[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN114469145B - 提供最佳减影数据组 - Google Patents

提供最佳减影数据组 Download PDF

Info

Publication number
CN114469145B
CN114469145B CN202111338735.1A CN202111338735A CN114469145B CN 114469145 B CN114469145 B CN 114469145B CN 202111338735 A CN202111338735 A CN 202111338735A CN 114469145 B CN114469145 B CN 114469145B
Authority
CN
China
Prior art keywords
image
data set
odiff
image data
subtracted
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.)
Active
Application number
CN202111338735.1A
Other languages
English (en)
Other versions
CN114469145A (zh
Inventor
M.曼哈特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Medical Ag
Original Assignee
Siemens Healthineers AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Healthineers AG filed Critical Siemens Healthineers AG
Publication of CN114469145A publication Critical patent/CN114469145A/zh
Application granted granted Critical
Publication of CN114469145B publication Critical patent/CN114469145B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7221—Determining signal validity, reliability or quality
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • A61B5/748—Selection of a region of interest, e.g. using a graphics tablet
    • A61B5/7485—Automatic selection of region of interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • A61B6/5241—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT combining overlapping images of the same imaging modality, e.g. by stitching
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5246—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from the same or different imaging techniques, e.g. color Doppler and B-mode
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/60—Image enhancement or restoration using machine learning, e.g. neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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
    • 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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/44—Constructional features of apparatus for radiation diagnosis
    • A61B6/4429—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units
    • A61B6/4435—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure
    • A61B6/4441—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure the rigid structure being a C-arm or U-arm
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/10104—Positron emission tomography [PET]
    • 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
    • G06T2207/10116—X-ray image
    • 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
    • G06T2207/10132—Ultrasound image
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20036—Morphological 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
    • G06T2207/20—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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • 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
    • 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
    • G06T2207/30196—Human being; Person

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Vascular Medicine (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明涉及一种用于提供最佳减影数据组的方法，其包括：a)接收第一图像数据组，其借助医学成像设备来记录并且映射第一时间阶段内的检查对象，b)接收至少一个第二图像数据组，其借助相同的或另外的医学成像设备来记录并且映射第二时间阶段内的检查对象的变化，c)将至少一个第二图像数据组划分为多个图像区域，d)为多个图像区域产生减影图像区域，e)针对减影图像区域分别确定图像质量参数，f)通过比较图像质量参数分别针对至少一个第二图像数据组的多个图像区域确定最佳减影图像区域，g)从最佳减影图像区域产生最佳减影数据组，h)提供最佳减影数据组。本发明此外涉及一种医学成像设备和一种计算机程序产品。

Description

提供最佳减影数据组
技术领域
本发明涉及一种用于提供最佳减影数据组的方法、一种医学成像设备和一种计算机程序产品。
背景技术
基于X射线的成像方法通常用于采集检查对象、例如人类和/或动物患者的检查区域的随时间的变化。待采集的随时间的变化例如可以包括造影剂、尤其是造影剂流和/或造影剂团注在检查对象的空腔器官、例如血管区段中的传播运动和/或流动运动。
在此，基于X射线的成像方法通常包括数字减影血管造影(DSA)，其中，至少两个按时间顺序记录的X射线图像(其至少部分地映射共同的检查区域)彼此相减。在DSA的情况下，通常还区分用于记录至少一个掩模图像的掩模阶段和用于记录至少一个填充图像的填充阶段。在此，掩模图像通常可以映射没有造影剂的检查区域。此外，填充图像可以映射在造影剂布置在其中时的检查区域。作为DSA的结果，通常通过掩模图像和填充图像相减来提供差图像。由此，差图像中的对于治疗和/或诊断不相关的和/或干扰性的、尤其不能随时间改变的组成部分通常被减小和/或去除。
通过尤其是在掩模阶段和填充阶段之间的检查对象的运动，可能不利地导致差图像中的运动伪影。
发明内容
因此，本发明所要解决的技术问题在于，能够实现在映射检查对象的变化时的改善的图像质量。
根据本发明，该技术问题通过根据本发明的相应的主题来解决。具有适宜的扩展方案的有利的实施方式是本发明的主题。
在第一方面中，本发明涉及一种用于提供最佳减影数据组的方法。在第一步骤a)中，接收第一图像数据组。在此，第一图像数据组映射第一时间阶段内的检查对象。此外，借助医学成像设备记录第一图像数据组。在第二步骤b)中，接收至少一个第二图像数据组。在此，至少一个第二图像数据组映射第二时间阶段内的检查对象。此外，借助相同的或另外的医学成像设备记录至少一个第二图像数据组。此外，至少一个第二图像数据组映射检查对象相对于第一时间阶段的变化。在第三步骤c)中，将至少一个第二图像数据组划分为多个图像区域。此外，在第四步骤d)中，通过分别从至少一个第二图像数据组的图像区域中的每一个图像区域中减去第一图像数据组的对应的图像区域，来为多个图像区域产生减影图像区域。在第五步骤e)中，针对减影图像区域分别确定图像质量参数。此外，在第六步骤f)中，通过比较图像质量参数分别针对至少一个第二图像数据组的多个图像区域确定最佳减影图像区域。在第七步骤g)中，从最佳减影图像区域产生最佳减影数据组。此外，在第八步骤h)中，提供最佳减影数据组。
接收第一图像数据组和/或至少一个第二图像数据组尤其可以包括采集和/或读取计算机可读的数据存储器和/或从数据存储单元、例如数据库中接收。此外，可以由医学成像设备的提供单元提供第一图像数据组。此外，可以由相同和/或另外的医学成像设备的提供单元提供至少一个第二图像数据组。
例如，检查对象可以是人类和/或动物患者。此外，检查对象可以具有检查区域。检查区域尤其可以包括具有空腔器官的检查对象的空间区段、尤其是体积。空腔器官例如可以包括肺和/或血管区段、例如动脉和/或静脉，和/或心脏。
第一图像数据组可以有利地包括检查对象、尤其是检查区域的二维(2D)和/或三维(3D)图像。此外，第一图像数据组可以时间分辨地映射检查对象。尤其地，第一图像数据组可以分别在不同的时间点映射检查对象。此外，第一图像数据组分别可以从多个第一单图像、尤其是多个第一投影图像重建，其分别具有检查对象的至少一个片段的图像。此外，第一图像数据组可以具有元数据，其中，元数据例如可以包括关于医学成像设备的记录参数和/或运行参数的信息。
第一图像数据组可以有利地映射第一时间阶段、尤其是掩模阶段内的检查对象。为此，可以有利地在预定的第一时间阶段内记录第一图像数据组。
至少一个第二图像数据组可以有利地包括检查对象、尤其是检查区域的二维(2D)和/或三维(3D)图像。此外，至少一个第二图像数据组可以时间分辨地映射检查对象。此外，至少一个第二图像数据组可以分别由多个第二单图像、尤其是多个第二投影图像重建，其分别具有检查对象的至少一个片段的图像。此外，至少一个第二图像数据组可以具有元数据，其中，元数据例如可以包括关于医学成像设备的记录参数和/或运行参数的信息。
至少一个第二图像数据组可以有利地映射第二时间阶段、尤其是填充阶段内的检查对象。为此，可以有利地在预定义的第二时间段内记录至少一个第二图像数据组。有利地，第二时间阶段可以在第一时间阶段之后。
此外，至少一个第二图像数据组可以映射检查对象相对于第一时间阶段的变化。在此，检查对象的变化例如可以是造影剂、尤其是造影剂流，和/或医学对象、尤其是诊断和/或手术器械，其在第二时间阶段期间至少部分地布置在检查对象中。尤其地，检查对象的变化可以包括时间和/或空间上的变化。
第一图像数据组和/或至少一个第二图像数据组可以有利地分别具有多个图像点、尤其是像素和/或体素。如果第一图像数据组和/或至少一个第二图像数据组是时间分辨的，则图像点此外分别可以具有时间强度曲线。
在步骤c)中，可以有利地将至少一个第二图像数据组划分成多个尤其是空间上的图像区域。有利地，图像区域可以至少部分地彼此相邻、尤其是不重叠，和/或至少部分地重叠。在此，图像区域(英语：patch)可以分别具有至少一个第二图像数据组的至少一个、尤其是多个图像点。将至少一个第二图像数据组划分为多个图像区域可以有利地关于图像区域的空间尺寸均匀地和/或非均匀地进行。例如，可以将至少一个第二图像数据组网格形地划分为多个图像区域。在此优选地，图像区域可以分别具有至少一个第二图像数据组的相同数量的图像点。
有利地，在步骤d)中，可以通过分别从至少一个第二图像数据组的图像区域中的每一个图像区域中减去第一图像数据组的尤其在空间上对应的图像区域，来为多个图像区域产生减影图像区域。有利地，对于至少一个第二图像数据组的每个图像区域，可以分别在第一图像数据组中的每一个中存在尤其在空间上对应的图像区域。在此，步骤d)可以包括识别与至少一个第二图像数据组的图像区域对应的第一图像数据组的图像区域。
如果第一图像数据组和至少一个第二图像数据组借助相同的医学成像设备来记录，那么它们可以分别关于共同的坐标系尤其固有地被配准。替换地或附加地，步骤d)可以包括第一图像数据组和/或至少一个第二图像数据组的配准、尤其是运动校正。第一图像数据组的对应的图像区域可以尤其类似于至少一个第二图像数据组的图像区域地分别具有相应的第一图像数据组的至少一个、尤其是多个图像点。此外，与至少一个第二图像数据组的图像区域对应的第一图像数据组的图像区域可以根据相应的图像点的空间布置、尤其是在共同的坐标系中被识别。替换地或附加地，可以根据在第一图像数据组和至少一个第二图像数据组中映射的几何和/或解剖特征来识别对应的图像区域。
为了产生减影图像区域，可以有利地从至少一个第二图像数据组的(尤其是所有)图像区域中减去(尤其是所有)第一图像数据组的分别对应的图像区域。因此可以为至少一个第二图像数据组的(尤其是所有)图像区域分别产生多个减影图像区域。有利地，减影图像区域可以分别映射检查对象的在第一和第二时间阶段之间的差异、尤其是变化。此外，减影图像区域可以具有图像伪影，该图像伪影可以由检查对象在第一图像数据组和/或至少一个第二图像数据组的记录之间的运动引起。
在步骤e)中，分别可以为减影图像区域，尤其为每个减影图像区域确定图像质量参数。在此，图像质量参数可以有利地评估伪影水平，尤其是图像伪影的表现，和/或相应的减影图像区域中的信噪比(英语：signal-to-noise-ratio，SNR)。图像质量参数因此可以具有尤其是归一化的值，其评估相应的减影图像区域的图像质量。
此后，在步骤f)中，可以比较减影图像区域的图像质量参数，该减影图像区域分别与至少一个第二图像数据组的共同的图像区域相对应。有利地，通过比较图像质量参数，可以从分别针对至少一个第二图像数据组的图像区域中的每一个图像区域的多个减影图像区域选择在图像质量方面具有最佳图像质量参数的减影图像区域。然后，可以将该减影图像区域提供为针对至少一个第二图像数据组的相应的图像区域的最佳减影图像区域。
通过比较图像质量参数以用于分别从多个减影图像区域中为至少一个第二图像数据组的尤其是所有的图像区域分别选择最佳减影图像区域，有利地可以排除具有图像伪影、尤其是运动伪影和/或金属伪影和/或具有噪声的减影图像区域。
因此，可以在步骤d)中通过从至少一个第二图像数据组的相应的图像区域中减去第一图像数据组的尤其在空间上对应的图像区域来分别产生最佳减影图像区域，该对应的图像区域关于检查对象的定位具有与至少一个第二图像数据组的图像区域的尽可能大的一致，和/或最小的噪声和/或最小的图像伪影。
在步骤g)中的最佳减影数据组的产生尤其可以包括拼接和/或组合最佳减影图像区域，以形成最佳减影数据组。在此，将最佳减影图像区域拼接和/或组合为最佳减影数据组尤其可以根据分别在最佳减影图像区域中映射的检查区域的片段的空间定位进行。有利地，最佳减影数据组可以映射检查对象的在第一时间阶段和第二时间阶段之间的差异、尤其是变化。
此外，在步骤h)中的提供最佳减影数据组例如可以包括存储在计算机可读的存储介质上和/或在显示单元上显示和/或传输到提供单元。尤其地，可以在显示单元上显示最佳减影数据组的图形表示。
所提出的实施方式能够改善减影数据组的图像质量。在检查对象在第一图像数据组和/或至少一个第二图像数据组的记录期间和/或之间运动的情况下，通过所提出的方法可以有利地最小化最佳减影数据组中的运动伪影。尤其地，通过所提出的方法能够实现改善的灌注成像，其中，灌注图能够从最佳减影数据组计算出来。
在所提出的方法的另一有利实施方式中，步骤f)此外可以包括步骤f.2)，其中，在步骤f.2)中可以检验第一图像数据组的数量是否超过预设的阈值，该第一图像数据组用于产生最佳减影图像区域。在此，在肯定情况下可以识别最不经常用于产生最佳减影图像区域的第一图像数据组。此外，借助所识别的第一图像数据组产生的至少一个最佳减影图像区域可以通过具有次佳的图像质量参数的减影图像区域代替。在此可以重复实施步骤f.2)，直到达到或低于预设的阈值。
通过从至少一个第二图像数据组的图像区域中分别减去第一图像数据组的尤其在空间上对应的图像区域，分别可以在步骤d)中产生最佳减影图像区域，该对应的图像区域关于检查对象的定位具有与至少一个第二图像数据组的图像区域的最大可能的一致，和/或最小的噪声和/或最小的图像伪影。尤其可以通过在步骤f)中比较图像质量参数以确定最佳减影图像区域来确保这一点。在此，可以在步骤d)中从一个或多个第一图像数据组的对应的图像区域产生最佳减影区域。
有利地，减影图像区域可以根据它们的图像质量参数，例如通过在相应的数据结构中的布置和/或通过序数的关联，分别与至少一个第二图像数据组的图像区域中的一个相关联。
有利地，步骤f.2)可以包括将第一图像数据组的数量与预设的阈值进行比较，该第一图像数据组的对应的图像区域用于产生最佳减影图像区域，尤其也用于产生最佳减影数据组。例如，可以通过用户借助输入单元的用户输入来预设和/或调整阈值。此外，可以依据图像区域的数量来预设阈值。替换地或附加地，预设的阈值可以依据在步骤a)中接收的第一图像数据组和/或至少一个第二图像数据组的数量和/或图像特性、例如空间分辨率来预设。
如果步骤f.2)中的检验得出超过阈值，那么可以有利地识别第一图像数据组，其对应的图像区域被最少用于产生在步骤f)中确定为最佳的减影图像区域。如果在步骤f.2)中识别出多个第一图像数据组(其尤其是同时经常用于产生在步骤f)中确定为最佳的减影图像区域)，那么可以通过比较从所识别的第一图像数据组中分别产生的最佳减影区域的图像质量参数，来识别要代替的第一图像数据组。
有利地，借助所识别的第一图像数据组产生的至少一个最佳减影区域可以通过尤其在空间上对应的、具有次佳的图像质量参数的减影图像区域代替。由此有利地可以减少用于产生最佳减影图像区域的第一图像数据组的数量。
有利地，可以重复实施步骤f.2)，直到达到或低于预设的阈值。由此可以有利地确保，用于产生最佳减影图像区域的第一图像数据组的数量不超过预设的阈值。此外，由此可以有利地减少最佳减影数据组中的最佳减影图像区域之间的差异。
在所提出的方法的另一有利的实施方式中，步骤f)还可包括步骤f.3)和f.4)。在步骤f.3)中，最佳减影图像区域可以被分类为空间上连续的和空间上隔离的最佳减影图像区域。在此，借助相同的第一图像数据组产生的、空间上相邻的最佳减影图像区域可以被分类为空间上连续的。此外，借助相同的第一图像数据组产生的、没有空间上相邻的最佳减影图像区域的最佳减影图像区域可以被分类为空间上隔离的。此外，在步骤f.4)中，分别可以将分类后的最佳减影图像区域的空间分量与比较分量进行比较。在低于比较分量的情况下，相应的至少一个最佳减影图像区域可以有利地通过尤其是在空间上对应的、具有次佳的图像质量参数的减影图像区域来代替。此外，可以重复实施步骤f.3)和f.4)，直到分类后的最佳减影图像区域的空间分量达到或超过比较分量。
将最佳减影图像区域分类为空间上连续的和空间上隔离的最佳减影图像区域可以包括根据其相应的空间布置对最佳减影图像区域进行(尤其二元的)识别和/或掩蔽。有利地，具有彼此直接相邻的图像点的最佳减影图像区域可以被视为空间上相邻的最佳减影图像区域。与此类似，不具有相邻的图像点的最佳减影图像区域可以被视为空间上不相邻的最佳减影图像区域。
通过从至少一个第二图像数据组的图像区域中分别减去第一图像数据组的尤其在空间上对应的图像区域，分别可以在步骤d)中产生最佳减影图像区域，该对应的图像区域关于检查对象的定位具有与至少一个第二图像数据组的图像区域的尽可能大的一致，和/或最小的噪声和/或最小的图像伪影。尤其可以通过在步骤f)中比较图像质量参数以确定最佳减影图像区域来确保这一点。在此，可以在步骤d)中从一个或多个第一图像数据组的对应的图像区域产生最佳减影区域。如果最佳减影区域与另外的最佳减影区域在空间上相邻(该另外的最佳减影区域在步骤d)中借助相同的第一图像数据组产生)，那么最佳减影区域和另外的最佳减影区域可以被分类为空间上连续的。如果最佳减影区域中的一个不具有空间上相邻的另外的最佳减影区域(该另外的最佳减影区域在步骤d)中借助相同的第一图像数据组产生)，则该最佳减影区域可以被分类为空间上隔离的。
有利地，在步骤f.4)中可以分别确定分类后的最佳减影图像区域的空间分量。空间分量尤其可以关于所有最佳减影图像区域的总面积和/或总体积被确定为分别分类为空间上连续的或空间上隔离的最佳减影图像区域的面积和/或体积。替换地或附加地，可以关于第一图像数据组和/或至少一个第二图像数据组的面积和/或体积，来确定分类后的最佳减影图像区域的相应的空间分量。
此外，在步骤f.4)中可以包括将分类后的最佳减影图像区域的相应的空间分量与比较分量进行比较。例如，可以通过用户借助输入单元的另外的用户输入来预设和/或调整比较分量。此外，可以依据图像区域的数量预设比较分量。替换地或附加地，可以依据在步骤a)中接收的第一图像数据组和/或至少一个第二图像数据组的数量和/或图像特性、例如空间分辨率来预设比较分量。
如果比较得出至少一个分类后的最佳减影图像区域的空间分量低于比较分量，则相应至少一个最佳减影图像区域可以通过尤其在空间上对应的、具有次佳的图像质量参数的减影图像区域来代替。
尤其地，在步骤f.4)中，可以分别将分类为空间上隔离的最佳减影图像区域的空间分量与比较分量进行比较。在低于比较分量的情况下，相应的分类为空间上隔离的最佳减影图像区域可以有利地通过尤其在空间上对应的、具有次佳的图像质量参数的减影图像区域来代替。
有利地，可以重复实施步骤f.3)和f.4)，直到分类后的最佳减影图像区域的空间分量达到或超过比较分量。有利地，由此可以在最佳减影数据组中减少尤其是空间上隔离的最佳减影图像区域的分割(英语：parcellation)。
在所提出的方法的另一有利的实施方式中，可以通过应用形态学操作，将分类为空间上隔离的最佳减影图像区域整合为分类为空间上连续的最佳减影图像区域。
形态学操作例如可以包括分类为空间上连续的最佳减影图像区域中的、与分类为空间上隔离的最佳减影图像区域相邻的那一个最佳减影图像区域的扩张。替换地或附加地，形态学操作可以包括分类为空间上隔离的最佳减影图像区域的侵蚀。在此，形态学操作例如可以涉及分类为空间上隔离的最佳减影图像区域的图像点的图像值。此外，形态学操作可以涉及将分类为空间上隔离的最佳减影图像区域通过相邻的、分类为空间上连续的最佳减影图像区域来尤其逐图像点地代替。
有利地，由此可以减少分类为空间上隔离的最佳减影图像区域的数量。由此可以进一步改善最佳减影数据组的图像质量。
在所提出的方法的另一有利的实施方式中，在步骤f)中，最佳减影图像区域还可以被分类为空间上连续的和空间上隔离的最佳减影图像区域。在此，借助相同的第一图像数据组产生的、空间上相邻的最佳减影图像区域可以被分类为空间上连续的。此外，借助相同的第一图像数据组产生的、没有空间上相邻的最佳减影图像区域的最佳减影图像区域可以被分类为空间上隔离的。在此，可以通过应用形态学操作将分类为空间上隔离的最佳减影图像区域整合为分类为空间上连续的最佳减影图像区域。
在此，形态学操作尤其可以具有关于所提出的方法的先前描述的有利的实施方式已经描述的所有特征和特性。此外，将最佳减影图像区域分类为空间上连续的和空间上隔离的最佳减影图像区域尤其可以类似于所提出的方法的在上面进一步描述的另一有利的实施方式的步骤f.3)地进行。
有利地，由此可以减少分类为空间上隔离的最佳减影图像区域的数量。此外，由此可以进一步改善最佳减影数据组的图像质量。
在所提出的方法的另一有利的实施方式中，步骤d)还可以包括步骤d.2)，其中，在步骤d.2)中可以将至少一个第二图像数据组的图像区域与第一图像数据组的对应的图像区域配准。
至少一个第二图像数据组的图像区域与第一图像数据组的分别对应的图像区域的配准可以有利地包括图像区域和/或对应的图像区域的尤其刚性的和/或非刚性的空间变换，例如平移和/或旋转和/或变形和/或缩放。尤其地，至少一个第二图像数据组的图像区域与第一图像数据组的分别对应的图像区域的配准可以包括运动校正。尤其地，配准可以基于解剖和/或几何特征；和/或标记对象(其可以映射在第一图像数据组和/或至少一个第二图像数据组中)；和/或元数据。
有利地，通过将至少一个第二图像数据组的图像区域与第一图像数据组的对应的图像区域配准，可以改善由此产生的、尤其最佳的减影图像区域的图像质量。由此，也可以改善最佳减影数据组的图像质量。尤其地，可以在最佳减影数据组中减少图像伪影，这些图像伪影例如可以通过检查对象在第一图像数据组中的映射与在至少一个第二图像数据组中的映射之间的错误对准而引起。
在所提出的方法的另一有利的实施方式中，步骤g)还可以包括：对至少一个共同的边缘区域中的、分别在空间上相邻的最佳减影图像区域进行组合。
分别在空间上彼此相邻的最佳减影图像区域可以有利地分别具有至少一个图像点，这些图像点尤其直接在空间上彼此相邻。该至少一个图像点可以有利地布置在空间上相邻的最佳减影图像区域之间的边界线和/或边界面上。在此，至少一个共同的边缘区域尤其可以包括分别相邻的最佳减影图像区域的图像点，这些图像点布置在共同的边界线和/或边界面上。此外，共同的边缘区域可以包括分别在空间上相邻的最佳减影图像区域的另外的图像点，这些另外的图像点在预设的空间距离内尤其是带状地围绕共同的边界线和/或边界面布置。
有利地，步骤g)可以包括，对分别在空间上相邻的最佳减影图像区域、尤其是布置在共同的边缘区域内的图像点进行组合、例如尤其是加权的平均和/或内插。有利地，由此可以减小、特别是平滑可通过在边界线和/或边界面上组合和/或拼接最佳减影图像区域而生成的最佳减影数据组中的边缘和/或渐变。
在所提出的方法的另一有利的实施方式中，在步骤c)中，可以基于在至少一个第二图像数据组中映射的解剖和/或几何特征，将至少一个第二图像数据组划分为多个图像区域。
解剖和/或几何特征例如可以包括器官(尤其是空腔器官)和/或检查对象的组织和/或标记结构轮廓的图像。尤其地，步骤c)可以包括至少一个第二图像数据组中的解剖和/或几何特征的识别、尤其是分割。分割例如可以包括将至少一个第二图像数据组的图像点的图像值与至少一个预设的阈值进行比较。替换地或附加地，可以借助解剖图集进行分割。有利地，至少一个第二图像数据组可以根据所识别的解剖和/或几何特征被划分为多个图像区域。
有利地，由此可以实现的是，图像区域分别可以尽可能完整地包括在至少一个第二图像数据组中映射的解剖和/或几何特征。在此尤其地，图像区域分别可以被视为感兴趣区域(英语：region-of-interest，ROI)。
由此，可以有利地避免将可在至少一个第二图像数据组中映射的解剖结构和/或几何特征、例如轮廓划分到不同的图像区域中。
在所提出的方法的另一有利的实施方式中，至少一个第二图像数据组可以映射在第二时间阶段中布置在检查对象中的造影剂作为变化。
造影剂例如可以是X射线造影剂、尤其是X射线不透明的造影剂，和/或超声造影剂和/或磁共振造影剂。有利地，可以在所提出的方法开始之前将造影剂施加到检查对象上。有利地，至少部分布置在检查区域中的造影剂、尤其是造影剂的传播运动和/或造影剂团注可以映射在至少一个第二图像数据组中。有利地，造影剂可以尤其选择性地在第二时间阶段期间布置在检查对象的要映射的空腔器官中。由此有利地能够实现空腔器官在至少一个第二图像数据组中并且因此在减影图像区域中的对比图像。
在所提出的方法的另一有利的实施方式中，可以在步骤e)中通过将图像质量度量分别应用于减影图像区域中的一个来确定图像质量参数。此外，图像质量度量可以评估相应的减影图像区域中的伪影水平和/或信噪比。
图像质量度量可以有利地被构造为用于评估减影图像区域中的图像伪影、例如运动伪影和/或金属伪影和/或重建伪影的出现和/或表现。有利地，图像质量度量可以为每个减影图像区域分别提供尤其归一化的图像质量参数，该图像质量参数评估相应的减影图像区域中的伪影水平和/或信噪比。此外，图像质量度量可以基于减影图像区域中的熵和/或变化(总变化，英语：total variation)。此外，图像质量度量可以是关于可包含在第一图像数据组和/或至少一个第二图像数据组和/或相应的减影图像区域中的图像特征的一致性条件。
由此有利地能够实现减影图像区域的图像质量的统一的和/或归一化的评估。此外，由此可以通过比较图像质量参数，针对至少一个第二图像数据组的多个图像区域分别确定、尤其是选择最佳减影图像区域。
在所提出方法的另一有利的实施方式中，图像质量度量可以基于人工智能。
在此，可以有利地通过机器学习方法来训练图像质量度量。尤其地，图像质量度量可以包括通过机器学习方法训练的训练函数。图像质量度量、尤其是训练函数例如可以是神经网络、尤其是卷积神经网络(英语：convolutional neural network，CNN)或包含卷积层(英语：convolutional layer)的网络。
训练函数将输入数据映射到输出数据。在此，输出数据尤其还可以取决于训练函数的一个或多个参数。训练函数的一个或多个参数可以通过训练来确定和/或调整。训练函数的一个或多个参数的确定和/或调整尤其可以基于由训练输入数据和相关联的比较输出数据形成的对，其中，将训练函数应用于训练输入数据以产生训练映射数据。尤其地，确定和/或调整可以基于训练映射数据和比较输出数据的比较。通常，可训练的函数、即具有一个或多个尚未调整的参数的函数也称为训练函数。
训练函数的其他的术语是训练映射规则、具有训练参数的映射规则、具有训练参数的函数、基于人工智能的算法、机器学习算法。训练函数的示例是人工神经网络，其中，人工神经网络的边缘权重相应于训练函数的参数。也可以使用术语“神经网(neuronalesNetz)”来代替术语“神经网络(neuronales Netzwerk)”。尤其地，训练函数也可以是深度人工神经网络(英语：deep neural network、deep artificial neural network)。训练函数的另一示例是“支持向量机(Support Vector Machine)”，此外，机器学习的尤其其他的算法也可以用作训练函数。
训练函数尤其可以通过反向传播来训练。首先，可以通过将训练函数应用于训练输入数据来确定训练映射数据。此后，可以通过将误差函数应用于训练映射数据和比较输出数据来确定训练映射数据和比较输出数据之间的偏差。此外，可以基于误差函数相对于训练函数的至少一个参数的梯度，迭代地调整训练函数、尤其是神经网络的至少一个参数、尤其是权重。由此，训练映射数据和比较输出数据之间的偏差可以有利地在训练函数的训练期间被最小化。
训练函数、尤其是神经网络有利地具有输入层和输出层。在此，输入层可以被构造为用于接收输入数据。此外，输出层可以被构造为用于提供映射数据。在此，输入层和/或输出层可以分别包括多个通道、尤其是神经元。
在此，图像质量度量、尤其是训练函数可以被构造为用于将减影图像区域作为输入数据进行处理并且提供图像质量参数作为输出数据。
为了训练图像质量度量、尤其是训练函数，可以通过将步骤a)至d)应用于第一和第二训练图像数据组来确定具有训练减影图像区域的训练输入数据。在此，第一和第二训练图像数据组尤其可以具有第一图像数据组和至少一个第二图像数据组的所有特征和特性。尤其地，可以模拟第一和/或第二训练图像数据组。此外，对第一和/或第二图像数据组的至少一部分的模拟可以包括将尤其刚性的和/或非刚性的变换应用于第一和/或第二图像数据组中的一个。由此，例如可以有利地模拟可能由于检查对象的运动而引起的运动伪影，以用于训练训练函数。
此外，可以通过将至少一个另外的图像质量度量应用于训练输入数据来确定比较输出数据。至少一个另外的图像质量度量例如可以基于训练输入数据的熵和/或变化(总变化，英语：total variation)。替换地或附加地，比较输出数据可以通过训练输入数据的注释来确定，例如通过用户的输入来确定，该输入对训练输入数据的图像质量进行评估。此外，训练尤其可以通过监督训练来进行。
由此，能够实现在步骤e)中特别稳健和精确地确定图像质量参数。
在所提出的方法的另一有利的实施方式中，医学成像设备和/或另外的医学成像设备可以被构造为医学X射线设备和/或计算机断层成像设备(CT)和/或磁共振设备(MRT)和/或正电子发射断层成像设备(PET)和/或超声设备。
由此，尤其与检查对象的要映射的变化相匹配的成像模态可以用于记录和/或提供第一图像数据组和/或至少一个第二图像数据组。
在第二方面，本发明涉及一种医学成像设备，其被构造为用于实施所提出的用于提供最佳减影数据组的方法。
医学成像设备例如可以被构造为医学X射线设备(尤其是医学C形臂X射线设备)和/或计算机断层成像设备(CT)和/或磁共振设备(MRT)和/或正电子发射断层成像设备(PET)和/或超声设备。有利地，医学成像设备可以具有提供单元，该提供单元被构造为用于实施所提出的方法的步骤。
所提出的医学成像设备的优点基本上相应于所提出的用于提供最佳减影数据组的方法的优点。在此提到的特征、优点或替换的实施方式同样也可以转用到其他要求保护的主题，反之亦然。
在第三方面中，本发明涉及一种计算机程序产品，其具有可直接加载到提供单元的存储器中的计算机程序，具有程序部段，以便当程序部段由提供单元实施时，实施所提出的用于提供最佳减影数据组的方法的所有步骤。计算机程序产品在此可以包括具有源代码(其还没有被编译和链接或仅须被解释)的软件或可实施的软件代码(其为了实施仅需要加载到提供单元中)。通过计算机程序产品，可以借助提供单元快速地、相同可重复地和稳健地实施用于提供最佳减影数据组的方法。计算机程序产品被配置为，使得其可以借助提供单元实施根据本发明的方法步骤。
计算机程序产品例如存储在计算机可读的存储介质上或存储在网络或服务器上，其从那里可以加载到提供单元的处理器中，该处理器可以与提供单元直接连接或构造为提供单元的一部分。此外，计算机程序产品的控制信息可以存储在电子可读的数据载体上。电子可读的数据载体的控制信息可以被设计为，使得在提供单元中使用数据载体时该控制信息实施根据本发明的方法。电子可读的数据载体的示例是DVD、磁带或USB棒，在其上存储有电子可读的控制信息、尤其是软件。如果从数据载体中读取该控制信息并将其存储在提供单元中，则可以实施上面描述的方法的根据本发明的所有实施方式。
本发明此外可以涉及一种计算机可读的存储介质和/或电子可读的数据载体，在计算机可读的存储介质和/或电子可读的数据载体上存储有可由提供单元读取的和实施的程序部段，以便当程序部段由提供单元实施时，实施用于提供最佳减影数据组的方法的所有步骤。
主要基于软件的实现具有以下优点，即，也可以通过软件更新以简单的方式改装迄今所使用的提供单元，以便以根据本发明的方式工作。除了计算机程序以外，这样的计算机程序产品必要时可以包括附加的组成部分、例如文档和/或附加的部件，以及硬件部件、例如用于使用软件的硬件密钥(加密狗等)。
附图说明
本发明的实施例在附图中示出并且在下面更详细地描述。在不同的附图中，对于相同的特征使用相同的附图标记。附图中：
图1至图4示出了用于提供最佳减影数据组的方法的不同的实施例的示意图，
图5示出了作为所提出的医学成像设备的示例的医学C形臂X射线设备的示意图。
具体实施方式
图1示出了所提出的用于提供最佳减影数据组的方法的有利的实施方式的示意图。在第一步骤a)中，可以接收REC-BD1第一图像数据组BD1。在此，第一图像数据组BD1可以映射第一时间阶段内的检查对象。此外，第一图像数据组BD1可以借助医学成像设备来记录。在第二步骤b)中，可以接收REC-BD2至少一个第二图像数据组BD2。在此，至少一个第二图像数据组BD2可以映射第二时间阶段内的检查对象。此外，至少一个第二图像数据组BD2可以借助相同的或另外的医学成像设备来记录。
医学成像设备和/或另外的医学成像设备例如可以被构造为医学X射线设备、尤其是医学C形臂X射线设备，和/或计算机断层成像设备和/或磁共振设备和/或正电子发射断层成像设备和/或超声设备。
此外，至少一个第二图像数据组BD2可以映射检查对象相对于第一时间阶段的变化。尤其地，至少一个第二图像数据组BD2可以映射在第二时间阶段中布置在检查对象中的造影剂作为变化。在第三步骤c)中，可以将至少一个第二图像数据组BD2划分DIV-BB为多个图像区域BB.j.1至BB.j.n。在第四步骤d)中，通过分别从至少一个第二图像数据组BD2的图像区域BB.j.1至BB.j.n中的每一个图像区域中减去第一图像数据组BD1的对应的图像区域cBB.i.1至cBB.n，可以为多个图像区域BB.j.1至BB.j.n产生DET-DIFF减影图像区域DIFF.k.1至DIFF.k.n。为此，可以首先确定DET.cBB第一图像数据组BD1的分别对应的图像区域cBB.i.1至cBB.i.n。在此，第一图像数据组BD1的对应的图像区域cBB.i.1至cBB.i.n例如可以根据相应的图像点的空间布置、尤其是相应的图像点在共同的坐标系中的空间布置被识别。替换地或附加地，可以根据在第一图像数据组BD1和至少一个第二图像数据组BD2中映射的几何和/或解剖特征来识别对应的图像区域cBB.i.1至cBB.i.n.
在第五步骤e)中，分别可以为减影图像区域DIFF.k.1至DIFF.k.n确定图像质量参数IQP.k.1至IQP.k.n。此外，在第六步骤f)中，通过比较COMP-IQP图像质量参数IQP.k.1至IQP.k.n可以分别为至少一个第二图像数据组BD2的多个图像区域BB.j.1至BB.j.n确定最佳减影图像区域ODIFF.1至ODIFF.n。
在第七步骤g)中，可以从最佳减影图像区域ODIFF.1至ODIFF.n产生GEN-ODIFF最佳减影数据组ODIFF。此外，可以在第八步骤h)中提供PROV-ODIFF最佳减影数据组ODIFF。
有利地，步骤d)还可包括步骤d.2)，其中，可以将至少一个第二图像数据组BD2的图像区域BB.j.1至BB.j.n与第一图像数据组的对应的图像区域cBB.i.1至cBB.i.n配准。
此外，步骤g)可以包括，对在至少一个共同的边缘区域中的分别在空间上相邻的最佳减影图像区域ODIFF.1至ODIFF.m进行组合。
有利地，在步骤c)中，可以基于在至少一个第二图像数据组BD2中映射的解剖和/或几何特征，将至少一个第二图像数据组BD2划分DIV-BB为多个图像区域BB.j.1至BB.j.n。
此外，至少一个第二图像数据组BD2可以映射在第二时间阶段中布置在检查对象中的造影剂作为变化。
此外，图像质量参数IQP可以在步骤e)中通过将图像质量度量分别应用于减影图像区域DIFF.k.1至DIFF.k.n中的一个来确定。在此，图像质量度量可以评估相应的减影图像区域DIFF.k.1至DIFF.k.n中的伪影水平和/或信噪比。此外，图像质量度量可以基于人工智能。
在图1至图4中，多个第一图像数据组BD1中的一个、尤其是第i个第一图像数据组的对应的图像区域cBB.i.1至cBB.i.n表示为代表多个第一图像数据组BD1的对应的图像区域。在此，第一图像数据组BD1例如分别可以具有数量n个对应的图像区域。如果在步骤b)中接收多个第二图像数据组，则将多个第二图像数据组BD2中的一个、尤其第j个第二图像数据组的图像区域BB.j.1至BB.j.n表示为代表多个第二图像数据组BD2的图像区域。在此，第二图像数据组BD2可以尤其类似于第一图像数据组地分别具有数量n个图像区域。此外，示意性示出图像质量参数IQP.k.1至IQP.k.n和减影图像区域DIFF.k.1至DIFF.k.n，该减影图像区域针对分别从一个、尤其第j个第二图像数据组BD2的图像区域BB.j.1至BB.j.n中的一个图像区域尤其第k次减去一个、尤其第i个第一图像数据组BD1的对应的图像区域cBB.i.1至cBB.i.n。
图2示意性示出了所提出的用于提供PROV-ODIFF最佳减影数据组ODIFF的方法的另一有利的实施方式。在此，可以确定DET-nBD1第一图像数据组BD1的数量，这些第一图像数据组BD1用于产生最佳减影图像区域ODIFF.1至ODIFF.n。此外，在步骤f.2)中可以检验第一图像数据组BD1的数量是否超过预设的阈值，该第一图像数据组BD1用于产生最佳减影图像区域ODIFF.1至ODIFF.n。该检验在此尤其可以包括该数量与预设的阈值的比较C1。在肯定情况Y下，识别ID-rODIFF第一图像数据组BD1，该第一图像数据组最不经常用于产生最佳减影图像区域ODIFF.1至ODIFF.n。此外，借助所识别的第一图像数据组BD1产生的至少一个最佳减影图像区域ODIFF.1至ODIFF.n可以通过具有次佳的图像质量参数IQP.1至IQP.n的减影图像区域DIFF.1至DIFF.n来代替REP-rODIFF。此外，步骤f.2)可以重复实施，直到达到或低于N阈值。
图3示出了所提出的用于提供PROV-ODIFF最佳减影数据组ODIFF的方法的另一有利的实施方式的示意图。在此，所提出的方法还可以包括步骤f.3)，其中，可以将最佳减影图像区域ODIFF.1至ODIFF.n分类CL-ODIFF为空间上连续的和空间上隔离的最佳减影图像区域cl.ODIFF.1至cl.ODIFF.1。例如，最佳减影图像区域ODIFF.1至ODIFF.n可以被分类为数量为1个的在空间上分类的最佳减影图像区域cl.ODIFF.1至cl.ODIFF.1。在此，借助相同的第一图像数据组BD1产生的、空间上相邻的最佳减影图像区域ODIFF.1至ODIFF.n可以被分类CL-ODIFF为空间上连续的。此外，借助相同的第一图像数据组BD1产生的、没有空间上相邻的最佳减影图像区域ODIFF.1至ODIFF.n的最佳减影图像区域ODIFF.1至ODIFF.n可以被分类CL-ODIFF为空间上隔离的。在另外的步骤f.4)中，分别可以确定DET-A分类后的最佳减影图像区域CL.ODIFF.1至CL.ODIFF.1的空间分量A.ODIFF.1至A.ODIFF.1。此外，可以将分类后的最佳减影图像区域CL.ODIFF.1至CL.ODIFF.1的相应的空间分量A.ODIFF.1至A.ODIFF.1与比较分量进行比较C2。在低于Y比较分量的情况下，相应的至少一个最佳减影图像区域ODIFF.1至ODIFF.n可以通过具有次佳的图像质量参数IQP.1至IQP.n的减影图像区域DIFF.k.1至DIFF.k.n来代替REP-rODIFF。此外，可以重复实施步骤f.3)和f.4)，直到分类后的最佳减影图像区域CL.ODIFF.1至CL.ODIFF.l的空间分量A.ODIFF.1至A.ODIFF.l达到或超过N比较分量。
图4示意性示出了所提出的用于提供PROV-ODIFF最佳减影数据组ODIFF的方法的另一有利的实施方式。在此，在步骤f)中，最佳减影图像区域ODIFF.1至ODIFF.n此外可以被分类CL-ODIFF为空间上连续的和空间上隔离的最佳减影图像区域cl.ODIFF.1至cl.ODIFF.1。此外，通过应用形态学操作MO，可以将分类为空间上隔离的最佳减影图像区域整合为分类为空间上连续的最佳减影图像区域。在此，可以提供通过应用形态学操作MO产生的最佳减影图像区域cl.ODIFF.1′至cl.ODIFF.1′，以用于在步骤g)中产生GEN-ODIFF最佳减影数据组ODIFF。
在图5中作为所提出的医学成像设备的示例示意性示出了医学C形臂X射线设备37。在此，医学C形臂X射线设备37可以有利地包括提供单元PRVS。此外，医学C形臂X射线设备37、尤其是提供单元PRVS可以被构造为用于实施所提出的用于提供PROV-ODIFF最佳减影数据组ODIFF的方法。
在此，医学C形臂X射线设备37有利地包括检测器34、尤其是X射线检测器，以及X射线源33。为了记录第一图像数据组BD1和/或至少一个第二图像数据组BD2，医学C形臂X射线设备37的臂38可以围绕一个或多个轴可运动地安置。此外，医学C形臂X射线设备37可以包括运动设备39，其能够实现医学C形臂X射线设备37在空间中的运动。
为了从布置在患者支承装置32上的检查对象31记录第一图像数据组BD1和/或至少一个第二图像数据组BD2，提供单元PRVS可以向X射线源33发送信号24。X射线源33然后可以发射X射线束。当X射线束在与检查区域相互作用之后撞击在检测器34的表面上时，检测器34可以向提供单元PRVS发送信号21。提供单元PRVS例如可以根据信号21接收REC-BD1、REC-BD2第一图像数据组BD1和/或至少一个第二图像数据组BD2。
此外，医学C形臂X射线设备37可以包括输入单元42、例如键盘，和/或显示单元41、例如监视器和/或显示器。输入单元42可以优选集成到显示单元41中，例如在电容式和/或电阻式的输入显示器的情况下。在此，可以通过用户在输入单元42上的输入来控制医学C形臂X射线设备37、尤其是所提出的用于提供PROV-ODIFF最佳减影数据组ODIFF的方法。为此，输入单元42例如可以向提供单元PRVS发送信号26。
此外，显示单元41可以被构造为用于显示医学C形臂X射线设备37和/或提供单元PRVS和/或其他的部件的信息和/或信息的图形表示。为此，提供单元PRVS例如可以向显示单元41发送信号25。尤其地，显示单元41可以被构造为用于显示第一图像数据组BD1和/或至少一个第二图像数据组BD2和/或最佳减影数据组ODIFF的图形表示。
包含在所描述的附图中的示意图不表示任何比例或大小关系。
最后还要再次指出，上面详细描述的方法和所示的设备仅是实施例，本领域技术人员可以以各种不同的方式修改这些实施例，而不会脱离本发明的范围。此外，不定冠词“一”或“一个”的使用并不排除相关的特征可以多次出现。同样，术语“单元”和“元件”并不排除相关的部件由多个共同作用的子部件构成，这些子部件也可以空间地分布。

Claims (14)

1.一种用于提供(PROV-ODIFF)最佳减影数据组(ODIFF)的方法，所述方法包括：
a)接收(REC-BD1)第一图像数据组(BD1)，
其中，所述第一图像数据组(BD1)映射第一时间阶段内的检查对象(31)，
其中，所述第一图像数据组(BD1)借助医学成像设备来记录，
b)接收(REC-BD2)至少一个第二图像数据组(BD2)，
其中，所述至少一个第二图像数据组(BD2)映射第二时间阶段内的检查对象(31)，
其中，所述至少一个第二图像数据组(BD2)借助相同的或另外的医学成像设备来记录，
其中，所述至少一个第二图像数据组(BD2)映射检查对象(31)相对于第一时间阶段的变化，
c)将所述至少一个第二图像数据组(BD2)划分(DIV-BB)为多个空间上的图像区域(BB.j.1，BB.j.n)，
d)通过分别从所述至少一个第二图像数据组(BD2)的图像区域(BB.j.1，BB.j.n)中的每一个图像区域中减去第一图像数据组(BD1)的对应的图像区域(cBB.i.1，cBB.i.n)，来为多个图像区域(BB.j.1，BB.j.n)产生(DET-DIFF)减影图像区域(DIFF.k.1，DIFF.k.n)，
e)针对所述减影图像区域(DIFF.k.1，DIFF.k.n)分别确定(DET-IQP)图像质量参数(IQP.k.1，IQP.k.n)，
f)通过比较(COMP-IQP)所述图像质量参数(IQP.k.1，IQP.k.n)，分别针对至少一个第二图像数据组(BD2)的多个图像区域(BB.j.1，BB.j.n)确定最佳减影图像区域(ODIFF.1，ODIFF.n)，
g)从所述最佳减影图像区域(ODIFF.1，ODIFF.n)产生(GEN-ODIFF)最佳减影数据组(ODIFF)，
h)提供(PROV-ODIFF)所述最佳减影数据组(ODIFF)。
2.根据权利要求1所述的方法，其中，步骤f)此外包括：
f.2)检验(C1)第一图像数据组的数量是否超过预设的阈值，所述第一图像数据组用于产生最佳减影图像区域(ODIFF.1，ODIFF.n)，
其中，在肯定情况下(Y)识别(ID-rODIFF)最不经常用于产生最佳减影图像区域(ODIFF.1，ODIFF.n)的第一图像数据组，
其中，借助所识别的第一图像数据组产生的至少一个最佳减影图像区域通过具有次佳的图像质量参数的减影图像区域来代替(REP-rODIFF)，
其中，重复实施步骤f.2)，直到达到或低于(N)所述阈值。
3.根据权利要求1或2所述的方法，其中，步骤f)此外包括：
f.3)将最佳减影图像区域(ODIFF.1，ODIFF.n)分类(CL-ODIFF)为空间上连续的和空间上隔离的最佳减影图像区域(cl.ODIFF.1，cl.ODIFF.1)，
其中，借助相同的第一图像数据组产生的、空间上相邻的最佳减影图像区域被分类为空间上连续的，
其中，借助相同的第一图像数据组产生的、没有空间上相邻的最佳减影图像区域的最佳减影图像区域被分类为空间上隔离的，
f.4)将分类后的最佳减影图像区域(cl.ODIFF.1，cl.ODIFF.1)的空间分量(A.ODIFF.1，A.ODIFF.1)分别与比较分量进行比较(C2)，其中所述空间分量能够关于所有最佳减影图像区域的总面积和/或总体积被确定为分别分类为空间上连续的或空间上隔离的最佳减影图像区域的面积和/或体积，
其中，在低于(Y)比较分量的情况下，相应的至少一个最佳减影图像区域通过具有次佳的图像质量参数的减影图像区域来代替(REP-rODIFF)，
其中，重复实施步骤f.3)和f.4)，直到分类后的最佳减影图像区域(cl.ODIFF.1，cl.ODIFF.1)的空间分量(A.ODIFF.1，A.ODIFF.1)达到或超过(N)所述比较分量。
4.根据权利要求3所述的方法，其中，通过应用形态学操作(MO)，将分类为空间上隔离的最佳减影图像区域整合为分类为空间上连续的最佳减影图像区域。
5.根据权利要求1或2所述的方法，其中，步骤f)此外包括：
将最佳减影图像区域(ODIFF.1，ODIFF.n)分类(CL-ODIFF)为空间上连续的和空间上隔离的最佳减影图像区域(cl.ODIFF.1，cl.ODIFF.1)，
其中，借助相同的第一图像数据组产生的、空间上相邻的最佳减影图像区域被分类为空间上连续的，
其中，借助相同的第一图像数据组产生的、没有空间上相邻的最佳减影图像区域的最佳减影图像区域被分类为空间上隔离的，
其中，通过应用形态学操作(MO)将分类为空间上隔离的最佳减影图像区域整合为分类为空间上连续的最佳减影图像区域。
6.根据权利要求1或2所述的方法，其中，步骤d)此外包括：
d.2)将至少一个第二图像数据组(BD2)的图像区域(BB.j.1，BB.j.n)与第一图像数据组(BD1)的对应的图像区域(cBB.i.1，cBB.i.n)配准。
7.根据权利要求1或2所述的方法，其中，步骤g)此外包括：对至少一个共同的边缘区域中的、分别空间上相邻的最佳减影图像区域(ODIFF.1，ODIFF.n)进行组合。
8.根据权利要求1或2所述的方法，其特征在于，在步骤c)中，基于在至少一个第二图像数据组(BD2)中映射的解剖和/或几何特征，将至少一个第二图像数据组(BD2)划分(DIV-BB)为多个图像区域(BB.j.1，BB.j.n)。
9.根据权利要求1或2所述的方法，其特征在于，至少一个第二图像数据组(BD2)映射在第二时间阶段中布置在检查对象(31)中的造影剂作为变化。
10.根据权利要求1或2所述的方法，其特征在于，在步骤e)中，通过将图像质量度量分别应用于减影图像区域(DIFF.k.1，DIFF.k.n)中的一个，来确定(DET-IQP)图像质量参数(IQP.k.1，IQP.k.n)，
其中，所述图像质量度量评估相应的减影图像区域(DIFF.k.1，DIFF.k.n)中的伪影水平和/或信噪比。
11.根据权利要求10所述的方法，其特征在于，所述图像质量度量基于人工智能。
12.根据权利要求1或2所述的方法，其特征在于，医学成像设备和/或另外的医学成像设备被构造为医学X射线设备和/或计算机断层成像设备和/或磁共振设备和/或正电子发射断层成像设备和/或超声设备。
13.一种医学成像设备，所述医学成像设备被构造为用于实施根据权利要求1至12中任一项所述的方法。
14.一种计算机可读的存储介质，在其上存储有计算机程序产品，所述计算机程序产品包括程序并且能够直接加载到提供单元(PRVS)的可编程的计算单元的存储器中，具有程序部件，以便当程序在提供单元(PRVS)的计算单元中实施时，实施根据权利要求1至12中任一项所述的方法。
CN202111338735.1A 2020-11-13 2021-11-12 提供最佳减影数据组 Active CN114469145B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102020214319.6 2020-11-13
DE102020214319.6A DE102020214319B3 (de) 2020-11-13 2020-11-13 Bereitstellen eines optimalen Subtraktionsdatensatzes

Publications (2)

Publication Number Publication Date
CN114469145A CN114469145A (zh) 2022-05-13
CN114469145B true CN114469145B (zh) 2023-05-26

Family

ID=79021415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111338735.1A Active CN114469145B (zh) 2020-11-13 2021-11-12 提供最佳减影数据组

Country Status (3)

Country Link
US (1) US11455711B2 (zh)
CN (1) CN114469145B (zh)
DE (1) DE102020214319B3 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021208272A1 (de) 2021-07-30 2023-02-02 Siemens Healthcare Gmbh Optimale Gewichtung von DSA-Maskenbildern
US20230215008A1 (en) * 2022-01-05 2023-07-06 GE Precision Healthcare LLC System and method for follow-up local feature matching based on multiple functional-anatomical feature layers

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NL8603059A (nl) * 1986-12-01 1988-07-01 Philips Nv Inrichting en werkwijze met bewegingsartefactreductie voor verschilbeeldbepaling.
JP4294880B2 (ja) * 2000-03-06 2009-07-15 富士フイルム株式会社 画像の位置合わせ方法および装置
DE10317367B4 (de) * 2003-04-15 2007-01-11 Siemens Ag Verfahren zur Durchführung der digitalen Subtraktionsangiographie unter Verwendung nativer Volumendatensätze
JP5100145B2 (ja) * 2006-06-20 2012-12-19 株式会社東芝 磁気共鳴イメージング装置
US9367904B2 (en) 2007-04-23 2016-06-14 Koninklijke Philips Electronics N.V. Spatial-temporal warping of different pre-captured medical images
US8463012B2 (en) * 2011-10-14 2013-06-11 Siemens Medical Solutions Usa, Inc. System for comparison of medical images
DE102015200850B4 (de) * 2015-01-20 2019-08-22 Siemens Healthcare Gmbh Verfahren zur Auswertung von medizinischen Bilddaten
DE102016221220B4 (de) * 2016-10-27 2023-09-28 Siemens Healthcare Gmbh Verfahren zur Ermittlung eines darzustellenden Überlagerungsbildes, Darstellungseinrichtung, Computerprogramm und Datenträger
US11793478B2 (en) 2017-03-28 2023-10-24 Canon Medical Systems Corporation Medical image processing apparatus, medical image processing method, and X-ray diagnostic apparatus
TW201903708A (zh) * 2017-06-06 2019-01-16 國立陽明大學 數位減影血管攝影圖像的分析方法與系統
DE102019202514B4 (de) 2019-02-25 2021-06-24 Siemens Healthcare Gmbh Verfahren zur digitalen Subtraktionsangiographie, Röntgeneinrichtung, Computerprogramm und elektronisch lesbarer Datenträger

Also Published As

Publication number Publication date
US20220156904A1 (en) 2022-05-19
DE102020214319B3 (de) 2022-01-20
CN114469145A (zh) 2022-05-13
US11455711B2 (en) 2022-09-27

Similar Documents

Publication Publication Date Title
US12079921B2 (en) System and method for image-based object modeling using multiple image acquisitions or reconstructions
CN111192316B (zh) 用于动脉分析和评估的深度学习
CN107038728B (zh) 基于迭代重建的轮廓自动化确定
US9514530B2 (en) Systems and methods for image-based object modeling using multiple image acquisitions or reconstructions
CN105517492B (zh) 用于处理心脏数据的处理设备
CN104346821B (zh) 用于医学成像的自动规划
CN112640000A (zh) 根据医学数据对预测性数字孪生体模型的数据驱动的估计
CN109381205B (zh) 用于执行数字减影血管造影的方法、混合成像装置
JP2010517672A (ja) 数量的データ分析の運動補償及び治療
US10275946B2 (en) Visualization of imaging uncertainty
CN114469145B (zh) 提供最佳减影数据组
US20210004997A1 (en) Method for providing an evaluation dataset from a first medical three-dimensional computed tomography dataset
CN112750519A (zh) 医学图像数据的匿名化
CN112790778B (zh) 采集错误对齐
CN113614788A (zh) 计算机辅助读取和分析的深度强化学习
US12039703B2 (en) Provision of an optimum subtraction data set
CN113177907B (zh) 控制医学x射线设备
CN113616223B (zh) 提供掩模图像
CN117788614A (zh) 用于机器消耗的ct重建
Jirapatnakul Automated Methods For Pulmonary Nodule Growth Rate Measurement: Early Computer-Aided Diagnosis Of Lung Cancer From Computed Tomography Images

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240903

Address after: German Phu F Haim

Patentee after: Siemens Medical AG

Country or region after: Germany

Address before: Erlangen

Patentee before: Siemens Healthineers AG

Country or region before: Germany