本发明涉及用于关于通过图像处理模块处理医学图像来检查医学图像的方法，以及用于在医学成像检查期间调整检查协议的方法。本发明还涉及用于生成检查步骤列表的方法，以及用于训练决策支持系统的方法，决策支持系统用于通过医学成像设备进行的检查。本发明还涉及数据处理单元、计算机程序、计算机可读介质、决策支持系统、医学成像设备以及决策支持系统的用途。
背景技术：
重现性在基于放射学数据(特别是图像数据)的定量诊断结果中起着重要的作用。定量结果可以涉及例如肿瘤体积、组织密度、钙分数等。将以上定量结果与初步检查的对应值进行比较是放射科中的一个日常任务。后处理应用对相关图像性质(例如空间和/或时间分辨率、对比度等)的改变通常响应得较为敏感，，后处理应用能够从初始重建的图像数据导出前述类型的定量信息。取决于后处理应用，要用作定量评估来源的数据通常必须满足某些要求，以便结果在重现性方面相关且可适用。
通常，通常基于文档中所描述的知识(例如与后处理应用相关的知识)来使用图像数据和后处理应用的正确组合，以导出定量结果。通常，由用户来决定在特定的后处理应用中是否使用不满足相关性和/或重现性方面的要求的数据。
技术实现要素：
本发明的目的是实现以改进的方式来执行医学成像检查。
这个目的由独立权利要求的相应技术方案分别实现。在从属权利要求中考虑了本发明的其他有利方面。
本发明涉及一种用于关于通过图像处理模块处理医学图像来检查医学图像的方法，其中该方法包括以下步骤：
-提供图像处理模块的至少一个输入要求，所述至少一个输入要求与医学图像的至少一个图像参数相关，
-提供医学图像的至少一个图像参数，
-检查至少一个图像参数是否满足至少一个输入要求。
特别地，医学图像可以是医学计算机断层摄影图像。特别地，医学成像检查可以是医学计算机断层摄影成像检查。
特别地，可以根据检查的结果来执行以下步骤：
-输出一个警报，该警报与通过图像处理模块处理医学图像的图像处理结果的质量相关。
特别地，可以根据检查的结果来执行以下步骤中的一个步骤：
-通过图像处理模块来处理医学图像，
-拒绝与通过图像处理模块处理医学图像相关的图像处理任务。
特别地，可以根据检查的结果来执行以下步骤：
-基于至少一个输入要求生成针对另外的医学图像的图像生成任务。
特别地，该方法还可以包括以下步骤：
-基于针对另外的医学图像的图像生成任务来生成另外的医学图像，
-提供另外的医学图像的至少一个图像参数，
-检查另外的医学图像的至少一个图像参数是否满足至少一个输入要求。
特别地，该方法还可以包括以下步骤：
-基于至少一个输入要求来生成针对医学图像的图像生成任务，
-基于针对医学图像的图像生成任务来生成医学图像。
特别地，可以独立于医学成像设备的特定特性来定义至少一个输入要求，医学图像和/或另外的医学图像通过该医学成像设备而被生成。
特别地，至少一个图像参数可以选自图像参数组，该图像参数组包含：空间分辨率、时间分辨率、边缘行为、对比度、卷积核、切片厚度、旋转时间、螺距、管电压、滤波器属性、调制传递函数及其组合。
本发明还涉及一种用于在医学成像检查期间调整检查协议的方法，
-其中检查步骤列表被提供
-其中检查步骤列表中的每个检查步骤被分配一个相应的指令，
-其中检查协议包括来自检查步骤列表的一个起始检查步骤，起始检查步骤在医学成像检查开始时被执行，
-其中在每个经执行的检查步骤之后，借助于分配给经执行的检查步骤的指令，通过基于该指令执行以下步骤中的一个步骤来调整检查协议：
-终止医学成像检查而不管经执行的检查步骤的结果，
-根据经执行的检查步骤的结果来终止医学成像检查，
-执行来自检查步骤列表的一个另外的检查步骤而不管经执行的检查步骤的结果，另外的检查步骤在指令中被指定，
-根据经执行的检查步骤的结果来执行来自检查步骤列表的多个另外的检查步骤中的一个另外的检查步骤，多个另外的检查步骤在指令中被指定。
特别地，可以根据经执行的检查步骤的结果来执行以下步骤：
-基于经执行的检查步骤的指令和/或结果来生成针对另外的医学成像检查的图像生成任务。
特别地，该方法还可以包括以下步骤：
-基于用户输入和/或基于在经执行的检查步骤期间采集的数据的自动评估来确定经执行的检查步骤的结果。
本发明还涉及一种用于生成检查步骤列表的方法，其中每个检查步骤被分配有一个相应指令，以用于在医学成像检查期间调整检查协议，其中该方法包括以下步骤：
-提供一组训练数据集，其中每个训练数据集包括相应的训练指令和检查参数集，其中检查参数集与分配给训练指令的检查步骤和/或分配给训练指令的检查结果相关，
-基于一组训练数据集和机器学习算法来生成检查步骤列表，其中检查步骤列表中的每个检查步骤被分配一个相应指令，以用于在医学成像检查期间调整检查协议。
特别地，可以通过在检查的过程中执行以下步骤来提供该组训练数据集中的至少一个训练数据集：
-记录与所选检查协议的偏离作为训练指令，该偏离是在经执行的检查步骤之后由用户手动发起的，
-记录与经执行的检查步骤和/或经执行的检查步骤的检查结果相关的检查参数集。
本发明还涉及一种用于训练决策支持系统的方法，该决策支持系统用于通过医学成像设备进行的检查，其中该方法包括以下步骤：
-提供一组训练数据集，其中每个训练数据集包括一个相应的训练检查任务和检查信息，其中检查信息与已经基于训练检查任务而执行的医学成像检查相关，
-基于该组训练数据集和机器学习算法来训练决策支持系统，使得通过经训练的决策支持系统，可以基于检查任务生成检查推荐，该检查推荐用于通过医学成像设备进行的检查。
根据本发明的实施例变型，规定了：
-训练检查任务包括训练指令，
-检查信息包括检查参数集，其中检查参数集与分配给训练指令的检查步骤和/或分配给训练指令的检查结果相关，
-检查推荐包括基于该组训练数据集和机器学习算法生成的检查步骤列表，其中检查步骤列表中的每个检查步骤被分配一个相应的指令，用于在医学成像检查期间调整检查协议。
根据本发明的实施例变型，规定了：
-训练检查任务包括图像生成任务，
-检查信息包括采集参数和/或重建参数，在医学成像检查期间，图像生成任务通过采集参数和/或重建参数被执行。
根据本发明的实施例变型，规定了：
-训练检查任务包括图像处理任务，
-检查信息包括图像处理参数，在医学成像检查期间，图像处理任务通过图像处理参数被执行。
本发明还涉及一种数据处理单元，其被实施为执行根据本申请中公开的方面中的一个方面的方法。
本发明还涉及一种计算机程序，其可以被加载到数据处理系统的存储器设备中，并且具有程序段，用于当计算机程序由数据处理系统执行时，执行根据本申请中公开的方面中的一个方面的方法的所有步骤。
本发明还涉及一种计算机可读介质，其上存储有程序段，程序段可以被读入数据处理系统中并且由数据处理系统执行，以便当程序段由数据处理系统执行时，执行根据本申请中公开的方面中的一个方面的方法的所有步骤。
本发明还涉及一种决策支持系统，其基于根据本申请中公开的方面中的一个方面的方法被训练。
本发明还涉及一种医学成像设备，其包括根据本申请中公开的方面中的一个方面的数据处理单元和/或根据本申请中公开的方面中的一个方面的决策支持系统。
本发明还涉及决策支持系统在医学成像设备中的用途和/或用于基于检查任务生成检查推荐的用途，该决策支持系统基于根据本申请中公开的方面中的一个方面的方法被训练，检查推荐用于通过医学成像设备进行的检查。
假定知道后处理算法的操作模式，可以指定输入数据(特别是医学图像)的必需的和/或充分的属性，这些属性表征输入数据通过后处理算法进行评估的适合性。利用经训练的后处理算法，可以指定所述属性，尤其是在知道训练数据的属性的情况下，并且假设通过经训练算法达到的结果在训练数据的情况下以最佳方式发挥最用时，更是如此。在本申请的上下文中，术语“后处理模块”和“图像处理模块”被同义地使用。
所述属性例如可以与以下相关：一个或多个空间方向上的空间分辨率、边缘行为(特别是过冲(overshoot))、时间分辨率(特别是最小时间分辨率)、材料对比度等。特别地，这些属性可以与采集参数和/或重建参数相关。特别地，采集参数和/或重建参数的示例为：卷积核、切片厚度、旋转时间、螺距、重建的数据段、管电压或滤波属性。特别地，空间分辨率与卷积核和/或与切片厚度相关，边缘行为与卷积核相关，时间分辨率与旋转时间、与螺距和/或与重建的数据片段相关，材料对比度与管电压和/或与过滤属性相关。
特别地，前述参数的选择可以被用来表征医学图像。而且，在不脱离权利要求限定的本发明的范围的情况下，可以添加另外的参数。特别地，除了固定值之外，还可以通过至少一个输入要求分别定义至少一个图像参数的区间或值列表。特别地，医学图像可以包括页眉和/或页脚。
特别地，图像处理模块可以是图像处理算法和/或包括图像处理算法。例如，图像处理模块可以被实施用于分割结构和/或用于提取医学图像中的中心线。特别地，图像处理模块可以被集成到后处理应用中。例如，后处理应用可以实施为用于检测肺结节和/或用于检测狭窄症。
优选地，以标准化的形式来存储输入要求，特别地，而不管专门的成像设备和/或制造商。
例如，替代卷积核和切片厚度，可以为一个或多个或所有空间方向指定调制传递函数。特别地，在使用特定卷积核并且设定特定切片厚度时可以实现所述调制传递函数。以这种方式，例如可以以设备中立的方式来描述空间分辨率和边缘行为。
例如，医学成像设备可以选自成像模态组，该成像模态组包含：x射线设备、c形臂x射线设备、计算机断层摄影设备(ct设备)、分子成像设备(mi设备)、单光子发射计算机断层摄影设备(spect设备)、正电子发射断层摄影设备(pet设备)、磁共振断层摄影设备(mr设备)及其组合(特别是pet/ct设备和pet/mr设备的组合)。医学成像设备还可以包括成像模态(例如，选自该成像模态组)和照射模态的组合。在这种情况下，例如，照射模态可以包括用于治疗性照射疗法的照射单元。在不限制总的发明构思的情况下，在一些实施例中，引用计算机断层摄影设备来作为医学成像设备的示例。
根据本发明的一个实施例变型，医学成像设备包括采集单元，采集单元被实施用于获取采集数据。特别地，采集单元可以包括辐射源和辐射检测器。
本发明的一个实施例变型规定：辐射源被实施用于发射和/或激发辐射(特别是电磁辐射)，和/或辐射检测器被实施用于检测辐射(特别是电磁辐射)。辐射可以例如从辐射源行进到要被成像的区域，和/或在与要被成像的区域相互作用之后到达辐射检测器。
在与要被成像的区域相互作用期间，辐射被修改，并因此成为与要被成像的区域相关的信息的载体。在辐射与检测器相互作用期间，所述信息以采集数据的形式被捕获。
特别地，在计算机断层摄影设备的情况下以及在c形臂x射线设备的情况下，采集数据可以是投影数据，采集单元可以是投影数据采集单元，辐射源可以是x射线源，并且辐射检测器可以是x射线检测器。特别地，x射线检测器可以是量子计数和/或能量分辨x射线检测器。
特别地，在磁共振断层摄影设备的情况下，采集数据可以是磁共振数据集，采集单元可以是磁共振数据采集单元，辐射源可以是第一射频天线单元，并且辐射检测器可以是第一射频天线单元和/或第二射频天线单元。
数据处理单元和/或数据处理单元的一个或多个部件可以由数据处理系统形成。决策支持系统和/或决策支持系统的一个或多个部件可以由数据处理系统形成。
数据处理系统可以包括例如硬件形式的一个或多个部件和/或软件形式的一个或多个部件。
数据处理系统可以例如至少部分地由云计算系统形成。
数据处理系统可以是和/或包括例如云计算系统、计算机网络、计算机、平板电脑、智能电话等或以上各项的组合。硬件例如可以与软件协作和/或通过软件配置。软件例如可以通过硬件来执行。
硬件可以是例如存储系统、fpga(现场可编程门阵列)系统、asic(专用集成电路)系统、微控制器系统、处理器系统及其组合。处理器系统可以包括例如一个微处理器和/或多个协作的微处理器。
特别地，根据本申请中公开的方面中的一个方面的数据处理单元的部件被实施为执行根据本申请中公开的方面中的一个方面的方法的给定步骤，该部件可以以硬件的形式来实现，该硬件被配置用于执行所述给定步骤和/或被配置为执行计算机可读指令，使得硬件可以通过计算机可读指令被配置为执行所述给定步骤。特别地，系统可以包括例如计算机可读介质形式的存储区域，在该存储区域中存储了例如计算机程序形式的计算机可读指令。
例如可以分别通过适当的数据传送接口在数据处理系统的多个部件之间执行数据传送。可以至少部分地以软件形式和/或至少部分地以硬件形式来实现数据传送接口，用于向和/或从数据处理系统的部件传送数据。数据传送接口可以被实施为例如用于将数据存储在存储系统的区域中和/或用于从存储系统的区域加载数据，数据处理系统的一个或多个部件能够访问存储系统的所述区域。
计算机程序可加载到数据处理系统的存储系统中，并且可以由数据处理系统的处理器系统执行。
数据处理系统可以例如通过计算机程序被实施，使得当计算机程序由数据处理系统执行时，数据处理系统可以执行根据本申请中公开的一个实施例变型的方法的步骤。
例如，根据本申请中公开的一个实施例变型的计算机程序产品和/或根据本申请中公开的一个实施例变型的计算机程序可以被存储在计算机可读介质上。
计算机可读介质例如可以是存储棒、硬盘或另一数据载体，特别地，其可以可拆卸地连接到数据处理系统或永久地集成在数据处理系统中。计算机可读介质可以例如形成数据处理系统的存储系统的一个域。在本申请的上下文中，术语“协议”和“检查协议”彼此被同义地使用。
在本发明的范围内，关于本发明的不同实施例和/或不同权利要求类别(方法、用途、设备、系统、布置等)描述的特征可以被组合，以形成本发明的另外的实施例变型。例如，也可以用结合方法描述或要求保护的特征来对与设备相关的权利要求进行变型。同时，方法的功能性特征可以通过对应实施的材料部件来实现。除了在本申请中明确描述的本发明的实施例变型之外，在不偏离由权利要求给出的本发明的范围的情况下，还可以设想到本领域技术人员可以得出的、本发明的各种各样的其他实施例变型。
量词“一”或“一个”的使用并不排除相关特征出现多于一次的可能性。术语“包括”的使用并不排除通过术语“包括”连接的概念可以相同的可能性。例如，医学成像设备包括医学成像设备。术语“单元”的使用并不排除术语“单元”所指代的对象可以包括空间上彼此分离的多个部件的可能性。
在本申请的上下文中，特别地，可以以术语“使用”的含义来理解短语“基于”。特别地，基于第二特征相应地产生(替换地：确定、限定等)第一特征的表述不排除可以基于第三特征产生(替换地：确定、限定等)第一特征的可能性。
附图说明
下面将参考附图来解释本发明的所选实施例变型。附图中的图示是示意性的、高度简化的并且不一定按真实比例绘制。
在附图中：
图1示出了根据本发明的实施例变型一种方法的流程图，该方法用于关于通过图像处理模块处理医学图像来检查医学图像，
图2示出了根据本发明的另一个实施例变型的数据处理单元的示意图，数据处理单元用于关于通过图像处理模块处理医学图像来检查医学图像，
图3示出了根据本发明的另一个实施例变型的一种方法的流程图，该方法用于关于通过图像处理模块处理医学图像来检查医学图像，
图4示出了根据本发明的另一个实施例变型的一种方法的流程图，该方法用于关于通过图像处理模块处理医学图像来检查医学图像，
图5示出了根据本发明的另一个实施例变型的一种方法的流程图，该方法用于关于通过图像处理模块处理医学图像来检查医学图像，
图6示出了根据本发明的另一个实施例变型的一种方法的流程图，该方法用于关于通过图像处理模块处理医学图像来检查医学图像，
图7示出了用于在医学成像检查期间调整检查协议的方法的流程图，
图8示出了用于训练决策支持系统的方法的流程图，决策支持系统用于通过医学成像设备进行的检查，
图9示出了根据本发明实施例变型的医学成像设备的示意图。
具体实施方式
图1示出了根据本发明实施例变型的一种方法的流程图，该方法用于关于通过图像处理模块对医学图像的处理来检查医学图像，其中该方法包括以下步骤：
-提供pq图像处理模块的至少一个输入要求，至少一个输入要求与医学图像的至少一个图像参数相关，
-提供px医学图像的至少一个图像参数，
-检查cp至少一个图像参数是否满足至少一个输入要求。
图2示出了根据本发明的另一个实施例变型的数据处理单元的示意图35，数据处理单元35用于关于通过图像处理模块对医学图像的处理来检查医学图像，数据处理单元35包括：
-输入要求提供单元pq-m，用于提供pq图像处理模块的至少一个输入要求，该至少一个输入要求与医学图像的至少一个图像参数相关，
图像参数提供单元px-m，用于提供px医学图像的至少一个图像参数，
-检查单元cp-m，用于检查cp至少一个图像参数是否满足至少一个输入要求。
图3示出了根据本发明实施例变型的一种方法的流程图，该方法用于关于通过图像处理模块对医学图像的处理来检查医学图像。该方法的执行序列的起始被标记为步骤s。
在这种情况下，参数集palgo被分配给后处理模块l和/或被存储在所述后处理模块中，所述后处理模块描述输入要求。
在上述参数模型的含义内，在医学图像中实现的图像参数preal存储在数据结构id中，医学图像以该数据结构id被传送。例如，页眉或页脚可以用于此目的。palgo由参考符号q表示。preal由参考符号x表示。preal可以包括用于采集da的采集参数xa和/或用于重建ir的重建参数xr。
接下来，在步骤cp，执行检查以验证preal是否可以与palgo组合。特别地，这可以通过逐参数检查来实现，以确定实现的值是否位于通过palgo指定的值范围中。例如，值范围可以以值、区间和/或列表的形式来指定。原则上，preal和palgo可以被视为特定参数的值的集合。因此，验证至少一个图像参数是否满足至少一个输入要求的检查将对应于确定preal是否是palgo的子集(即是否
如果满足该要求，则通过图像处理模块l来处理医学图像。该路径由y标记。否则，如图3所示，后处理任务被拒绝j1，和/或如图图4所示，向用户输出警报j2，用以指示通过后处理算生成的结果可能在其质量方面具有局限性。该路径由n标记。该方法的执行序列的终止分别由步骤e1和e2标记。
在图5中示出的本发明实施例变型中，如果至少一个图像参数不满足至少一个输入要求，则考虑至少一个输入要求palgo来生成图像生成任务，图像生成任务与生成另外的医学图像相关。基于该图像生成任务，可以通过医学成像设备来生成满足要求
在步骤dx，基于preal和/或palgo和/或基于检查cp的结果来生成用于生成另外的医学图像的图像参数，特别是采集参数和/或重建参数。特别地，这些参数与在步骤ini处提供的用于生成医学图像的初始参数不同。特别地，另外的医学图像的生成可以包括基于已经采集的原始数据重建另外的医学图像。例如，在这种情况下所使用的原始数据可以与已经被用于重建不满足至少一个输入要求的医学图像的原始数据相同。特别地，在这种情况下可以使用被调整以适合于至少一个输入要求的重建参数。
特别地，当单独通过重建无法满足要求
因此，根据本发明的解决方案实现了对采集和/或重建的自动控制，该采集和/或重建关于通过后处理应用对在该过程中生成的医学图像的处理而被调整。特别地，包括新的数据采集对于多种模态都是有意义的，原因在于这不会使患者受到任何额外的暴露，例如由于电离辐射引起的暴露。
如果基于另外的医学图像无法满足条件
在图6所示的实施例变型中，已经基于图像生成任务生成了第一检查步骤所基于的医学图像，该图像生成任务是基于至少一个输入要求生成的。
特别地，可以基于计划的后处理步骤来生成图像生成任务，并将图像生成任务输出到医学成像设备，计划的后处理步骤具有用于生成医学图像的输入要求palgo的详述。
特别地，可以通过医学成像设备基于图像生成任务来生成医学图像，使得另外的医学图像的至少一个图像参数满足至少一个输入要求。特别地，医学图像的生成可以包括重建和/或采集。
特别地，可以使用适合于至少一个输入要求的重建参数，而基于针对医学图像的图像生成任务来执行对已经采集的原始数据的重建。其目的在于满足或至少近似地满足针对医学图像的要求
例如，初始地，可以基于使用适合于至少一个输入要求的重建参数的重建来进行检查，以便确定是否满足针对医学图像的至少一个输入要求。如果针对医学图像的至少一个输入要求不被满足，则可以生成针对另外的医学图像的图像生成任务，该图像生成任务与采集和重建二者相关。如果要求
特别地，根据本发明的解决方案实现了执行检查，以确定医学图像实际上是否适合作为后处理操作的基础。特别地，通过这种方式，可以在基于后处理操作导出的结果的精度和/或重现性方面实现质量改进。此外，还可以建议在解释结果时谨慎行事。
可以借助于图像生成任务追溯性地或提前地实现采集、重建和通过后处理算法推导结果的链中的最佳可能质量。特别地，该方法步骤可以以自动方式来执行。这与用户方所需的工作量的减少相关联，或者至少没有增加的所需的工作量。
在放射学检查中，诊断结果可能出现在需要对检查协议进行单独修改或扩展的过程期间。
特别地，当检查旨在排除诸多怀疑理由时，检查协议可以被配置为使得可以处理为了排除怀疑理由可能需要的最大检查步骤链。
在这种情况下，可以使用检查步骤的线性序列，其对应于必要检查步骤的超集。例如，检查步骤可以是不同生理状态的情况下的扫描，特别是原生扫描、使用造影剂的扫描、不同阶段的扫描等。
在每个检查步骤之后，根据相应的发现决定该协议是否可以被提前终止或者跳过一个步骤或者跳转到序列中的下一个检查步骤。这通常基于相应机构的基于指示的规则和/或用户的一般证据基础来手动发生。
在有意外发现的情况下，可能需要对检查进行修改和/或需要额外的检查。不管这是随后被立即执行还是在另一约定时被执行，通常都必须手动建立新的检查任务。
特别地，根据本发明的解决方案使得这些动态调整能够被简化和/或自动化。
独立权利要求的技术方案中的每个技术方案分别实现了该目的。在从属权利要求中考虑了本发明的另外的有利方面。
特别地，可以定义一个基本协议，其包含检查步骤列表。例如，这样的基本协议也可以被理解为最大检查范围的超集，可以使用检查步骤来规划该最大检查范围。例如，可以借用来自常规检查协议的检查步骤。
在实现的范围内，可以手动地执行将指令分配给检查步骤。备选地或附加地，可以结合来自使用常规检查协议的医学成像检查的指令，来对检查步骤列表进行机器学习。在该过程中，如果在医学成像检查期间存在与常规协议中提供的检查步骤的线性序列的偏离，则可以例如向用户询问原因。
特别地，这样的偏离可以涉及线性序列中检查步骤的跳过、医学成像检查的过早终止等。特别地，训练数据集的检查参数集可以包括偏离原因。根据本发明的一个实施例变型，除了起始检查步骤之外，检查步骤列表中的检查步骤的顺序本身并不重要。除了起始检查步骤之外，在这种情况下是否执行检查步骤不取决于检查步骤在列表中的相对位置。相反，重要的是先前执行的检查步骤是否被分配了一个指令，该指令指向之后要执行的检查步骤。
根据本发明的一个实施例变型，至少一个检查步骤被分配一个指令，该指令指向将要执行的下一个检查步骤，而对于该检查步骤的结果不存在任何另外的条件，或者该指令终止整个检查。根据本发明的一个实施例变型，至少一个检查步骤被分配一个指令，该指令根据检查步骤的结果指向多个检查步骤中的一个检查步骤，其与检查旨在回答的问题相关，或者该指令终止整个检查序列。
根据本发明的一个实施例变型，至少一个检查步骤被分配一个指令，该指令根据特别意外的发现定义用于后续检查的另外的指令，和/或该指令选择关于与该发现相关的临床问题的另外的检查协议。
特别地，该指令可以包括在his/ris(医院信息系统/放射信息系统)中生成检查任务(请求过程/模态任务列表)。
根据本发明的一个实施例变型，基于与用户(例如，医学成像设备的用户)的交互来确定所执行的检查步骤的结果。特别地，该交互可以包括要由用户回答的问题和/或用户可以从中选择答案的选项列表。
根据本发明的一个实施例变型，基于对在所执行的检查步骤的过程中生成的数据进行的自动分析来确定所执行的检查步骤的结果。例如，数据可以包含切片图像、后处理结果等。
特别地，可以在医学成像检查期间基于自动计算的钙分数来调整针对冠心病的检查协议。
图7示出了用于排除大脑中的出血、梗塞和/或肿瘤的检查协议的示意图。在步骤71提供检查步骤t1、t2、t3的列表。
在步骤72，检查步骤列表中的每个检查步骤被分配相应的指令。在步骤73，定义起始检查步骤7s，例如其指定检查协议从检查步骤t1开始。
特别地，检查步骤t1可以与软组织在没有造影剂的情况下的检查相关。特别地，检查步骤t2可以与软组织在有造影剂的情况下的检查相关，例如延迟给予造影剂。特别地，检查步骤t3可以与肿瘤体积在有造影剂的情况下的检查相关，例如延迟给予造影剂。
在步骤dt1，特别地，可以确定是否存在出血或梗塞。如果存在y，则根据指令ft1利用检查步骤t2继续进行检查。如果不存在n，则根据指令et1终止检查。在步骤dt2，特别地，可以确定是否存在肿瘤。如果存在y，则根据指令ft2利用检查步骤t3继续进行检查。如果不存在n，则根据指令et2终止检查。
在执行检查步骤t3之后，根据指令et3终止检查。
图8示出了用于训练决策支持系统的方法的流程图，决策支持系统用于通过医学成像设备进行的检查，其中该方法包括以下步骤：
-提供81一组训练数据集，其中每个训练数据集包括相应的训练检查任务和检查信息，其中检查信息与已经基于训练检查任务而执行的医学成像检查相关，
-基于该组训练数据集和机器学习算法来训练82决策支持系统，使得通过经训练的决策支持系统，可以基于检查任务生成用于通过医学成像设备进行的检查的特别优的检查推荐。
图9示出了根据本发明实施例变型的医学成像设备1的示意图。在不限制总发明构思的情况下，计算机断层摄影设备作为医学成像设备1的示例而被示出。医学成像设备1包括台架20、隧道形开口或孔9、患者支撑设备10和控制设备30。台架20包括固定的承载框架21和转子24。
患者13可以被引入到隧道形孔9中。采集区域4位于隧道形孔9中。患者13的要被成像的区域可以被定位在采集区域4中，使得辐射27可以从辐射源26行进到要被成像的区域，并且在与要被成像的区域相互作用之后可以到达辐射检测器28。
患者支撑设备10包括支撑底座11和用于支撑患者13的支撑桌面12。支撑桌面12布置在支撑底座11上，从而可相对于支撑底座11移动，使得支撑桌面12可以在支撑桌面12的纵向方向上(特别是沿着系统轴线ar)而被引入采集区域4中。
医学成像设备1被实施用于基于电磁辐射27来对采集数据进行采集。医学成像设备1包括采集单元。采集单元是包括辐射源26(例如x射线源)和检测器28(例如x射线检测器，特别是能量分辨x射线检测器)的投影数据采集单元。
辐射源26被布置在转子24上，并且被实施用于发射包括辐射量子27的辐射27，例如x射线辐射。检测器28被布置在转子24上，并且被实施用于检测辐射量子27。辐射量子27可以从辐射源26行进到患者13的要被成像的区域，并且在与要被成像的区域相互作用之后撞击检测器28。以这种方式，要被成像的区域的采集数据可以通过采集单元以投影数据的形式被采集。
控制设备30被实施用于接收采集单元所采集的采集数据。控制设备30被实施用于控制医学成像设备1。
控制设备30包括数据处理单元35、决策支持系统37、计算机可读介质32和处理器系统36。控制设备30(特别是数据处理单元35)由包括计算机的数据处理系统构成。
控制设备30包括图像重建设备34。可以基于采集数据通过图像重建设备34来重建医学图像数据集。
医学成像设备1包括输入设备38和输出设备39，它们每一个都连接到控制设备30。输入设备38被实施用于输入控制信息，例如图像重建参数、检查参数等。输出设备39特别地被实施用于输出控制信息、图像和/或声学信号。
特别地，根据本发明的解决方案能够免除手动应用依赖于发现的规则(这在每次使用协议时都是需要的)，而替代地实现自动化的工作流程。
通过这种方式，可以提高观察和应用依赖于发现的规则的可靠性。这使得检查的执行序列能够以更简单和更结构化的方式被实现。特别地，在有意外发现的情况下生成新的检查任务的可能性可以简化这种情况下的管理和结算。特别地，在大型放射装备的管理受到关注的情况下，这些动态规则可以作为检查协议的组成部分而被集中管理，并被分布到各个设备。因此，使得特定于情况的规则的分离维护和分布被淘汰。特别地，检查步骤可以包括采集和/或重建和/或图像处理操作。
在本申请的上下文中，特别地，机器学习算法被理解为被实施用于机器学习的算法。机器学习算法可以例如借助于决策树、数学函数和/或通用编程语言来实现。机器学习算法可以被实施为例如用于监督学习和/或用于无监督学习。机器学习算法可以被实施为例如用于深度学习和/或用于强化学习和/或用于边缘空间学习。特别地，在监督学习的情况下，可以使用一个函数类别，该函数类别基于例如决策树、随机森林、逻辑回归、支持向量机、人工神经网络、核方法、贝叶斯分类器等或其组合。
机器学习算法的可能实现可以使用例如人工智能。备选地或附加于第一机器学习算法和/或第二机器学习算法，可以使用一个或多个基于规则的算法。特别地，在基于一组训练数据集和机器学习算法来确定分类系统时，可以例如通过处理器系统来执行计算。处理器系统可以包括例如一个或多个图形处理器。
特别地，例如与医学图像、协议或训练数据集相关的数据可以通过以下方式被提供：例如从存储系统的区域加载所述数据和/或例如通过医学成像系统生成所述数据。特别地，根据本发明的方法的一个步骤或多个步骤或所有步骤可以自动地和/或通过数据处理单元的部件来执行，其中该部件例如由处理器系统构成。特别地，医学成像检查可以是通过医学成像设备进行的检查，和/或通过医学成像设备来执行。
特别地，可以通过与实际检查一起收集多个检查任务来提供该组训练数据集。决策支持系统可以从这些信息中学习(尤其是识别)模式。例如，通过这种方式可以识别出在执行肺部扫描时大多数诊所也包括冠状动脉重建。以这种方式，可以快速地辨认出，在由一个用户执行的医学成像检查的过程中，与执行类似医学成像检查的大多数用户相比，该用户有偏离。
通过收集、处理、分析和适当利用其他诊所的检查数据，用户能够获得关于对应可能性的信息。为此，根据临床适应症，可以利用可用的技术设施来收集和评估揭示相应设备上的最佳检查形式的数据。
特别地，可以通过决策支持系统来生成关于成像数据的采集的检查推荐，例如是螺旋扫描优选还是顺序扫描优选，或者额外的扫描(特别是额外的后期扫描)是否可以促进更好的诊断。特别地，可以通过决策支持系统来生成关于医学图像的重建的检查推荐，例如使用不同内核的重建是否更适合。
特别地，可以通过决策支持系统来生成关于图像处理操作的检查推荐，特别地哪些算法是优选的。
通过提供和分析许多专家的数据，经验较少的操作员可以在决策支持系统的帮助下通过适当使用专家数据来实现最佳检查结果。可用的医学设备的能力可以被调整以极好地适应症状，从而被充分利用。这对缺乏经验的操作人员和专家两者都有益处，因为不太常见的检查也可以以最佳方式被执行。地球上偏远地区的医生也有机会分享该知识。这使得能够对患者执行改进的检查。在使用辐射的模态中，也可以通过这种方式显著减少剂量。特别地，因为可以针对给定问题专门产生图像材料，因此可以更加快速准确地进行诊断。