßüberlappung erheblich reduziert. Insbesondere kann die Farbintensität gemäß dem Verteilungsschlüssel eindeutig, zuverlässig und wiederholbar auf die Voxel verteilt werden. Vorteilhaft kann die Verteilung mit einer hohen Wahrscheinlichkeit zutreffend auf die Voxel verteilt werden. Des Weiteren kann ein aufwendiges Nachbearbeiten aufgrund unplausibler Konzentrationen des Angiographiedatensatzes eingespart werden. Dadurch kann die Gewinnung des Angiographiedatensatz beschleunigt werden.
Das Verfahren kann computerimplementiert oder zumindest teilweise computerimplementiert ausführbar sein, insbesondere von einer Bildverarbeitungseinrichtung.
Unter einer Recheneinheit kann insbesondere ein Datenverarbeitungsgerät verstanden werden, das einen Verarbeitungsschaltkreis enthält. Die Recheneinheit kann also insbesondere Daten zur Durchführung von Rechenoperationen verarbeiten. Darunter fallen gegebenenfalls auch Operationen, um indizierte Zugriffe auf eine Datenstruktur, beispielsweise eine Umsetzungstabelle, LUT (englisch: „look-up table“), durchzuführen.
Die Recheneinheit kann insbesondere einen oder mehrere Computer, einen oder mehrere Mikrocontroller und/oder einen oder mehrere integrierte Schaltkreise enthalten, beispielsweise eine oder mehrere anwendungsspezifische integrierte Schaltungen, ASIC (englisch: „application-specific integrated circuit“), eines oder mehrere feldprogrammierbare Gate-Arrays, FPGA, und/oder eines oder mehrere Einchipsysteme, SoC (englisch: „system on a chip“). Die Recheneinheit kann auch einen oder mehrere Prozessoren, beispielsweise einen oder mehrere Mikroprozessoren, eine oder mehrere zentrale Prozessoreinheiten, CPU (englisch: „central processing unit“), eine oder mehrere Grafikprozessoreinheiten, GPU (englisch: „graphics processing unit“) und/oder einen oder mehrere Signalprozessoren, insbesondere einen oder mehrere Digitalsignalprozessoren, DSP, enthalten. Die Recheneinheit kann auch einen physischen oder einen virtuellen Verbund von Computern oder sonstigen der genannten Einheiten beinhalten.
In verschiedenen Ausführungsbeispielen beinhaltet die Recheneinheit eine oder mehrere Hardware- und/oder Softwareschnittstellen und/oder eine oder mehrere Speichereinheiten.
Eine Ausführungsform des Verfahrens sieht vor, dass eine Anzahl von auf dem Strahl liegenden Voxeln aus dem Gefäßdatensatz ermittelt wird, insbesondere für alle Pixel oder zumindest für eine Vielzahl der Pixel. Diese Information kann insbesondere als Ausgangsgröße mittels einer Verarbeitungseinheit aus dem dreidimensionalen Gefäßdatensatz als Ausgangsgröße ermittelt werden.
Den Voxeln oder dem Voxel kann ein Maß für die ermittelte Anzahl, insbesondere ein Konfidenzwert, zugeordnet werden, wobei gezählt wird, wie viele Gefäße entlang eines in der multiplikativen Rückprojektion betrachteten Strahls liegen, um bei größerer angenommener Gefäßanzahl einen geringeren Konfidenzwert zuzuordnen.
Es kann vorgesehen sein, dass die Farbintensität des Pixels nur dann gemäß den Daten der Verteilung verteilt wird, wenn das Maß einen vorgegebenen Wert unterschreitet bzw. innerhalb eines vorgegebenen Wertebereiches liegt.
Beispielsweise kann der vorgegebene Wert 0,9 sein. Beispielsweise kann das Maß einen Wert von 1 aufweisen, wenn ermittelt wird, dass genau ein Voxel auf dem Strahl liegt. In diesem Beispiel kann die Farbintensität direkt, ohne die Daten der Verteilung, dem einen Voxel zugeordnet werden. Dadurch kann das Verfahren vereinfacht und beschleunigt werden.
In einem weiteren Beispiel kann das Maß einen Wert von 0,5 aufweisen, wenn ermittelt bzw. mit zumindest einer gewissen Wahrscheinlichkeit angenommen wird, dass mehrere Voxel auf dem Strahl liegen. In diesem Fall kann es vorgesehen sein, dass die Farbintensität des Pixels gemäß den Daten der Verteilung verteilt wird.
Eine Ausführungsform des Verfahrens sieht vor, dass aus dem dreidimensionalen Gefäßdatensatz bzw. aus dem Basisdatensatz Gefäßmittellinien, insbesondere Zentrallinien, des Blutgefäßsystems als reduzierter Datensatz bestimmt werden, insbesondere als Daten der Gefäßmittellinien. Die Gefäßmittellinien können als diejenigen Linien verstanden werden, welche jeweilige Mittelpunkte von Querschnittsflächen der Blutgefäßabschnitte des Blutgefäßsystems miteinander verbinden. Die Gefäßmittellinien können sich insbesondere eindimensional in einem dreidimensionalen Raum ausbilden. Somit können die Gefäßmittellinien das Blutgefäßsystem vereinfacht abbilden. Zur weiteren Vereinfachung kann lediglich ein bestimmter Satz an Mittelpunkten miteinander zur Gefäßmittellinie verbunden sein, beispielsweise durch geradliniges Verbinden unter einem bestimmten Abstand beabstandeter Mittelpunkte. Die Daten der Gefäßmittellinien können in einem Integrationsschritt durch eine Recheneinheit aus dem Gefäßdatensatz bzw. aus dem Basisdatensatz bestimmt werden, insbesondere durch Integration extrahiert werden. Die Verteilung kann somit effektiv geschätzt bzw. vorhergesagt werden.
Bevorzugt werden für die Gefäßmittellinien die Daten der Verteilung der Konzentration des Kontrastmittels in dem Blutgefäßsystem zu den jeweiligen Zeitpunkten erzeugt. Insbesondere umfassen diese Daten eine zeitaufgelöste Verteilung der Konzentration bzw. eine zeitabhängige Verlaufskurve der Verteilung.
Das Erzeugen der Verteilung auf die eindimensionalen Gefäßmittellinien des reduzierten Datensatzes statt auf das dreidimensionale Blutgefäßsystem des Gefäßdatensatzes kann den Verfahrensschritt erheblich beschleunigen und eine Rechenzeit deutlich reduzieren. Das Verfahren wird somit deutlich effizienter, ohne dass dabei relevante Informationen verloren gehen. Insbesondere können die Daten der Verteilung der Kontrastmittelkonzentration der extrahierten Gefäßmittellinien für das Verfahren ausreichend sein, um die Farbintensität auf die Voxel verbessert und vereinfacht, ohne das Vorkommen von Artefakten, verteilen zu können.
Eine Ausführungsform des Verfahrens sieht vor, dass die Daten der Verteilung der Konzentration des Kontrastmittels für die Gefäßmittellinien auf den dreidimensionalen Gefäßdatensatz, insbesondere auf das durch den Gefäßdatensatz abgebildete Blutgefäßsystem, extrapoliert werden. Insbesondere können die jeweiligen, zeitaufgelösten Konzentrationen der jeweiligen Punkte der Gefäßmittellinien auf die Querschnittsflächen der Blutgefäßabschnitte des Blutgefäßsystems auf geeignete Weise extrapoliert werden, sodass aus der eindimensionalen, zeitaufgelösten Verteilung eine dreidimensionale, zeitaufgelöste Verteilung erzeugt wird. Dies kann insbesondere in einem Extrapolationsschritt mittels einer Recheneinheit ausgeführt werden. Durch diesen Schritt können auf vereinfachte Weise zuverlässige Daten für die dreidimensionale, zeitaufgelöste Verteilung der Kontrastmittelkonzentration erzeugt werden. Basierend auf den extrapolierten Daten der Verteilung kann somit verbessert, insbesondere über den Gefäßquerschnitt hochauflösender die Farbintensität des Pixels auf die Voxel gemäß den extrapolierten Daten der Verteilung verteilt werden.
Eine Ausführungsform des Verfahrens sieht vor, dass die Daten der Verteilung der Konzentration des Kontrastmittels als Ausgangsdaten einer trainierten Funktion erzeugt werden. Bevorzugt kann die trainierte Funktion auf einem künstlichen, neuronalen Netzwerk (KNN) basieren, insbesondere mit zumindest einer Faltungsebene. Insbesondere kann die trainierte Funktion auf einem generischen, inversen Algorithmus basieren. Insbesondere kann eine Recheneinheit dazu ausgebildet sein, in dem Erzeugungsschritt die trainierte Funktion anzuwenden.
Die trainierte Funktion kann insbesondere derart trainiert sein, dass diese dazu geeignet ist, realistische und sinnvolle Daten der Verteilung der Konzentration des Kontrastmittels als Ausgangsdaten zu erzeugen, insbesondere bereitzustellen, bzw. vorherzusagen. Vorzugsweise kann die trainierte Funktion mittels des computerimplementierten Verfahrens zum Trainieren der trainierten Funktion durch ein Trainingssystem trainiert, insbesondere bereitgestellt, sein.
Bevorzugt wird die trainierte Funktion auf die Projektionsbilder und den dreidimensionalen Gefäßdatensatz oder den reduzierten Datensatz als Eingangsdaten angewendet. Mit anderen Worten sind die Projektionsbilder erste Eingangsdaten der trainierten Funktion, sowie der Gefäßdatensatz bzw. der Basisdatensatz oder der reduzierte Datensatz, insbesondere die Gefäßmittellinien, die zweiten Eingangsdaten der trainierten Funktion. Die Projektionsbilder können somit bei der Erzeugung der Daten der Verteilung mitberücksichtigt werden. Dadurch kann die Verteilung äußerst präzise und individuell vorhergesagt werden. Des Weiteren kann unter Verwendung der trainierten Funktion die Recheneinheit dazu in der Lage sein, äußerst schnell, robust und unter einer geringeren Rechenleistung die Daten der Verteilung zu erzeugen.
Eine zur trainierten Funktion alternative Ausführungsform des Verfahrens sieht vor, dass die Daten der Verteilung der Konzentration des Kontrastmittels als Ausgangsdaten einer hämodynamischen Simulation eines mit einem Kontrastmittel virtuell versetzten, virtuellen Blutflusses in dem durch den Gefäßdatensatz rekonstruierten Blutgefäßsystem erzeugt werden, beispielsweise mittels eines CFD-Solvers durch die Recheneinheit. Unter einem CFD-Solver kann allgemein ein Computerprogramm verstanden werden, welches dazu vorgesehen und ausgebildet ist, ein Problem der Strömungsmechanik mit numerischen Methoden der numerischen Strömungsmechanik (engl. Computational Fluid Dynamics, CFD) zu lösen.
Insbesondere können für die Simulation mehrere Randbedingungen, beispielsweise eine Herzfrequenz, Blutflussrate, Injektionsrate und weitere biometrische Daten modelliert werden. Alternativ oder zusätzlich können auch klinisch gemessene, hämodynamische Parameter, die den Bilddatensätzen entsprechen bzw. daraus ermittelt werden können, verwendet werden.
Eine Ausführungsform des Verfahrens sieht vor, dass die trainierte Funktion bereitgestellt wird durch ein erfindungsgemäßes, nachfolgend beschriebenes, computerimplementiertes Verfahren.
Für Anwendungsfälle oder Anwendungssituationen, die sich bei dem Verfahren ergeben können und die hier nicht explizit beschrieben sind, kann vorgesehen sein, dass gemäß dem Verfahren eine Fehlermeldung und/oder eine Aufforderung zur Eingabe einer Nutzerrückmeldung ausgegeben und/oder eine Standardeinstellung und/oder ein vorbestimmter Initialzustand eingestellt wird.
Durch einen weiteren Aspekt der Erfindung ist ein computerimplementiertes Verfahren zum Bereitstellen einer trainierten Funktion bereitgestellt. Das computerimplementierte Verfahren umfasst zumindest die folgenden Schritte:

- Empfangen von Eingangstrainingsdaten, umfassend
- - zweidimensionale, ein Blutgefäßsystem zeigende, zu jeweiligen Zeitpunkten in einem bestimmten Zeitintervall aufgenommene Projektionsbilder einer digitalen Subtraktionsangiographie, und
- - einen dreidimensionalen Gefäßdatensatz des Blutgefäßsystems, oder einen aus dem Gefäßdatensatz abgeleiteten, reduzierten Datensatz;
- - Empfangen von Ausgangstrainingsdaten, umfassend Daten einer Verteilung einer Konzentration des Kontrastmittels in dem durch den Gefäßdatensatz oder reduzierten Datensatz abgebildeten Blutgefäßsystem zu den jeweiligen Zeitpunkten für den dreidimensionalen Gefäßdatensatz oder für den reduzierten Datensatz, wobei die Ausgangstrainingsdaten in Beziehung zu den Eingangstrainingsdaten stehen;
- - Trainieren einer Funktion basierend auf den Eingangstrainingsdaten und den Ausgangstrainingsdaten, indem Ausgangsdaten durch Anwenden der Funktion auf die Eingangstrainingsdaten erzeugt werden und Parameter der Funktion basierend auf einem Vergleich der Ausgangsdaten mit den Ausgangstrainingsdaten angepasst werden;
- - Bereitstellen der trainierten Funktion.

Die Eingangstrainingsdaten können insbesondere mit einer ersten Trainingsschnittstelle eines Trainingssystems empfangen, sowie die Ausgangstrainingsdaten von einer zweiten Trainingsschnittstelle empfangen werden.
Die aufgenommenen Projektionsbilder können insbesondere real aufgenommenen Projektionsbildern entsprechen. Alternativ können die aufgenommenen Projektionsbilder simuliert sein, wobei insbesondere die Projektionsbilder derart simuliert sind, dass diese die Eigenschaften realer Projektionsbilder einer realen Subtraktionsangiographie aufweisen, also insbesondere unterschiedliche Zeitpunkte unter unterschiedlichen Aufnahmewinkeln einer Aufnahme aufweisen.
Der dreidimensionale Gefäßdatensatz kann beispielsweise aus aufgenommenen Projektionsbildern einer digitalen Subtraktionsangiographie des realen Blutgefäßsystems rekonstruiert sein. Alternativ kann der dreidimensionale Gefäßdatensatz modelliert sein, sodass hierdurch ein virtuelles, jedoch realitätsnahes Blutgefäßsystem abgebildet sein kann. Insbesondere können somit eine Vielzahl von Gefäßdatensätzen als Eingangstrainingsdaten erzeugt werden.
Alternativ zu dem Gefäßdatensatz kann der daraus abgeleitete, reduzierten Datensatz des Blutgefäßsystems als Eingangstrainingsdatensatz empfangen werden.
Bevorzugt kann die Funktion auf einem künstlichen, neuronalen Netzwerk (KNN) basieren, insbesondere mit zumindest einer Faltungsebene. Insbesondere kann die Funktion auf einem generischen, inversen Algorithmus basieren. Insbesondere kann das Trainingssystem dazu ausgebildet sein, die Funktion zu trainieren. Die Funktion kann insbesondere derart trainiert werden, dass diese als trainierte Funktion dazu geeignet ist, realistische und sinnvolle Daten der Verteilung der Konzentration des Kontrastmittels als Ausgangsdaten zu erzeugen bzw. vorherzusagen.
Durch den Vergleich der Ausgangsdaten mit den Ausgangstrainingsdaten kann insbesondere ein Fehler der Funktion bestimmt werden. Beispielsweise kann zur Quantifizierung des Fehlers eine sogenannte Kostenfunktion berechnet werden. Beispielsweise können die Parameter der Funktion mittels eines bekannten Algorithmus derart angepasst werden, dass die Kostenfunktion, insbesondere iterativ, minimiert wird.
Eine Ausführungsform des computerimplementierten Verfahrens sieht vor, dass die Daten der Verteilung der Konzentration des Kontrastmittels in dem Blutgefäßsystem, also die Ausgangstrainingsdaten, als Ausgangsdaten einer hämodynamischen Simulation eines mit einem Kontrastmittel virtuell versetzten, virtuellen Blutflusses in dem durch den Gefäßdatensatz abgebildeten Blutgefäßsystem erzeugt werden. Dadurch können vorteilhaft äußerst präzise und robust Ausgangstrainingsdaten erzeugt werden, welche realitätsnah die tatsächliche Verteilung der Konzentration nachbilden kann. Somit können vorteilhaft zuverlässige Ausgangstrainingsdaten erzeugt werden.
Insbesondere kann der Gefäßdatensatz aus realen Projektionsbilder rekonstruiert sein, oder modelliert sein.
Für die Simulation können insbesondere mehrere Randbedingungen, beispielsweise eine Herzfrequenz, Blutflussrate, Injektionsrate und weitere biometrische Daten modelliert werden. Alternativ oder zusätzlich können auch klinisch gemessene, hämodynamische Parameter verwendet werden, die den Bilddatensätzen entsprechen bzw. daraus ermittelt werden können.
Eine Ausführungsform des computerimplementierten Verfahrens sieht vor, dass die Projektionsbilder als weitere Ausgangsdaten der hämodynamischen Simulation erzeugt werden. Bevorzugt bilden die erzeugten Projektionsbilder aufgenommene, reale Projektionsbilder einer realen, digitalen Subtraktionsangiographie nach, insbesondere derart, dass diese die Eigenschaften realer Projektionsbilder einer realen Subtraktionsangiographie aufweisen, also insbesondere unterschiedliche Zeitpunkte unter unterschiedlichen Aufnahmewinkeln einer Aufnahme aufweisen.
Es können also vorzugsweise sowohl die Projektionsbilder als auch die Daten der Verteilung der Konzentration des Kontrastmittels aus derselben hämodynamischen Simulation als Ausgangsdaten erzeugt und als Trainingsdaten für das Training der Funktion verwendet werden. Zum einen kann dadurch vorteilhaft gewährleistet werden, dass die Trainingsdaten in sich konsistent sind und die Funktion effektiv und zielgerichtet trainiert werden kann. Zum anderen ist lediglich eine hämodynamische Simulation nötig, um sowohl die Daten der Verteilung als auch die Projektionsbilder bereitzustellen. Dadurch können wertvolle Ressourcen, insbesondere Zeit und Rechenaufwand, eingespart werden.
Eine Ausführungsform des computerimplementierten Verfahrens sieht vor, dass aus dem dreidimensionalen Gefäßdatensatz Gefäßmittellinien des Blutgefäßsystems als reduzierter Datensatz bestimmt werden, wobei für die Gefäßmittellinien die Daten der Verteilung der Konzentration des Kontrastmittels in dem Blutgefäßsystem bereitgestellt werden.
Das Erzeugen der Verteilung auf die eindimensionalen Gefäßmittellinien des reduzierten Datensatzes statt auf das dreidimensionale Blutgefäßsystem des Gefäßdatensatzes kann das Training der Funktion erheblich beschleunigen und eine Rechenzeit deutlich reduzieren. Das Training wird somit deutlich effizienter. Insbesondere können die Daten der Verteilung der Kontrastmittelkonzentration der extrahierten Gefäßmittellinien für das Verfahren, in welchem die trainierte Funktion angewendet wird, ausreichend sein.
Sofern nicht anders angegeben, können alle Schritte des computerimplementierten Verfahrens von dem Trainingssystem durchgeführt werden, welches wenigstens eine (Trainings-) Recheneinheit aufweist. Insbesondere ist die wenigstens eine Recheneinheit zur Durchführung der Schritte des computerimplementierten Verfahrens konfiguriert oder angepasst. Hierzu kann die wenigstens eine Recheneinheit beispielsweise ein Computerprogramm speichern, das Befehle beinhaltet, die bei Ausführung durch die wenigstens eine Recheneinheit die wenigstens eine Recheneinheit dazu veranlassen, das computerimplementierte Verfahren auszuführen.
Weitere Ausführungsformen des erfindungsgemäßen, computerimplementierten Verfahrens zum Trainieren der Funktion folgen unmittelbar aus den verschiedenen Ausgestaltungen des erfindungsgemäßen Verfahrens, welches die trainierte Funktion anwendet, und umgekehrt. Insbesondere lassen sich einzelne Merkmale und entsprechende Erläuterungen sowie Vorteile bezüglich der verschiedenen Ausführungsformen zu dem erfindungsgemäßen Verfahren, welches die trainierte Funktion anwendet, analog auf entsprechende Ausführungsformen des erfindungsgemäßen, computerimplementierten Verfahrens zum Trainieren der Funktion übertragen.
Für Anwendungsfälle oder Anwendungssituationen, die sich bei dem computerimplementierten Verfahren ergeben können und die hier nicht explizit beschrieben sind, kann vorgesehen sein, dass gemäß dem Verfahren eine Fehlermeldung und/oder eine Aufforderung zur Eingabe einer Nutzerrückmeldung ausgegeben und/oder eine Standardeinstellung und/oder ein vorbestimmter Initialzustand eingestellt wird.
Durch einen weiteren Aspekt ist eine Bildverarbeitungseinrichtung bereitgestellt. Die Bildverarbeitungseinrichtung weist insbesondere eine Ermittlungseinheit zur Ermittlung eines vierdimensionalen, unter Gabe eines Kontrastmittels aufgenommenen Angiographiedatensatzes eines interessierenden Aufnahmebereichs eines Blutgefäßsystems eines Patienten auf. Die Ermittlungseinheit weist insbesondere eine Rekonstruktionssubeinheit zur Rekonstruktion eines dreidimensionalen Gefäßdatensatzes des Blutgefäßsystems aus zweidimensionalen, das Blutgefäßsystem zeigenden, zu jeweiligen Zeitpunkten in einem bestimmten Zeitintervall aufgenommen Projektionsbildern einer digitalen Subtraktionsangiographie auf, sowie eine Rückprojektionssubeinheit zur Ermittlung des Angiographiedatensatzes durch Rückprojektion der Projektionsbilder in den Gefäßdatensatz. Die Bildverarbeitungseinrichtung weist insbesondere weiterhin eine Recheneinheit zur Erzeugung von Daten einer Verteilung einer Konzentration des Kontrastmittels in dem Blutgefäßsystem zu den jeweiligen Zeitpunkten in dem Zeitintervall für den dreidimensionalen Gefäßdatensatz oder für einen daraus abgeleiteten, reduzierten Datensatz auf, sowie eine Verteileinheit zur Verteilung einer Farbintensität eines eine Kontrastmittelfüllung zeigenden Pixels eines jeweiligen Projektionsbildes der Projektionsbilder gemäß den Daten der Verteilung zu dem jeweiligen Zeitpunkt des aufgenommenen Projektionsbildes auf Voxel des Gefäßdatensatzes, welche entlang eines zu dem Pixel zugehörigen Strahls der Rückprojektion liegen.
Weitere Ausführungsformen der erfindungsgemäßen Bildverarbeitungseinrichtung folgen unmittelbar aus den verschiedenen Ausgestaltungen des erfindungsgemäßen Verfahrens zur Reduzierung der Artefakte und umgekehrt. Insbesondere lassen sich einzelne Merkmale und entsprechende Erläuterungen sowie Vorteile bezüglich der verschiedenen Ausführungsformen zu dem erfindungsgemäßen Verfahren zur Reduzierung der Artefakte analog auf entsprechende Ausführungsformen der erfindungsgemäßen Bildverarbeitungseinrichtung übertragen. Insbesondere ist die erfindungsgemäße Bildverarbeitungseinrichtung zum Durchführen eines erfindungsgemäßen Verfahrens zur Reduzierung der Artefakte ausgebildet oder programmiert. Insbesondere führt die erfindungsgemäße Bildverarbeitungseinrichtung das erfindungsgemäße Verfahren zur Reduzierung der Artefakte durch.
Durch einen weiteren Aspekt ist ein Computerprogramm bereitgestellt, welches die Schritte des erfindungsgemäßen Verfahrens zur Reduzierung der Artefakte ausführt, wenn es auf einer erfindungsgemäßen Bildverarbeitungseinrichtung ausgeführt wird.
Das Computerprogramm ist beispielsweise direkt in einem Speicher einer Bildverarbeitungseinrichtung ladbar und weist Programmmittel auf, um die Schritte eines hierin beschriebenen Verfahrens zur Reduzierung der Artefakte auszuführen, wenn das Computerprogramm in der Bildverarbeitungseinrichtung ausgeführt wird.
Durch einen weiteren Aspekt ist ein elektronisch lesbarer Datenträger bereitgestellt, auf dem ein erfindungsgemäßes Computerprogramm gespeichert ist.
Das Computerprogramm kann auf dem erfindungsgemäßen elektronisch lesbaren Datenträger gespeichert sein, welcher mithin darauf gespeicherte elektronisch lesbare Steuerinformationen umfasst, welche zumindest ein genanntes Computerprogramm umfassen und derart ausgestaltet sind, dass sie bei Verwendung des Datenträgers in einer Bildverarbeitungseinrichtung ein hierin beschriebenes Verfahren zur Reduzierung der Artefakte durchführen. Bei dem elektronisch lesbaren Datenträger handelt es sich bevorzugt um einen nichttransienten Datenträger, beispielsweise eine CD-ROM.
Durch einen weiteren Aspekt ist ein Trainingssystem bereitgestellt. Das Trainingssystem weist insbesondere eine erste Trainingsschnittstelle auf, welche dazu eingerichtet ist, Eingangstrainingsdaten, umfassend zweidimensionale, ein Blutgefäßsystem zeigende, zu jeweiligen Zeitpunkten in einem bestimmten Zeitintervall aufgenommene Projektionsbilder einer digitalen Subtraktionsangiographie, und einen dreidimensionalen Gefäßdatensatz des Blutgefäßsystems, oder einen daraus abgeleiteten, reduzierten Datensatz, zu empfangen.
Das Trainingssystem weist insbesondere weiter eine zweite Trainingsschnittstelle auf, welche dazu eingerichtet ist, Ausgangstrainingsdaten, umfassend Daten einer Verteilung einer Konzentration eines Kontrastmittels in dem Blutgefäßsystem zu den jeweiligen Zeitpunkten in dem Zeitintervall für den dreidimensionalen Gefäßdatensatz oder für den reduzierten Datensatz, zu empfangen, wobei die Ausgangstrainingsdaten in Beziehung zu den Eingangstrainingsdaten stehen.
Das Trainingssystem weist insbesondere weiter eine Trainingsrecheneinheit auf, welche dazu ausgebildet ist, eine Funktion basierend auf den Eingangstrainingsdaten und den Ausgangstrainingsdaten zu trainieren, indem Ausgangsdaten durch Anwenden der Funktion auf die Eingangstrainingsdaten erzeugt werden und Parameter der Funktion basierend auf einem Vergleich der Ausgangsdaten mit den Ausgangstrainingsdaten angepasst werden.
Das Trainingssystem weist insbesondere weiter eine dritte Trainingsschnittstelle auf, welche dazu ausgebildet ist, die trainierte Funktion bereitzustellen.
Weitere Ausführungsformen des erfindungsgemäßen Trainingssystem folgen unmittelbar aus den verschiedenen Ausgestaltungen des erfindungsgemäßen Verfahrens zum Bereitstellen der trainierten Funktion und umgekehrt. Insbesondere lassen sich einzelne Merkmale und entsprechende Erläuterungen sowie Vorteile bezüglich der verschiedenen Ausführungsformen zu dem erfindungsgemäßen Verfahren zum Bereitstellen der trainierten Funktion analog auf entsprechende Ausführungsformen des erfindungsgemäßen Trainingssystems übertragen. Insbesondere ist das erfindungsgemäße Trainingssystem zum Durchführen eines erfindungsgemäßen Verfahrens zum Bereitstellen der trainierten Funktion ausgebildet oder programmiert. Insbesondere führt das erfindungsgemäße Trainingssystem das erfindungsgemäße Verfahren zum Bereitstellen der trainierten Funktion durch.
Durch einen weiteren Aspekt ist ein zweites Computerprogramm bereitgestellt, welches die Schritte des erfindungsgemäßen Verfahrens zum Bereitstellen der trainierten Funktion ausführt, wenn es auf einem erfindungsgemäßen Trainingssystem ausgeführt wird.
Das zweite Computerprogramm ist beispielsweise direkt in einen Speicher eines Trainingssystems ladbar und weist Programmmittel auf, um die Schritte eines hierin beschriebenen Verfahrens zum Bereitstellen der trainierten Funktion auszuführen, wenn das zweite Computerprogramm in dem Trainingssystem ausgeführt wird.
Durch einen weiteren Aspekt ist ein zweiter, elektronisch lesbarer Datenträger bereitgestellt, auf dem ein erfindungsgemäßes, zweites Computerprogramm gespeichert ist.
Das zweite Computerprogramm kann auf dem erfindungsgemäßen, zweiten, elektronisch lesbaren Datenträger gespeichert sein, welcher mithin darauf gespeicherte elektronisch lesbare Steuerinformationen umfasst, welche zumindest ein genanntes, zweites Computerprogramm umfassen und derart ausgestaltet sind, dass sie bei Verwendung des Datenträgers in einem Trainingssystem ein hierin beschriebenes Verfahren zum Bereitstellen der trainierten Funktion durchführen. Bei dem elektronisch lesbaren Datenträger handelt es sich bevorzugt um einen nichttransienten Datenträger, beispielsweise eine CD-ROM.
Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, den Figuren und der Figurenbeschreibung. Die vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in den Figuren gezeigten Merkmale und Merkmalskombinationen können nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen von der Erfindung umfasst sein. Es können insbesondere auch Ausführungen und Merkmalskombinationen von der Erfindung umfasst sein, die nicht alle Merkmale eines ursprünglich formulierten Anspruchs aufweisen. Es können darüber hinaus Ausführungen und Merkmalskombinationen von der Erfindung umfasst, die über die in den Rückbezügen der Ansprüche dargelegten Merkmalskombinationen hinausgehen oder von diesen abweichen. Dabei zeigen:

1 einen Ablaufplan eines Ausführungsbeispiels eines erfindungsgemäßen Verfahrens zur Reduzierung von Artefakten;
2 eine Darstellung zur Erläuterung der Verteilung der Farbintensität eines Pixels auf Voxel;
3 eine Darstellung zur Erläuterung der Reduzierung des Gefäßdatensatzes auf einen reduzierten Datensatz;
4 eine schematische Darstellung eines Ausführungsbeispiels einer Angiographieeinrichtung;
5 einen Ablaufplan eines Ausführungsbeispiels eines erfindungsgemäßen, computerimplementierten Verfahrens zum Trainieren einer Funktion;
6 eine schematische Darstellung eines ersten Ausführungsbeispiels eines künstlichen, neuronalen Netzwerkes (KNN) einer trainierten Funktion;
7 eine schematische Darstellung eines ersten Ausführungsbeispiels eines faltbaren KNN einer trainierten Funktion;
8 eine schematische Darstellung eines ersten Ausführungsbeispiels eines Trainingssystems.

1 zeigt einen Ablaufplan eines Ausführungsbeispiels des erfindungsgemäßen Verfahrens zur Reduzierung von Artefakten. Dabei wird ausgegangen von zweidimensionalen Projektionsbildern 1, 2, 3 der digitalen Subtraktionsangiographie, die vorliegend beispielhaft mit einer Angiographieeinrichtung 40 mit einem C-Bogen 41 während eines Umlaufs oder mehrerer Umläufe aus verschiedenen Projektionsrichtungen aufgenommen wurden, wobei zum Erhalt der Projektionsbilder 1, 2, 3 der digitalen Subtraktionsangiographie ein ohne Kontrastmittel aus der jeweiligen Richtung aufgenommenes Maskenbild subtrahiert werden kann. Beispielsweise werden in einem Umlauf etwa 90 Projektionsbilder 1, 2, 3 aufgenommen. In anderen Ausführungsbeispielen kann auch nach einer Rekonstruktion eine Subtraktion eines dreidimensionalen, rekonstruierten Maskenbilddatensatzes erfolgen.
Die Projektionsbilder 1, 2, 3 zeigen ein interessierendes Aufnahmegebiet eines Blutgefäßsystems 25, beispielsweise eines Blutgefäßbaums eines Patienten und in ihrer zeitlichen Abfolge die Ausbreitung eines Kontrastmittels in diesem interessierenden Aufnahmebereich, das entsprechend verabreicht wurde. Dabei ist es bekannt, eine eher lange Kontrastmittelgabe, beispielsweise von 7 Sekunden, einzusetzen, um eine größere Zahl zweidimensionaler Projektionsbilder 1, 2, 3 bei fast vollständig gefülltem Blutgefäßsystem des Patienten im interessierenden Aufnahmebereich zu erhalten. Ein entsprechender Anteil der Projektionsbilder 1, 2, 3 wird in einem Schritt S1 genutzt, um hieraus einen möglichst hochqualitativen dreidimensionalen Gefäßdatensatz 4, der das Blutgefäßsystem 25 im Aufnahmebereich vollständig zeigt, auf übliche Art und Weise zu rekonstruieren. Der Gefäßdatensatz 4 kann insbesondere 3D-Gefäßgeometrien aufweisen, deren Gefäßwände als einschränkende Geometrie für weiterführende Verfahrensschritte dienen können.
In einem Ausführungsbeispiel kann in einem Schritt S2 aus dem dreidimensionalen Gefäßdatensatz 4 ein reduzierter Datensatz 5 bestimmt werden. In 3 ist hierzu ein Ausführungsbeispiel gezeigt, wie ein reduzierter Datensatz 5 verstanden werden kann. In diesem Beispiel wird das Blutgefäßsystem 25, die mittels des Gefäßdatensatzes 4 abgebildet werden, zu Gefäßmittellinien 26 reduziert, die mittels des reduzierten Datensatzes 5 das Blutgefäßsystem vereinfacht darstellen, insbesondere als eindimensionale Linie, welche eine bestimmte Anzahl von Mittelpunkten von Gefäßquerschnitten des Blutgefäßsystems 25 miteinander verbindet.
Basierend auf dem reduzierten Datensatz 5 und den Projektionsbildern 1, 2, 3 als Eingangsdaten können in einem Schritt S3 für die Gefäßmittellinien 26 die Daten 6 der Verteilung der Konzentration des Kontrastmittels in dem Blutgefäßsystem 25 erzeugt werden, welche insbesondere zeitaufgelöst sind, sodass ein zeitlicher Verlauf der Kontrastmittelkonzentrationsverteilung gegeben ist. Beispielsweise ist in den Daten 6 der Verteilung jeweils einem Punkt oder einem Abschnitt der Gefäßmittellinien 26 zu einem jeweiligen Zeitpunkt eine jeweilige Kontrastmittelkonzentration zugeordnet.
In einem Ausführungsbeispiel können in Schritt S3 die Daten 6 der Verteilung der Konzentration des Kontrastmittels als Ausgangsdaten 6 einer trainierten Funktion 10 erzeugt werden.
Ausführungsbeispiele der trainierten Funktion 10 sind durch die 6 und 7, sowie durch deren Erläuterungen beschrieben. Die trainierte Funktion 10 kann insbesondere durch ein computerimplementiertes Verfahren trainiert sein, wie in der 5 und deren Erläuterung beschrieben ist.
Alternativ, jedoch weniger bevorzugt, können die Daten 6, 7 auch als Ausgangsdaten einer hämodynamischen Simulation eines mit einem Kontrastmittel virtuell versetzten, virtuellen Blutflusses in dem durch den Gefäßdatensatz 4 rekonstruierten Blutgefäßsystem 25 erzeugt werden.
In einem Schritt S4 können in einem Ausführungsbeispiel die Daten 6 der Verteilung der Konzentration des Kontrastmittels für die Gefäßmittellinien 26 auf den dreidimensionalen Gefäßdatensatz 4 extrapoliert werden, beispielsweise mittels einer Recheneinheit, sodass die Ausgangsdaten des Schrittes S4 als dreidimensionale Daten 7 der Verteilung der Konzentration des Kontrastmittels ausgegeben werden können.
In einem Ausführungsbeispiel können in einem S6 die Projektionsbilder 1, 2, 3 und die dreidimensionalen Daten 7 der Verteilung als Eingangsdaten verwendet werden, um den vierdimensionalen Angiographiedatensatz 8 zu ermitteln. Hierbei kann eine Farbintensität eines eine Kontrastmittelfüllung zeigenden Pixels 11 eines jeweiligen Projektionsbildes 1 der Projektionsbilder 1, 2, 3 gemäß den dreidimensionalen Daten 7 der Verteilung zu dem jeweiligen Zeitpunkt des aufgenommenen Projektionsbildes 1 auf Voxel 20, 21 des Gefäßdatensatzes 4, welche entlang eines zu dem Pixel 11 zugehörigen Strahls 14 der Rückprojektion liegen, verteilt wird. Insbesondere kann dieser Schritt für alle bzw. zumindest eine Vielzahl der Projektionsbilder 1, 2, 3 erfolgen, sowie für alle bzw. eine Vielzahl von Pixeln eines jeweiligen Projektionsbildes, sodass der vierdimensionale Angiographiedatensatz 8 vollständig ermittelt werden kann.
In 2 ist hierzu ein Ausführungsbeispiel gezeigt, wie der Schritt S6 erfolgen kann. Zur Vereinfachung ist ein eindimensionaler Pixelstreifen eines eigentlich zweidimensionalen Projektionsbildes gezeigt, welcher drei Pixel 11, 12, 13, welche jeweils eine Kontrastmittelfüllung zeigen. Die Farbintensität der Kontrastmittelfüllung soll dabei jeweils durch die unterschiedliche Schraffierung dargestellt werden. Das erste Pixel 11 zeigt beispielsweise eine hohe Farbintensität, das zweite Pixel 12 eine niedrige Farbintensität und das dritte Pixel 13 eine mittlere Farbintensität. Alle anderen Pixel des Pixelstreifens zeigen keine Farbintensität.
Zur weiteren Vereinfachung sind in dem Ausführungsbeispiel die dreidimensionalen Daten 7 der Kontrastmittelkonzentrationsverteilung als eine dem Pixelstreifen zugehörige Schicht gezeigt. Die Daten 7 können zum einen Voxel 15 - 19 des Blutgefäßsystems 25 als begrenzendes Volumen abbilden. Die Voxel 15 - 19 können insbesondere den Voxeln des Gefäßdatensatzes 4 zugehörige sein bzw. diesen entsprechen. Zum anderen kann jeweils einem der Voxel 15 - 19 eine Information über eine jeweilige Konzentration des Kontrastmittels zugeordnet sein, sodass eine entsprechende Verteilung der Konzentration dargestellt werden kann. In diesem Beispiel zeigt, dargestellt durch die Schraffierung, das erste Voxel keine Konzentration, das zweite Voxel 16 eine hohe Konzentration, das dritte und vierte Voxel 17, 18 eine mittlere Konzentration und das fünfte Voxel 19 eine niedrige Konzentration.
Die Voxel 15 - 19 der Daten 7 bzw. des Gefäßdatensatzes 4 können insbesondere Voxeln 20 - 24 des Angiographiedatensatzes 8 zugehörig sein bzw. diesen entsprechen. Die Voxel 15 und 16 bzw. die Voxel 20 und 21 liegen in diesem Beispiel auf dem Strahl 14, welcher dem Pixel 11 zugehörig ist. Ohne die Information über die jeweilige Konzentration in den Voxeln 15 und 16 aus den Daten 7 könnte die Farbintensität nicht eindeutig auf die Voxel 20 und 21 verteilt werden, sodass Artefakte im Angiographiedatensatz 8 entstehen würden. Basierend auf den Daten 7 kann jedoch gemäß der Verteilung der Konzentration die Farbintensität des Pixels 11 auf die Voxel 20 und 21 eindeutig verteilt werden, sodass das Vorkommen von Artefakten verhindert oder zumindest erheblich reduziert werden kann. In diesem Beispiel wird die Farbintensität des Pixels 11 vollständig auf das Voxel 21 gemäß den Daten 7 verteilt, wohingegen auf das Voxel 20 keine Farbintensität entfällt. Basierend auf den Farbintensitäten der Voxel 21 - 24 des Angiographiedatensatzes 8 kann nun direkt auf die Konzentration des Kontrastmittels in dem Blutgefäßsystem 25 geschlossen werden. Insbesondere erfolgen die beschriebenen Schritte für alle oder zumindest eine Vielzahl von Projektionsbildern 1,2,3, die zu einem jeweiligen Zeitpunkt aufgenommen wurden, sodass der Angiographiedatensatz 8 zeitaufgelöste Informationen über die Kontrastmittelkonzentration enthalten kann.
Zurückkehrend zu 1 kann in einem Ausführungsbeispiel optional der Schritt S5 erfolgen, welcher insbesondere auf die Projektionsbilder 1, 2, 3 und den Gefäßdatensatz 4 als Eingangsdaten zurückgreift. Im Wesentlichen kann hierbei eine Anzahl von auf dem Strahl 14 liegenden Voxeln 20 und 21 aus dem Gefäßdatensatz 4 ermittelt werden. Den Voxeln 20 und 21 kann daraufhin ein Maß 9 für die ermittelte Anzahl zugeordnet werden, insbesondere ein Konfidenzwert. Es kann vorgesehen sein, dass die Farbintensität des Pixels 11 nur dann gemäß den Daten 7 der Verteilung verteilt wird, wenn das Maß 9 einen vorgegebenen Wert unterschreitet. In diesem Beispiel, gezeigt in 2, liegen die zwei Voxel 20 und 21 auf dem Strahl 14, sodass das Maß 9 der Voxel 20 und 21 den vorgegebenen Wert unterschreiten kann, und die Farbintensität des Pixels 11 entsprechend gemäß den Daten 7 den Voxeln 20 und 21 zugeordnet werden. Andernfalls kann die Farbintensität direkt dem Voxel zugeordnet werden, beispielsweise die Farbintensität des Pixels 12 auf das Voxel 22.
In 4 ist schematisch ein Ausführungsbeispiel einer Angiographieeinrichtung 40 gezeigt, die im Rahmen des erfindungsgemäßen Verfahrens zur Reduzierung von Artefakten verwendet werden kann. Neben einem C-Bogen 41, an dem sich gegenüberliegend ein Röntgenstrahler 42 und ein Röntgendetektor 43 angeordnet sind und mit dem die Projektionsbilder 1, 2, 3 aufgenommen werden können, sowie einer zugehörigen Steuereinheit 39 zur Steuerung des Aufnahmebetriebs umfasst die Angiographieeinrichtung 40 in diesem Ausführungsbeispiel eine auch getrennt realisierbare erfindungsgemäße Bildverarbeitungseinrichtung 31, die zur Durchführung des erfindungsgemäßen Verfahrens ausgebildet ist.
Hierzu weist die Bildverarbeitungseinrichtung 31 eine Ermittlungseinheit 32 zur Ermittlung des Angiographiedatensatzes 8 auf, die entsprechend eine Rekonstruktionssubeinheit 33 und eine Rückprojektionssubeinheit 34 aufweist. Ferner ist vorliegend eine Recheneinheit 35 zur Erzeugung der Verteilungsdaten 6, 7 vorgesehen. Zur Durchführung der Verteilung der Farbintensität des Pixels 11 ist eine Verteileinheit 36 vorgesehen, sowie optional zur Durchführung des Schrittes S5 eine Konfidenzeinheit 37. Es ist ferner auch eine nicht näher beschriebene Darstellungseinheit denkbar, um Ansichten des resultierenden vierdimensionalen, korrigierten Angiographiedatensatzes 8 auf einer Anzeigeeinrichtung 44 wiederzugeben.
Des Weiteren ist ein elektronisch lesbarer Datenträger 45 als CD-ROM gezeigt, auf dem ein erfindungsgemäßes Computerprogramm 46 gespeichert ist, welches die Schritte eines erfindungsgemäßen Verfahrens zur Reduzierung der Artefakte durchführt, wenn es auf der Bildverarbeitungseinrichtung 31 ausgeführt wird.
5 zeigt einen Ablaufplan eines Ausführungsbeispiels eines erfindungsgemäßen, computerimplementierten Verfahrens zum Trainieren einer Funktion bzw. zum Bereitstellen der trainierten Funktion 10. In diesem Ausführungsbeispiel wird ausgegangen von realen, zweidimensionalen Projektionsbildern 27 einer digitalen Subtraktionsangiographie, welche ein Blutgefäßsystem zeigen und zu jeweiligen Zeitpunkten in einem bestimmten Zeitintervall aufgenommen sind. Insbesondere können die Projektionsbilder 27 in ihrer Art den Projektionsbildern 1, 2, 3 entsprechen. Zum Erhalt der Projektionsbilder 27 der digitalen Subtraktionsangiographie kann ein ohne Kontrastmittel aus der jeweiligen Richtung aufgenommenes Maskenbild subtrahiert werden.
Die Projektionsbilder 27 zeigen in diesem Ausführungsbeispiel insbesondere ein interessierendes Aufnahmegebiet des Blutgefäßsystems, beispielsweise einen Blutgefäßbaum eines Patienten und in ihrer zeitlichen Abfolge die Ausbreitung des Kontrastmittels in diesem interessierenden Aufnahmebereich, das entsprechend verabreicht wurde. Alle oder ein entsprechender Anteil der Projektionsbilder 27 wird in einem Schritt S7 genutzt, um hieraus einen möglichst hochqualitativen dreidimensionalen Gefäßdatensatz 29, der das Blutgefäßsystem im Aufnahmebereich vollständig zeigt, auf übliche Art und Weise zu rekonstruieren. Der Gefäßdatensatz 29 kann insbesondere 3D-Gefäßgeometrien aufweisen, deren Gefäßwände als einschränkende Geometrie für weiterführende Verfahrensschritte dienen können. Insbesondere kann der Schritt S7 des Trainingsverfahrens im Wesentlichen dem Schritt S1 des Verfahrens zur Reduzierung der Artefakte entsprechen.
In einem Ausführungsbeispiel kann in einem Schritt S8 aus dem dreidimensionalen Gefäßdatensatz 29 ein reduzierter Datensatz 30 bestimmt werden, insbesondere Gefäßmittellinien, welche als erste Eingangstrainingsdaten zum Trainieren der Funktion erzeugt werden können. Dieser Schritt kann insbesondere im Wesentlichen dem Schritt S2 entsprechen. Der reduzierte Datensatz 30 kann in dessen Art dem reduzierten Datensatz 5 entsprechen.
In dem gezeigten Ausführungsbeispiel kann der dreidimensionale Gefäßdatensatz 29 als Eingangsdaten für eine hämodynamische Simulation S9 eines mit einem Kontrastmittel virtuell versetzten, virtuellen Blutflusses in dem durch den Gefäßdatensatz 29 abgebildeten Blutgefäßsystem erzeugt werden, insbesondere mittels einer Simulationsrecheneinheit 51, welche als Teil oder separat zu einem Trainingssystem 47 ausgebildet sein kann. Hierzu kann insbesondere ein CFD-Solver verwendet werden und hierzu mehrere Randbedingungen wie eine Herzfrequenz, eine Blutflussrate, eine Injektionsrate des Kontrastmittels oder dergleichen modelliert werden. Zusätzlich oder alternativ können auch klinisch gemessene, hämodynamische Parameter, die den Bilddatensätzen entsprechen, hierzu verwendet werden. Insbesondere kann mittels der Simulation S9 eine Verteilung der Konzentration des Kontrastmittels in dem durch den Gefäßdatensatz 29 abgebildeten, dreidimensionalen Blutgefäßsystem zeitauflösend simuliert werden.
Als Ausgangsdaten der hämodynamischen Simulation S9 können zweite Eingangstrainingsdaten, sowie Ausgangstrainingsdaten zum Trainieren der Funktion erzeugt werden.
Die Eingangstrainingsdaten können somit die durch die Simulation S9 erzeugten Projektionsbilder 28, welche insbesondere die real erzeugten Projektionsbilder 27 nachbilden sollen, umfassen, sowie den reduzierten Datensatz 30.
Die Ausgangstrainingsdaten, welche in der aufgezeigten Beziehung zu den Eingangstrainingsdaten stehen können, können Daten 38 einer Verteilung einer Konzentration des Kontrastmittels in dem Blutgefäßsystem zu den jeweiligen Zeitpunkten für den dreidimensionalen Gefäßdatensatz 29 oder für den reduzierten Datensatz 30 umfassen.
In einem Schritt S10 kann schließlich die Funktion basierend auf den Eingangstrainingsdaten und den Ausgangstrainingsdaten trainiert werden, insbesondere mittels einer Trainingsrecheneinheit 48 des Trainingssystems 47. Basierend auf dem Training kann die trainierte Funktion 10 bereitgestellt werden, welche für das Verfahren zur Reduzierung der Artefakte verwendet werden kann. Die trainierte Funktion 10 kann beispielsweise wie zu den 6 und 7 beschriebene Art ausgebildet sein.
6 zeigt eine Ausführungsform eines künstlichen neuronalen Netzes, KNN, 100 für eine Funktion bzw. für eine trainierte Funktion 10. Alternative Begriffe für „künstliches neuronales Netz“ sind „neuronales Netz“, „künstliches neuronales Netz“ oder „neuronales Netz“.
Das künstliche neuronale Netz 100 umfasst Knoten 120, ..., 132 und Kanten 140, ..., 142, wobei jede Kante 140, ..., 142 eine gerichtete Verbindung von einem ersten Knoten 120, ..., 132 zu einem zweiten Knoten 120, ..., 132 ist. Im Allgemeinen sind der erste Knoten 120, ..., 132 und der zweite Knoten 120, ..., 132 unterschiedliche Knoten 120, ..., 132, es ist auch möglich, dass der erste Knoten 120, ..., 132 und der zweite Knoten 120, ..., 132 identisch sind. In 6 ist beispielsweise die Kante 140 eine gerichtete Verbindung vom Knoten 120 zum Knoten 123, und die Kante 142 ist eine gerichtete Verbindung vom Knoten 130 zum Knoten 132. Eine Kante 140, ..., 142 von einem ersten Knoten 120, ..., 132 zu einem zweiten Knoten 120, ..., 132 wird auch als „eingehende Kante“ für den zweiten Knoten 120, ..., 132 und als „ausgehende Kante“ für den ersten Knoten 120, ..., 132 bezeichnet.
In diesem Ausführungsbeispiel können die Knoten 120, ..., 132 des künstlichen neuronalen Netzes 100 in Schichten 110, ..., 113 angeordnet sein, wobei die Schichten eine intrinsische Ordnung aufweisen können, die durch die Kanten 140, ..., 142 zwischen den Knoten 120, ..., 132 eingeführt wird. Insbesondere können die Kanten 140, ..., 142 nur zwischen benachbarten Schichten von Knoten bestehen. In dem gezeigten Ausführungsbeispiel gibt es eine Eingabeschicht 110, die nur Knoten 120, ..., 122 ohne eingehende Kanten umfasst, eine Ausgabeschicht 113, die nur Knoten 131, 132 ohne ausgehende Kanten umfasst, und versteckte Schichten 111, 112 zwischen der Eingabeschicht 110 und der Ausgabeschicht 113. Im Allgemeinen kann die Anzahl der verborgenen Schichten 111, 112 beliebig gewählt werden. Die Anzahl der Knoten 120, ..., 122 innerhalb der Eingangsschicht 110 bezieht sich in der Regel auf die Anzahl der Eingangswerte des neuronalen Netzes, und die Anzahl der Knoten 131, 132 innerhalb der Ausgangsschicht 113 bezieht sich in der Regel auf die Anzahl der Ausgangswerte des neuronalen Netzes.
Insbesondere kann jedem Knoten 120, ..., 132 des neuronalen Netzes 100 eine (reelle) Zahl als Wert zugewiesen werden. Dabei bezeichnet x(n)i den Wert des i-ten Knotens 120, ..., 132 der n-ten Schicht 110, ..., 113. Die Werte der Knoten 120, ..., 122 der Eingangsschicht 110 entsprechen den Eingangswerten des neuronalen Netzes 100, die Werte der Knoten 131, 132 der Ausgangsschicht 113 entsprechen dem Ausgangswert des neuronalen Netzes 100. Ferner kann jede Kante 140, ..., 142 ein Gewicht aufweisen, das eine reelle Zahl ist, insbesondere ist das Gewicht eine reelle Zahl innerhalb des Intervalls [-1, 1] oder innerhalb des Intervalls [0, 1]. Dabei bezeichnet w(m,n)i,j das Gewicht der Kante zwischen dem i-ten Knoten 120, ..., 132 der m-ten Schicht 110, ..., 113 und dem j-ten Knoten 120, ..., 132 der n-ten Schicht 110, ..., 113. Weiterhin wird die Abkürzung w(n)i,j für das Gewicht w(n,n+1)i,j definiert.
Um die Ausgangswerte des neuronalen Netzes 100 zu berechnen, werden insbesondere die Eingangswerte durch das neuronale Netz propagiert. Insbesondere können die Werte der Knoten 120, ..., 132 der (n+1)-ten Schicht 110, ..., 113 basierend auf den Werten der Knoten 120, ..., 132 der n-ten Schicht 110, ..., 113 berechnet werden durch $x_{j}^{(n + 1)} = f (\sum_{i} x_{i}^{(n)} \cdot w_{i,j}^{(n)}) .$
Dabei ist die Funktion f eine Übertragungsfunktion (ein anderer Begriff ist „Aktivierungsfunktion“). Bekannte Übertragungsfunktionen sind Stufenfunktionen, Sigmoidfunktionen (z.B. die logistische Funktion, die verallgemeinerte logistische Funktion, der hyperbolische Tangens, die Arcustangens-Funktion, die Fehlerfunktion, die Smoothstep-Funktion) oder Gleichrichterfunktionen. Die Übertragungsfunktion wird hauptsächlich zur Normierung verwendet.
Insbesondere werden die Werte schichtweise durch das neuronale Netz propagiert, wobei die Werte der Eingangsschicht 110 durch die Eingabe des neuronalen Netzes 100 gegeben sind, wobei die Werte der ersten versteckten Schicht 111 auf der Grundlage der Werte der Eingangsschicht 110 des neuronalen Netzes berechnet werden können, wobei die Werte der zweiten versteckten Schicht 112 auf der Grundlage der Werte der ersten versteckten Schicht 111 berechnet werden können, usw.
Um die Werte w(m,n)i,j für die Kanten festzulegen, muss das neuronale Netz 100 mit Trainingsdaten trainiert werden. Die Trainingsdaten umfassen insbesondere Trainingseingangsdaten und Trainingsausgangsdaten (bezeichnet als ti). In einem Trainingsschritt wird das neuronale Netz 100 auf die Trainingseingangsdaten angewendet, um berechnete Ausgangsdaten zu erzeugen. Insbesondere umfassen die Trainingsdaten und die berechneten Ausgabedaten eine Anzahl von Werten, die der Anzahl der Knoten der Ausgabeschicht entspricht.
Insbesondere wird ein Vergleich zwischen den berechneten Ausgangsdaten und den Trainingsdaten verwendet, um die Gewichte innerhalb des neuronalen Netzes 100 rekursiv anzupassen (Backpropagation-Algorithmus). Insbesondere werden die Gewichte verändert nach $w'_{i,j}^{(n)} = w_{i,j}^{(n)} - γ \cdot δ_{j}^{(n)} \cdot x_{i}^{(n)},$
wobei γ eine Lernrate ist, und die Zahlen δ(n)j rekursiv berechnet werden können als $δ_{j}^{(n)} = (\sum_{k} δ_{k}^{(n + 1)} \cdot w_{j,k}^{(n + 1)}) \cdot f' (\sum_{i} x_{i}^{(n)} \cdot w_{i,j}^{(n)})$
basierend auf δ⁽ⁿ⁺¹⁾j, wenn die (n+1)-te Schicht nicht die Ausgabeschicht ist, und $δ_{j}^{(n)} = (x_{k}^{(n + 1)} - t_{j}^{(n + 1)}) \cdot f' (\sum_{i} x_{i}^{(n)} \cdot w_{i,j}^{(n)})$
wenn die (n+1)-te Schicht die Ausgangsschicht 113 ist, wobei f' die erste Ableitung der Aktivierungsfunktion ist und y(n+1)j der Vergleichs-Trainingswert für den j-ten Knoten der Ausgangsschicht 113 ist.
7 zeigt eine Ausführungsform eines neuronalen Faltungsnetzwerks 200 für die Funktion bzw. trainierte Funktion. In dem dargestellten Ausführungsbeispiel umfasst das neuronale Faltungsnetzwerk 200 eine Eingabeschicht 210, eine Faltungsschicht 211, eine Pooling-Schicht 212, eine vollständig verbundene Schicht 213 und eine Ausgabeschicht 214. Alternativ kann das neuronale Faltungsnetzwerk 200 auch mehrere Faltungsschichten 211, mehrere Pooling-Schichten 212 und mehrere vollverknüpfte Schichten 213 sowie andere Arten von Schichten umfassen. Die Reihenfolge der Schichten kann beliebig gewählt werden, in der Regel werden vollverknüpfte Schichten 213 als letzte Schichten vor der Ausgabeschicht 214 verwendet.
Insbesondere können in einem neuronalen Faltungsnetzwerk 200 die Knoten 220, ..., 224 einer Schicht 210, ..., 214 als eine d-dimensionale Matrix oder als ein d-dimensionales Bild betrachtet werden. Insbesondere kann im zweidimensionalen Fall der Wert des mit i und j indizierten Knotens 220, ..., 224 in der n-ten Schicht 210, ..., 214 als x(n)[i,j] bezeichnet werden. Die Anordnung der Knoten 220, ..., 224 einer Schicht 210, ..., 214 hat jedoch keine Auswirkung auf die im Faltungsneuronalen Netz 200 durchgeführten Berechnungen als solche, da diese allein durch die Struktur und die Gewichte der Kanten gegeben sind.
Insbesondere ist eine Faltungsschicht 211 durch die Struktur und die Gewichte der eingehenden Kanten gekennzeichnet, die eine Faltungsoperation auf der Basis einer bestimmten Anzahl von Kernen bilden. Insbesondere sind die Struktur und die Gewichte der ankommenden Kanten so gewählt, dass die Werte x⁽ⁿ⁾ _k der Knoten 221 der Faltungsschicht 211 als eine Faltung x⁽ⁿ⁾ _k = K_k * x^(n-1) auf der Basis der Werte x^(n-1) der Knoten 220 der vorangehenden Schicht 210 berechnet werden, wobei die Faltung im zweidimensionalen Fall definiert ist als $x_{k}^{(n)} [i,j] = (K_{k} * x^{(n - 1)}) [i,j] = \sum_{i} \sum_{j} K_{k} [i',j'] \cdot x^{(n-1)} [i - i', j - j'] .$
Dabei ist der k-te Kern K_k eine d-dimensionale Matrix (in diesem Fall eine zweidimensionale Matrix), die in der Regel klein ist im Vergleich zur Anzahl der Knoten 220, ..., 224 (z.B. eine 3x3-Matrix oder eine 5x5-Matrix). Dies bedeutet insbesondere, dass die Gewichte der eintreffenden Kanten nicht unabhängig sind, sondern so gewählt werden, dass sie die besagte Faltungsgleichung ergeben. Insbesondere für ein Kernel, der eine 3x3-Matrix ist, gibt es nur 9 unabhängige Gewichte (jeder Eintrag der Kernelmatrix entspricht einem unabhängigen Gewicht), unabhängig von der Anzahl der Knoten 220, ..., 224 in der jeweiligen Schicht 210, ..., 214. Insbesondere ist für eine Faltungsschicht 211 die Anzahl der Knoten 221 in der Faltungsschicht gleich der Anzahl der Knoten 220 in der vorhergehenden Schicht 210 multipliziert mit der Anzahl der Kernel.
Wenn die Knoten 220 der vorhergehenden Schicht 210 als d-dimensionale Matrix angeordnet sind, kann die Verwendung einer Vielzahl von Kernen als Hinzufügen einer weiteren Dimension (bezeichnet als „Tiefen“-Dimension) interpretiert werden, so dass die Knoten 221 der Faltungsschicht 221 als (d+1)-dimensionale Matrix angeordnet sind. Sind die Knoten 220 der vorhergehenden Schicht 210 bereits als (d+1)-dimensionale Matrix mit einer Tiefendimension angeordnet, so kann die Verwendung mehrerer Kerne als Erweiterung entlang der Tiefendimension interpretiert werden, so dass die Knoten 221 der Faltungsschicht 221 ebenfalls als (d+1)-dimensionale Matrix angeordnet sind, wobei die Größe der (d+1)-dimensionalen Matrix in Bezug auf die Tiefendimension um einen Faktor der Anzahl der Kerne größer ist als in der vorhergehenden Schicht 210.
Der Vorteil der Verwendung von Faltungsschichten 211 besteht darin, dass eine räumlich lokale Korrelation der Eingangsdaten ausgenutzt werden kann, indem ein lokales Konnektivitätsmuster zwischen Knoten benachbarter Schichten erzwungen wird, insbesondere indem jeder Knoten nur mit einem kleinen Bereich der Knoten der vorhergehenden Schicht verbunden ist.
In dem dargestellten Ausführungsbeispiel umfasst die Eingangsschicht 210 36 Knoten 220, die als zweidimensionale 6x6-Matrix angeordnet sind. Die Faltungsschicht 211 umfasst 72 Knoten 221, die als zwei zweidimensionale 6x6-Matrizen angeordnet sind, wobei jede der beiden Matrizen das Ergebnis einer Faltung der Werte der Eingabeschicht mit einem Kernel ist. Äquivalent dazu können die Knoten 221 der Faltungsschicht 211 als eine dreidimensionale 6x6x2-Matrix interpretiert werden, wobei die letzte Dimension die Tiefendimension ist.
Eine Pooling-Schicht 212 kann durch die Struktur und die Gewichte der eingehenden Kanten und die Aktivierungsfunktion ihrer Knoten 222 charakterisiert werden, die eine Pooling-Operation auf der Grundlage einer nichtlinearen Pooling-Funktion f bilden. Im zweidimensionalen Fall können beispielsweise die Werte x⁽ⁿ⁾ der Knoten 222 der Pooling-Schicht 212 auf der Grundlage der Werte x^(n-1) der Knoten 221 der vorhergehenden Schicht 211 wie folgt berechnet werden: $x (n) [i,j] = f (x^{(n - 1)} [{id}_{1}, {jd}_{2}], \dots, x^{(n - 1)} [{id}_{1} + d_{1} - 1, {jd}_{2} + d_{2} - 1])$
Mit anderen Worten, durch die Verwendung einer Pooling-Schicht 212 kann die Anzahl der Knoten 221, 222 reduziert werden, indem eine Anzahl d1,d2 von Nachbarknoten 221 in der vorhergehenden Schicht 211 durch einen einzigen Knoten 222 ersetzt wird, der als Funktion der Werte der Anzahl von Nachbarknoten in der Pooling-Schicht berechnet wird. Die Pooling-Funktion f kann insbesondere die Max-Funktion, der Durchschnitt oder die L2-Norm sein. Insbesondere sind bei einer Pooling-Schicht 212 die Gewichte der eingehenden Kanten fest und werden durch das Training nicht verändert.
Der Vorteil der Verwendung einer Pooling-Schicht 212 besteht darin, dass die Anzahl der Knoten 221, 222 und die Anzahl der Parameter reduziert wird. Dies führt zu einer Verringerung des Rechenaufwands im Netz und zu einer Kontrolle der Überanpassung.
In dem gezeigten Ausführungsbeispiel ist die Pooling-Schicht 212 ein Max-Pooling, bei dem vier benachbarte Knoten durch nur einen Knoten ersetzt werden, wobei der Wert das Maximum der Werte der vier benachbarten Knoten ist. Das Max-Pooling wird auf jede d-dimensionale Matrix der vorhergehenden Schicht angewandt; in dieser Ausführungsform wird das Max-Pooling auf jede der beiden zweidimensionalen Matrizen angewandt, wodurch die Anzahl der Knoten von 72 auf 18 reduziert wird.
Eine vollständig verbundene Schicht 213 kann dadurch gekennzeichnet sein, dass eine Mehrheit, insbesondere alle Kanten zwischen den Knoten 222 der vorhergehenden Schicht 212 und den Knoten 223 der vollständig verbundenen Schicht 213 vorhanden sind, und wobei das Gewicht jeder der Kanten individuell eingestellt werden kann.
In diesem Ausführungsbeispiel werden die Knoten 222 der Vorgängerschicht 212 der vollverknüpften Schicht 213 sowohl als zweidimensionale Matrizen dargestellt, als auch zusätzlich als nicht zusammenhängende Knoten (dargestellt als Knotenzeile, wobei die Anzahl der Knoten zur besseren Darstellbarkeit reduziert wurde). In dieser Ausführungsform ist die Anzahl der Knoten 223 in der vollständig verbundenen Schicht 213 gleich der Anzahl der Knoten 222 in der vorhergehenden Schicht 212. Alternativ kann die Anzahl der Knoten 222 und 223 auch unterschiedlich sein.
Außerdem werden in dieser Ausführungsform die Werte der Knoten 224 der Ausgangsschicht 214 durch Anwendung der Softmax-Funktion auf die Werte der Knoten 223 der vorhergehenden Schicht 213 bestimmt. Durch die Anwendung der Softmax-Funktion ist die Summe der Werte aller Knoten 224 der Ausgabeschicht 1, und alle Werte aller Knoten 224 der Ausgabeschicht sind reelle Zahlen zwischen 0 und 1. Insbesondere bei Verwendung des Faltungsneuronalen Netzes 200 zur Kategorisierung von Eingangsdaten können die Werte der Ausgabeschicht als die Wahrscheinlichkeit interpretiert werden, dass die Eingangsdaten in eine der verschiedenen Kategorien fallen.
Ein neuronales Faltungsnetz 200 kann auch eine ReLU-Schicht (acronym für „rectified linear units“) enthalten. Insbesondere entsprechen die Anzahl der Knoten und die Struktur der Knoten in einer ReLU-Schicht der Anzahl der Knoten und der Struktur der Knoten in der vorhergehenden Schicht. Insbesondere wird der Wert jedes Knotens in der ReLU-Schicht durch Anwendung einer Gleichrichtungsfunktion auf den Wert des entsprechenden Knotens der vorangehenden Schicht berechnet. Beispiele für Gleichrichtungsfunktionen sind f(x) - max(0,x), die tangentiale Hyperbolikfunktion oder die Sigmoidfunktion.
Faltungsneuronale Netze 200 können insbesondere auf der Grundlage des Backpropagation-Algorithmus trainiert werden. Um eine Überanpassung zu verhindern, können Regularisierungsmethoden verwendet werden, z. B. das Auslassen von Knoten 220, ..., 224, stochastisches Pooling, Verwendung künstlicher Daten, Gewichtsabnahme auf der Grundlage der L1- oder L2-Norm oder Max-Norm-Beschränkungen.
8 zeigt eine schematische Darstellung eines ersten Ausführungsbeispiels eines Trainingssystems 47, aufweisend eine erste Trainingsschnittstelle 52, welche dazu eingerichtet ist, Eingangstrainingsdaten, umfassend zweidimensionale, ein Blutgefäßsystem zeigende, zu jeweiligen Zeitpunkten in einem bestimmten Zeitintervall aufgenommene Projektionsbilder 27, 28 einer digitalen Subtraktionsangiographie, und einen dreidimensionalen Gefäßdatensatz 29 des Blutgefäßsystems, oder einen daraus abgeleiteten, reduzierten Datensatz 30, zu empfangen. Das Trainingssystem 47 kann eine zweite Trainingsschnittstelle 53 aufweisen, welche dazu eingerichtet ist, Ausgangstrainingsdaten, umfassend Daten 38 einer Verteilung einer Konzentration eines Kontrastmittels in dem Blutgefäßsystem zu den jeweiligen Zeitpunkten für den dreidimensionalen Gefäßdatensatz 29 oder für den reduzierten Datensatz 30, zu empfangen, wobei die Ausgangstrainingsdaten in Beziehung zu den Eingangstrainingsdaten stehen.
Das Trainingssystem 47 kann eine Trainingsrecheneinheit 48 aufweisen, welche dazu ausgebildet ist, eine Funktion basierend auf den Eingangstrainingsdaten und den Ausgangstrainingsdaten zu trainieren, und eine dritte Trainingsschnittstelle 54, welche dazu ausgebildet ist, die trainierte Funktion 10 bereitzustellen. Optional kann das Trainingssystem 47 die Simulationsrecheneinheit 51 aufweisen.
Des Weiteren ist ein elektronisch lesbarer Datenträger 49 als CD-ROM gezeigt, auf dem ein erfindungsgemäßes Computerprogramm 50 gespeichert ist, welches die Schritte eines erfindungsgemäßen, computerimplementierten Verfahrens zum Bereitstellen der trainierten Funktion 10 durchführt, wenn es auf Dem Trainingssystem 47 ausgeführt wird.
Zusammenfassend lässt sich sagen, dass die grundlegende Idee hinter dem vorgeschlagenen Verfahren dahingehend interpretiert werden kann, dass die 4D-Informationen der rekonstruierten Serie zeitaufgelöster Volumina des Angiographiedatensatzes verbessert werden können, ohne die dem Patienten verabreichte Dosis an Kontrastmittel zu erhöhen, während die Konsistenz mit den erworbenen Projektionsbildern erhalten bleibt.
In einem Ausführungsbeispiel kann eine trainierte Funktion verwendet werden, um die 2D-Informationen aus den Projektionsdaten im 3D-Einschränkungsvolumen zu verteilen, um die derzeitigen 4D-DSA-Artefakte (Produkt und Prototyp) aufgrund von Gefäßüberlappungen zu reduzieren.
Darüber hinaus ermöglicht das vorgeschlagene Verfahren die rechnerisch effiziente Erstellung von 4D-DSA-Daten (Angiographiedatensatz), wobei die Konsistenz mit den eingegebenen Projektionsdaten gewahrt bleibt.
Da ein Nachbearbeitungsschritt der 4D-DSA-Flussplausibilitätsprüfung (Prototyp) nicht mehr erforderlich ist, können mögliche Fehler, die durch diesen Schritt verursacht werden, vermieden und die Rekonstruktionszeit erheblich reduziert werden. Außerdem kann der Schritt der Konfidenzwertberechnung entfallen, und die Rekonstruktionszeit kann erheblich verkürzt werden.
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 102017200489 A1 [0008]

Zitierte Nicht-Patentliteratur

B. Davis et al, „4D Digital Subtraction Angiography: Implementation and Demonstration of Feasibility“, DOI: 10.3174/ajnr.A3529 [0004]

Claims

Verfahren zur Reduzierung von aufgrund von Gefäßüberlagerungen auftretenden Artefakten in einem vierdimensionalen, unter Gabe eines Kontrastmittels aufgenommenen Angiographiedatensatz (8) eines interessierenden Aufnahmebereichs (25) eines Blutgefäßsystems (25) eines Patienten, wobei aus zweidimensionalen, das Blutgefäßsystem (25) zeigenden, zu jeweiligen Zeitpunkten in einem bestimmten Zeitintervall aufgenommen Projektionsbildern (1, 2, 3) einer digitalen Subtraktionsangiographie ein dreidimensionaler Gefäßdatensatz (4) des Blutgefäßsystems (25) rekonstruiert wird (S1) und durch Rückprojektion der Projektionsbilder (1, 2, 3) in den Gefäßdatensatz (4) der vierdimensionale Angiographiedatensatz (8) ermittelt wird (S6), dadurch gekennzeichnet, dass - für den dreidimensionalen Gefäßdatensatz (4) oder für einen daraus abgeleiteten, reduzierten Datensatz (5) Daten (6, 7) einer Verteilung einer Konzentration des Kontrastmittels in dem Blutgefäßsystem (25) zu den jeweiligen Zeitpunkten erzeugt werden (S3, S4), - eine Farbintensität eines eine Kontrastmittelfüllung zeigenden Pixels (11) eines jeweiligen Projektionsbildes (1, 2, 3) der Projektionsbilder (1, 2, 3) gemäß den Daten (6, 7) der Verteilung zu dem jeweiligen Zeitpunkt des aufgenommenen Projektionsbildes (1, 2, 3) auf Voxel (20, 21) des Gefäßdatensatzes (4), welche entlang eines zu dem Pixel (11) zugehörigen Strahls (14) der Rückprojektion liegen, verteilt wird (S6) .
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass - eine Anzahl von auf dem Strahl (14) liegenden Voxeln (20, 21) aus dem Gefäßdatensatz (4) ermittelt wird (S5), - den Voxeln (20, 21) ein Maß (9) für die ermittelte Anzahl zugeordnet wird, und - die Farbintensität des Pixels (11) nur dann gemäß den Daten (6, 7) der Verteilung verteilt wird, wenn das Maß (9) einen vorgegebenen Wert unterschreitet.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass aus dem dreidimensionalen Gefäßdatensatz (4) Gefäßmittellinien (26) des Blutgefäßsystems (25) als reduzierter Datensatz (5) bestimmt werden (S2), wobei für die Gefäßmittellinien (26) die Daten (6) der Verteilung der Konzentration des Kontrastmittels in dem Blutgefäßsystem (25) erzeugt werden (S3).
Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass die Daten (6) der Verteilung der Konzentration des Kontrastmittels für die Gefäßmittellinien (26) auf den dreidimensionalen Gefäßdatensatz (4) extrapoliert werden (S4) .
Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass die Daten (6, 7) der Verteilung der Konzentration des Kontrastmittels als Ausgangsdaten (6, 7) einer trainierten Funktion (10) erzeugt werden (S3), wobei die trainierte Funktion (10) auf die Projektionsbilder (1, 2, 3) und den dreidimensionalen Gefäßdatensatz (4) oder den reduzierten Datensatz (5) als Eingangsdaten (4, 5) angewendet wird.
Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass die Daten (6, 7) der Verteilung der Konzentration des Kontrastmittels als Ausgangsdaten einer hämodynamischen Simulation eines mit einem Kontrastmittels virtuell versetzten, virtuellen Blutflusses in dem durch den Gefäßdatensatz (4) rekonstruierten Blutgefäßsystem (25) erzeugt werden (S3).
Computerimplementiertes Verfahren zum Bereitstellen einer trainierten Funktion (10), umfassend die Schritte: - Empfangen von Eingangstrainingsdaten, umfassend - zweidimensionale, ein Blutgefäßsystem zeigende, zu jeweiligen Zeitpunkten in einem bestimmten Zeitintervall aufgenommene Projektionsbilder (27, 28) einer digitalen Subtraktionsangiographie, und - einen dreidimensionalen Gefäßdatensatz (29) des Blutgefäßsystems, oder einen daraus abgeleiteten, reduzierten Datensatz (30); - Empfangen von Ausgangstrainingsdaten, umfassend Daten (38) einer Verteilung einer Konzentration des Kontrastmittels in dem Blutgefäßsystem zu den jeweiligen Zeitpunkten für den dreidimensionalen Gefäßdatensatz (29) oder für den reduzierten Datensatz (30), wobei die Ausgangstrainingsdaten in Beziehung zu den Eingangstrainingsdaten stehen; - Trainieren (S10) einer Funktion basierend auf den Eingangstrainingsdaten und den Ausgangstrainingsdaten, indem Ausgangsdaten durch Anwenden der Funktion auf die Eingangstrainingsdaten erzeugt werden und Parameter der Funktion basierend auf einem Vergleich der Ausgangsdaten mit den Ausgangstrainingsdaten angepasst werden; - Bereitstellen der trainierten Funktion (10).
Computerimplementiertes Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass die Ausgangstrainingsdaten als Ausgangsdaten einer hämodynamischen Simulation (S9) eines mit einem Kontrastmittel virtuell versetzten, virtuellen Blutflusses in dem durch den Gefäßdatensatz (29) abgebildeten Blutgefäßsystem erzeugt werden.
Computerimplementiertes Verfahren nach Anspruch 8, dadurch gekennzeichnet, dass die Projektionsbilder (28) als weitere Ausgangsdaten der hämodynamischen Simulation (S9) erzeugt werden, wobei die Projektionsbilder (28) aufgenommene, reale Projektionsbilder (27) einer realen, digitalen Subtraktionsangiographie nachbilden.
Computerimplementiertes Verfahren nach einem der Ansprüche 7 bis 9, dadurch gekennzeichnet, dass aus dem dreidimensionalen Gefäßdatensatz (29) Gefäßmittellinien des Blutgefäßsystems als reduzierter Datensatz (30) bestimmt werden (S8), wobei für die Gefäßmittellinien die Daten (38) der Verteilung der Konzentration des Kontrastmittels in dem Blutgefäßsystem bereitgestellt werden.
Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass die trainierte Funktion (10) bereitgestellt wird durch das computerimplementierte Verfahren nach einem der Ansprüche 7 bis 10.
Bildverarbeitungseinrichtung (31), aufweisend - eine Ermittlungseinheit (32) zur Ermittlung eines vierdimensionalen, unter Gabe eines Kontrastmittels aufgenommenen Angiographiedatensatzes (8) eines interessierenden Aufnahmebereichs eines Blutgefäßsystems (25) eines Patienten, aufweisend eine Rekonstruktionssubeinheit (33) zur Rekonstruktion eines dreidimensionalen Gefäßdatensatzes (4) des Blutgefäßsystems (25) aus zweidimensionalen, das Blutgefäßsystem (25) zeigenden, zu jeweiligen Zeitpunkten in einem bestimmten Zeitintervall aufgenommen Projektionsbildern (1, 2, 3) einer digitalen Subtraktionsangiographie, und eine Rückprojektionssubeinheit (34) zur Ermittlung des Angiographiedatensatzes (8) durch Rückprojektion der Projektionsbildern (1, 2, 3) in den Gefäßdatensatz (4); gekennzeichnet durch - eine Recheneinheit (35) zur Erzeugung von Daten (6, 7) einer Verteilung einer Konzentration des Kontrastmittels in dem Blutgefäßsystem (25) zu den jeweiligen Zeitpunkten für den dreidimensionalen Gefäßdatensatz (4) oder für einen daraus abgeleiteten, reduzierten Datensatz (5); und - eine Verteileinheit (36) zur Verteilung einer Farbintensität eines eine Kontrastmittelfüllung zeigenden Pixels (11) eines jeweiligen Projektionsbildes (1, 2, 3) der Projektionsbilder (1, 2, 3) gemäß den Daten (6, 7) der Verteilung zu dem jeweiligen Zeitpunkt des aufgenommenen Projektionsbildes (1, 2, 3) auf Voxel (20, 21) des Gefäßdatensatzes (4), welche entlang eines zu dem Pixel (11) zugehörigen Strahls (14) der Rückprojektion liegen.
Computerprogramm (46), welches die Schritte eines Verfahrens nach einem der Ansprüche 1 bis 7 oder 11 durchführt, wenn es auf einer Bildverarbeitungseinrichtung (31) ausgeführt wird.
Elektronisch lesbarer Datenträger (45), auf dem ein Computerprogramm nach Anspruch 13 gespeichert ist.
Trainingssystem (47) zum Bereitstellen einer trainierten Funktion (10), aufweisend - eine erste Trainingsschnittstelle (52), welche dazu eingerichtet ist, Eingangstrainingsdaten, umfassend - zweidimensionale, ein Blutgefäßsystem zeigende, zu jeweiligen Zeitpunkten in einem bestimmten Zeitintervall aufgenommene Projektionsbilder (27, 28) einer digitalen Subtraktionsangiographie, und - einen dreidimensionalen Gefäßdatensatz (29) des Blutgefäßsystems, oder einen daraus abgeleiteten, reduzierten Datensatz (30), zu empfangen, - eine zweite Trainingsschnittstelle (53), welche dazu eingerichtet ist, Ausgangstrainingsdaten, umfassend Daten (38) einer Verteilung einer Konzentration eines Kontrastmittels in dem Blutgefäßsystem zu den jeweiligen Zeitpunkten für den dreidimensionalen Gefäßdatensatz (29) oder für den reduzierten Datensatz (30), zu empfangen, wobei die Ausgangstrainingsdaten in Beziehung zu den Eingangstrainingsdaten stehen; - eine Trainingsrecheneinheit (48), welche dazu ausgebildet ist, eine Funktion basierend auf den Eingangstrainingsdaten und den Ausgangstrainingsdaten zu trainieren, indem Ausgangsdaten durch Anwenden der Funktion auf die Eingangstrainingsdaten erzeugt werden und Parameter der Funktion basierend auf einem Vergleich der Ausgangsdaten mit den Ausgangstrainingsdaten angepasst werden, und - eine dritte Trainingsschnittstelle (53), welche dazu ausgebildet ist, die trainierte Funktion (10) bereitzustellen.