控制医学X射线设备的制作方法

本发明涉及一种用于控制医学x射线设备的方法、一种用于提供训练后的函数的计算机实现的方法、一种用于提供另外的训练后的函数的计算机实现的方法、一种医学x射线设备、一种训练单元、一种计算机程序产品以及一种计算机可读的存储介质。

背景技术：

为了对检查对象的治疗、特别是心血管治疗进行成像监视，需要对检查对象的检查区域进行可靠且足够高质量的成像。为了尽可能无延迟地并且快速地成像检查区域、特别是布置其中的医学对象(例如，导丝和/或导管和/或内窥镜和/或腹腔镜和/或植入物、特别是支架)，通常应用基于x射线的成像。在此，为了提高图像质量、特别是信噪比(英语：signal-to-noiseratio，snr)和/或对比度噪声比(英语：contrast-to-noiseratio，cnr)，通常在短的施加持续时间的同时选择特别高的x射线剂量。然而在此通常不利的是，x射线源、特别是x射线管在最大可能的功率方面的技术限制。

替换地或附加地，可以通过对一系列x射线图像取平均来改善图像质量。为此，可以按时间顺序从检查区域记录所定义的数量的x射线图像。在此，系列中的各个x射线图像通常分别具有对于确定医学对象不足够的图像质量。此外，特别是由于检查对象的至少一部分运动，系列中的各个x射线图像可以分别映射至少部分不同的检查区域。通过回溯性地应用运动校正和/或配准，以及通过对一系列的x射线图像取平均，通常可以在结果图像中实现改善的图像质量。但是，在此不利的是，必须预先给定待记录的x射线图像的所定义的数量，并且仅在整个x射线剂量被施加之后才能清楚看出结果图像的图像质量。但是，不同的检查对象通常需要调整待记录的x射线图像的数量，以便在结果图像中获得足够的图像质量。

技术实现要素：

因此，本发明要解决的技术问题是，最小化在对医学对象进行成像时的x射线剂量。

根据本发明，上述技术问题通过本发明的相应的内容来解决。具有适宜的扩展方案的有利的实施方式是本发明的内容。

下面不仅在用于控制医学x射线设备的方法方面，而且还在用于提供训练后的函数的方法和设备以及用于提供另外的训练后的函数的方法和设备方面描述上述技术问题的根据本发明的解决方案。在此，可以将用于控制医学x射线设备的方法中的数据结构和/或函数的特征、优点和替换的实施方式转用到用于提供训练后的函数的方法和设备中的类似的数据结构和/或函数，以及转用到用于提供另外的训练后的函数的方法和设备。在此，类似的数据结构可以特别地通过使用前缀“训练(training)”来标记。此外，可以特别地已经通过用于提供训练后的函数的方法和设备和/或通过用于提供另外的训练后的函数的方法来调整和/或提供在用于控制医学x射线设备的方法中所使用的训练后的函数。

在第一方面，本发明涉及一种用于控制医学x射线设备的方法。在此，在第一步骤a)中，借助医学x射线设备从检查对象的检查区域记录至少一个x射线图像，其中医学对象布置在检查区域中。此外，在第二步骤b)中，基于至少一个x射线图像来生成对象图像。此后，在第三步骤c)中，基于对象图像来确定用于评估医学对象的可确定性的可确定性参数。此外，从步骤a)开始重复地实施所提出的方法，直至出现基于最后所确定的可确定性参数的终止条件为止。

在此，至少一个x射线图像可以具有多个图像点、特别是像素和/或体素。有利地，至少一个x射线图像可以至少部分地映射检查对象的检查区域。在此，检查对象例如可以是人类患者和/或动物患者和/或x射线体模。此外，至少一个x射线图像可以包括检查区域的二维投影成像和/或三维成像。此外，可以借助医学x射线设备记录多个x射线图像，其中，多个x射线图像可以具有至少部分不同的记录参数，例如角度和/或记录区域(英语：field-of-view，fov)。此外，至少一个x射线图像可以具有元数据，其中，元数据可以包括关于检查对象的记录参数和/或运行参数和/或生理参数的信息和/或患者信息。

有利地，可以在至少一个x射线图像中映射布置在检查对象的检查区域中的医学对象，例如导丝和/或导管和/或内窥镜和/或腹腔镜和/或植入物、特别是支架。

为了在步骤a)中从检查对象的待成像的检查区域记录至少一个x射线图像，医学x射线设备可以具有x射线源和检测器单元。此外，x射线源可以发射x射线束，特别是锥形束和/或扇形束和/或平行束，其中检查区域通过x射线束来照射。在与检查对象的待成像的检查区域相互作用之后，x射线束撞击在检测器单元的表面上时，检测器单元可以提供信号。在此，可以基于信号重建和/或提供至少一个x射线图像。

在第二步骤b)中，可以基于至少一个x射线图像来生成对象图像。在此有利地，对象图像可以具有医学对象和/或尤其布置在医学对象上的标记结构(例如球囊标记)的分割后的(特别是孤立的)二维和/或三维成像。有利地，基于至少一个x射线图像生成对象图像可以包括对医学对象和/或标记结构的过滤和/或分割和/或识别。例如，可以基于几何形状(特别是轮廓)和/或基于图像强度值(特别是与预先给定的阈值)的比较来在至少一个x射线图像中分割和/或识别医学对象和/或标记结构。

有利地，在步骤c)中，可以基于对象图像确定可确定性参数。在此，可确定性参数可以有利地具有关于对象图像的置信度和/或图像质量的信息。在此，可确定性参数可以具有至少一个值、尤其是数值，该值特别是在步骤b)中生成对象图像时根据至少一个x射线图像评估医学对象的可确定性。特别地，可确定性参数可以具有关于在至少一个x射线图像中过滤和/或分割和/或识别医学对象和/或标记结构时的置信度的信息。此外，可确定性参数可以具有关于对象图像和/或至少一个x射线图像的图像质量的信息，例如对比度噪声比和/或信噪比和/或图像清晰度。此外，可确定性参数可以具有关于医学对象在至少一个x射线图像和/或对象图像中的突出程度的信息。在此，关于医学对象在至少一个x射线图像和/或对象图像中的突出程度的信息例如可以包括在与医学对象的成像对应的图像点与另外的图像点之间的强度比和/或对比度值。

此外，可确定性参数可以具有特别是二维和/或三维的可确定性矩阵，其中，可确定性矩阵的值分别评估医学对象在对象图像的至少一个子区域中的可确定性。特别地，可确定性矩阵可以逐图像点地来确定。

终止条件可以有利地包括将最后的(特别是在当前重复中)在步骤c)中所确定的可确定性参数与预先给定的阈值进行比较。只要可确定性参数包括多个值和/或可确定性矩阵，终止条件就可以包括多个值和/或可确定性矩阵的单个值与预先给定的阈值的比较。在此，可以从步骤a)开始重复地实施所提出的用于控制医学x射线设备的方法，直至出现基于最后所确定的可确定性参数的终止条件为止。此外，例如在可确定性参数超过和/或低于和/或达到预先给定的阈值的情况下，可以出现终止条件。此外，终止条件可以具有最大重复次数，其中，如果达到和/或超过最大重复次数，则出现终止条件。

特别是在借助x射线源在时间上以脉冲方式发射x射线的情况下，可以在步骤a)中分别由x射线源发射时间上受限的x射线脉冲和/或所定义的数量的x射线脉冲。在此，在出现终止条件时，可以有利地进行辐射终止，特别是停止借助射线源在时间上以脉冲方式发射x射线。

此外有利地，可以在重复实施步骤a)至c)时，基于对象图像分别针对(特别是最后所记录的)至少一个x射线图像确定至少一个可确定性参数。

此外，在重复执行所提出的方法时，步骤b)中的对象图像的生成可以附加地基于在先前重复中已经记录的至少一个x射线图像来进行。由此，可以有利地在重复实施步骤a)至c)时实现对可确定性参数的改善。

通过在每次记录至少一个x射线图像之后对医学对象的可确定性进行评估，可以有利地将检查持续时间和/或所施加的x射线剂量减少到对于确定医学对象所必需的最小值。

在所提出的用于控制医学x射线设备的方法的另外的有利的实施方式中，对象图像可以通过对迄今所记录的x射线图像的至少一个子集(特别是加权地和/或自适应地)取平均来生成。

在重复实施步骤a)至c)时，步骤b)中的对象图像可以有利地基于迄今的(特别是分别在迄今的重复的步骤a)中)所记录的x射线图像的至少一个子集来生成。在此特别地，至少一个子集可以是包括迄今所记录的x射线图像中的至少一个或所有的子集。此外，对象图像可以基于迄今所记录的x射线图像的多个子集来生成。

在此，步骤b)中的对象图像的生成可以包括对迄今所记录的x射线图像的至少一个子集(特别是加权地和/或自适应地)取平均。在对迄今所记录的x射线图像的至少一个子集加权地取平均时，x射线图像可以优选地依据其相应的图像质量、特别是信噪比和/或对比度噪声比来加权。此外，可以在具有医学对象的成像的x射线图像的至少一个图像区域中进行自适应地取平均。在此，对迄今所记录的x射线图像的至少一个子集取平均可以特别地借助医学x射线设备的检测器单元来进行，例如通过对检测器像素的至少一部分进行合并。

只要对象图像基于迄今所记录的x射线图像的多个子集来生成，就可以分别针对子集中的每一个例如借助(特别是加权地和/或自适应地)取平均来生成中间图像，其中对象图像可以通过对中间图像(特别是加权地和/或自适应地)取平均来生成。

由此，可以有利地实现改善对象图像的图像质量、特别是可确定性参数。

在所提出的用于控制医学x射线设备的方法的另外的有利的实施方式中，用于生成对象图像的、迄今所记录的x射线图像的至少一个子集可以基于可确定性参数来确定。

有利地，可以在重复实施步骤a)至c)时，基于对象图像分别针对(特别是最后所记录的)至少一个x射线图像确定至少一个可确定性参数。在此，用于在步骤b)中生成对象图像的、迄今所记录的x射线图像的至少一个子集可以进一步基于至少一个可确定性参数来确定。特别地，确定迄今所记录的x射线图像的至少一个子集可以包括将迄今所记录的x射线图像的可确定性参数与阈值、特别是可确定性参数的平均值进行比较。只要可确定性参数基于对象图像评估医学对象的可确定性，使得可确定性参数的值相对于可确定性单调增加，就可以有利地仅将如下的迄今所记录的x射线图像记录到用于生成对象图像的至少一个子集中：这些x射线图像的可确定性参数具有高于阈值(特别是可确定性参数的平均值)的值。此外，可以从用于生成对象图像的至少一个子集中排除具有带有低于阈值(特别是可确定性参数的平均值)的值的可确定性参数的x射线图像。在可确定性参数的值与医学对象的可确定性之间存在单调下降的依赖关系时，比较可以被类似地调整。

由此，有利地，可以实现对当前重复的可确定性参数的改善、特别是提高。此外，可以有利地从用于生成对象图像的至少一个子集中排除具有图像伪影和/或干扰和/或运动伪影的x射线图像。

在此，对用于生成对象图像的至少一个子集的确定还可以包括考虑迄今所记录的x射线图像以相应的可确定性参数的可能的排列。

在所提出的用于控制医学x射线设备的方法的另外的有利的实施方式中，终止条件可以包括将可确定性参数与预先给定的阈值进行比较。在此，可确定性参数、特别是可确定性参数的至少一个值与预先给定的阈值的比较可以包括差和/或商和/或标量积。有利地，阈值可以被预先给定为使得当出现终止条件时，医学对象在对象图像中是(特别是通过操作人员)可完全确定的、特别是可采集和/或可识别和/或可定位的。

由此，有利地，可以减少检查持续时间和/或所施加的x射线剂量。

在所提出的用于控制医学x射线设备的方法的另外的有利的实施方式中，对象图像的生成可以包括对至少一个x射线图像的运动校正和/或配准。在此，运动校正和/或配准可以有利地包括至少一个x射线图像的刚性和/或非刚性的变换。在步骤a)中记录多个x射线图像的情况下和/或在重复地实施步骤a)至c)的情况下，可以优选地将多个x射线图像彼此配准。在此，配准例如可以基于几何和/或解剖特征(英语：landmarks)和/或布置在医学对象上的标记结构来进行。由此，可以实现对象图像的图像质量的改善，该对象图像有利地基于迄今所记录的x射线图像的至少一个子集来生成。此外，由此有利地可以改善可确定性参数。

此外，运动校正可以基于至少一个x射线图像中的几何和/或解剖特征(英语：landmarks)来进行。替换地或附加地，运动校正可以基于来自检查对象的生理信号、例如心脏曲线和/或呼吸曲线来进行。此外，生理信号可以从至少一个x射线图像和/或其中所包含的元数据导出。

在所提出的用于控制医学x射线设备的方法的另外的有利的实施方式中，步骤c)中的对可确定性参数的确定可以通过将训练后的函数应用于输入数据来实现。在此，输入数据可以基于对象图像。此外，训练后的函数的至少一个参数可以基于训练可确定性参数与比较可确定性参数的比较。

训练后的函数可以有利地通过机器学习方法来训练。特别地，训练后的函数可以是神经网络、特别是卷积神经网络(英语：convolutionalneuralnetworks,cnn)或包括卷积层(英语：convolutionallayer)的网络。

训练后的函数将输入数据映射到输出数据。在此特别地，输出数据可以进一步取决于训练后的函数的一个或多个参数。可以通过训练来确定和/或调整训练后的函数的一个或多个参数。特别地，对训练后的函数的一个或多个参数的确定和/或调整可以基于由训练输入数据和相关联的训练输出数据组成的对，其中，用于生成训练映射数据的训练后的函数被应用于训练输入数据。特别地，确定和/或调整可以基于训练映射数据和训练输出数据的比较。通常，可训练的函数，即具有尚未调整的一个或多个参数的函数，也被称为训练后的函数。

针对训练后的函数的另外的术语是训练后的映射规则、具有训练后的参数的映射规则、具有训练后的参数的函数、基于人工智能的算法、机器学习算法。对于训练后的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后的函数的参数。替代术语“神经网络”，还可以使用术语“神经网”。特别地，训练后的函数还可以是深度人工神经网络(英语：deepneuralnetwork，deepartificialneuralnetwork)。针对训练后的函数的另外的示例是“支持向量机(supportvectormachine)”，此外还可以特别地将另外的机器学习算法用作训练后的函数。

训练后的函数可以特别地借助反向传播来训练。首先，训练映射数据可以通过将训练后的函数应用于训练输入数据来确定。此后，训练映射数据与训练输出数据之间的偏差可以通过将误差函数应用于训练映射数据和训练输出数据来确定。此外，训练后的函数、特别是神经网络的至少一个参数、特别是权重可以基于误差函数相对于训练后的函数的至少一个参数的梯度来迭代地调整。由此，在训练训练后的函数期间，训练映射数据与训练输出数据之间的偏差可以有利地被最小化。

有利地，训练后的函数、特别是神经网络具有输入层和输出层。在此，输入层可以被构建为用于接收输入数据。此外，输出层可以被构建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、特别是神经元。

优选地，训练后的函数的至少一个参数可以基于训练可确定性参数与比较可确定性参数的比较。在此，可以将训练可确定性参数和/或比较可确定性参数有利地确定为所提出的用于提供训练后的函数的计算机实现的方法的一部分，该方法在说明书的后续解释中进行阐述。特别地，可以通过所提出的用于提供训练后的函数的计算机实现的方法的实施方式来提供训练后的函数。

由此，可以改善对对象图像中的医学对象的可确定性、特别是识别和/或定位和/或可采集性的评估。

在所提出的用于控制医学x射线设备的方法的另外的有利的实施方式中，步骤b)中的对象图像的生成可以通过将另外的训练后的函数应用于另外的输入数据来实现。在此，另外的输入数据可以基于至少一个x射线图像。此外，另外的训练后的函数的至少一个参数可以基于另外的训练对象图像与比较对象图像的比较。

先前所描述的另外的训练后的函数的优点和特性基本上对应于训练后的函数的优点和特性。在训练后的函数方面所提及的特征、优点或者替换的实施方式同样也可以被转用到另外的训练后的函数，反之亦然。

优选地，另外的训练后的函数的至少一个参数可以基于另外的训练对象图像与比较对象图像的比较。在此，可以将另外的训练对象图像和/或比较对象图像有利地确定为所提出的用于提供另外的训练后的函数的计算机实现的方法的一部分，该方法在说明书的后续解释中进行阐述。特别地，可以通过所提出的用于提供另外的训练后的函数的计算机实现的方法的实施方式来提供另外的训练后的函数。

由此，可以实现能够特别可靠并且鲁棒地生成对象图像。

在所提出的用于控制医学x射线设备的方法的另外的有利的实施方式中，还可以构建另外的训练后的函数以确定可确定性参数。在此，另外的训练后的函数的至少一个另外的参数可以基于训练可确定性参数与比较可确定性参数的比较。

优选地，另外的训练后的函数的至少一个另外的参数可以基于训练可确定性参数与比较可确定性参数的比较。在此，可以将训练可确定性参数和/或比较可确定性参数有利地确定为所提出的用于提供另外的训练后的函数的计算机实现的方法的一部分，该方法在说明书的后续解释中进行阐述。特别地，可以通过所提出的用于提供另外的训练后的函数的计算机实现的方法的实施方式来提供另外的训练后的函数。

由此，可以改善对对象图像中的医学对象的可确定性、特别是识别和/或定位和/或可采集性的评估。

在第二方面，本发明涉及一种用于提供训练后的函数的计算机实现的方法。在此，在第一步骤中，从检查对象的检查区域接收至少一个训练x射线图像，其中医学对象布置在检查区域中。在第二步骤中，基于至少一个训练x射线图像来生成训练对象图像。此外，在第三步骤中，基于训练对象图像来确定用于评估医学对象的可确定性的比较可确定性参数。在第四步骤中，通过将训练后的函数应用于输入数据来确定训练可确定性参数。在此，输入数据基于至少一个训练x射线图像。在第五步骤中，训练后的函数的至少一个参数基于训练可确定性参数与比较可确定性参数的比较来调整。此后，提供了训练后的函数。

接收至少一个训练x射线图像可以特别地包括采集和/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，至少一个训练x射线图像可以由医学x射线设备的提供单元来提供。

至少一个训练x射线图像可以特别地具有在用于控制医学x射线设备的方法方面已经描述的至少一个x射线图像的所有特性，反之亦然。特别地，至少一个训练x射线图像可以是x射线图像。此外，可以仿真至少一个训练x射线图像。

在此，至少一个训练x射线图像可以具有多个图像点、特别是像素和/或体素。有利地，至少一个训练x射线图像可以至少部分地映射检查对象的检查区域。在此，至少一个训练x射线图像可以包括检查区域的二维投影成像和/或三维成像。此外，可以接收多个训练x射线图像，其中，多个训练x射线图像可以具有至少部分不同的记录参数，例如角度和/或记录区域。此外，至少一个训练x射线图像可以具有元数据，其中，元数据可以包括关于检查对象的记录参数和/或运行参数和/或生理参数的信息和/或患者信息。

有利地，可以在至少一个训练x射线图像中映射布置在检查对象的检查区域中的医学对象，例如导丝和/或导管和/或内窥镜和/或腹腔镜和/或植入物、特别是支架。

在此，在此所描述的在至少一个训练x射线图像中映射的医学对象可以与在用于控制医学x射线设备的方法方面已经描述的在至少一个x射线图像中映射的医学对象相似或不同，反之亦然。与此类似地，检查对象和/或其中布置有医学对象并且在至少一个训练x射线图像中映射的检查区域可以与在用于控制医学x射线设备的方法方面已经描述的检查对象和/或检查区域相同或不同，反之亦然。

训练对象图像可以与所提出的用于控制医学x射线设备的方法的步骤b)中的对象图像的生成类似地，基于至少一个训练x射线图像来生成。训练对象图像可以特别地具有在用于控制医学x射线设备的方法方面已经描述的对象图像的所有特性，反之亦然。

在此有利地，训练对象图像可以具有医学对象和/或尤其布置在医学对象上的标记结构的分割后的(特别是孤立的)二维和/或三维成像。有利地，基于至少一个训练x射线图像生成训练对象图像可以包括对医学对象和/或标记结构的过滤和/或分割和/或识别。例如，可以基于几何形状(特别是轮廓)和/或基于图像强度值(特别是与预先给定的阈值)的比较来在至少一个训练x射线图像中分割和/或识别医学对象和/或标记结构。

此外，比较可确定性参数可以与所提出的用于控制医学x射线设备的方法的步骤c)类似地，基于训练对象图像来确定。比较可确定性参数可以特别地具有在用于控制医学x射线设备的方法方面已经描述的可确定性参数的所有特性，反之亦然。此外，比较可确定性参数可以基于训练对象图像通过手动的和/或半自动的注释来确定。

通过将训练后的函数应用于基于至少一个训练x射线图像的输入数据，可以有利地确定训练可确定性参数。在此，训练后的函数的至少一个参数可以基于训练可确定性参数与比较可确定性参数的比较来调整。此外，比较例如可以包括差和/或标量积和/或商。

对训练后的函数的提供可以特别地包括在计算机可读的存储介质上的存储和/或到提供单元的传输。

有利地，训练后的函数可以利用在此所提出的方法来提供，该训练后的函数可以在用于控制医学x射线设备的方法的实施方式中使用。

在第三方面，本发明涉及一种用于提供另外的训练后的函数的计算机实现的方法。在此，在第一步骤中，从检查对象的检查区域接收至少一个训练x射线图像，其中医学对象布置在检查区域中。在第二步骤中，基于至少一个训练x射线图像来生成比较对象图像。此外，在第三步骤中，通过将另外的训练后的函数应用于另外的输入数据来生成另外的训练对象图像。在此，另外的输入数据基于至少一个训练x射线图像。在第四步骤中，另外的训练后的函数的至少一个参数基于另外的训练对象图像与比较对象图像的比较来调整。此后，提供了另外的训练后的函数。

接收至少一个训练x射线图像可以特别地包括采集和/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，至少一个训练x射线图像可以由医学x射线设备的提供单元来提供。

在此，在此所描述的在至少一个训练x射线图像中映射的医学对象可以与在用于控制医学x射线设备的方法方面已经描述的在至少一个x射线图像中映射的医学对象相似或不同，反之亦然。与此类似地，检查对象和/或其中布置有医学对象并且在至少一个训练x射线图像中映射的检查区域可以与在用于控制医学x射线设备的方法方面已经描述的检查对象和/或检查区域相同或不同，反之亦然。

至少一个训练x射线图像可以特别地具有在用于控制医学x射线设备的方法方面已经描述的至少一个x射线图像的所有特性，反之亦然。特别地，至少一个训练x射线图像可以是x射线图像。此外，可以仿真至少一个训练x射线图像。

比较对象图像可以与所提出的用于控制医学x射线设备的方法的步骤b)中的对象图像的生成类似地，基于至少一个训练x射线图像来生成。比较对象图像可以特别地具有在用于控制医学x射线设备的方法方面已经描述的对象图像的所有特性，反之亦然。

通过将另外的训练后的函数应用于基于至少一个训练x射线图像的另外的输入数据，可以有利地生成另外的训练对象图像。在此，另外的训练后的函数的至少一个参数可以基于另外的训练对象图像与比较对象图像的比较来调整。此外，比较例如可以包括差和/或标量积和/或商。

对另外的训练后的函数的提供可以特别地包括在计算机可读的存储介质上的存储和/或到提供单元的传输。

有利地，另外的训练后的函数可以利用在此所提出的方法来提供，该另外的训练后的函数可以在用于控制医学x射线设备的方法的实施方式中使用。

在所提出的用于提供另外的训练后的函数的计算机实现的方法的另外的有利的实施方式中，用于评估医学对象的可确定性的比较可确定性参数可以基于另外的训练对象图像来确定。此外，训练可确定性参数可以通过将另外的训练后的函数应用于另外的输入数据来确定。此后，另外的训练后的函数的至少一个另外的参数可以基于训练可确定性参数与比较可确定性参数的比较来调整。

在此，比较可确定性参数可以与所提出的用于控制医学x射线设备的方法的步骤c)类似地，基于训练对象图像来确定。比较可确定性参数可以特别地具有在用于控制医学x射线设备的方法方面已经描述的可确定性参数的所有特性，反之亦然。此外，比较可确定性参数可以基于另外的训练对象图像通过手动的和/或半自动的注释来确定。

通过将另外的训练后的函数应用于基于至少一个训练x射线图像的另外的输入数据，可以有利地确定另外的训练对象图像。在此，另外的训练后的函数的至少一个另外的参数可以基于训练可确定性参数与比较可确定性参数的比较来调整。此外，比较例如可以包括差和/或标量积和/或商。

由此，就在其中映射的医学对象的可确定性而言，可以有利地改善在生成另外的训练对象图像时另外的训练后的函数的准确性。

在第四方面，本发明涉及一种具有提供单元的医学x射线设备。在此，医学x射线设备、特别是提供单元被构建为用于实施所提出的用于控制医学x射线设备的方法。特别地，医学x射线设备可以被构建为医学c形臂x射线设备和/或被构建为计算机断层成像设备。在此，医学x射线设备还可以被构建为用于记录和/或用于接收和/或用于提供至少一个x射线图像和/或对象图像和/或可确定性参数。

所提出的医学x射线设备的优点基本上相应于所提出的用于控制医学x射线设备的方法的优点。在此提到的特征、优点或替换的实施方式同样也可以被转用到另外的要求保护的内容，反之亦然。

在第五方面，本发明涉及一种训练单元，该训练单元被构建为用于实施先前所描述的根据本发明的用于提供训练后的函数和/或用于提供另外的训练后的函数的计算机实现的方法及其相应的方面。训练单元有利地包括训练接口和训练计算单元。通过将训练接口和训练计算单元构建为用于实施对应的方法步骤，训练单元被构建为用于实施这些方法及其方面。

在所提出的训练单元的有利的实施方式中，训练接口可以被构建为用于从检查对象的检查区域中接收至少一个训练x射线图像。此外，训练计算单元可以被构建为用于基于至少一个训练x射线图像来生成训练对象图像。此外，训练计算单元可以被构建为用于基于训练对象图像来确定用于评估医学对象的可确定性的比较可确定性参数。此外，训练计算单元可以被构建为用于通过将训练后的函数应用于输入数据来确定训练可确定性参数，该输入数据基于至少一个训练x射线图像。此外，训练计算单元可以被构建为用于基于训练可确定性参数与比较可确定性参数的比较来调整训练后的函数的至少一个参数。此外，训练接口可以被构建为用于提供训练后的函数。

在所提出的训练单元的另外的有利的实施方式中，训练接口可以被构建为用于从检查对象的检查区域中接收至少一个训练x射线图像。此外，训练计算单元可以被构建为用于基于至少一个训练x射线图像来生成比较对象图像。此外，训练计算单元可以被构建为用于通过将另外的训练后的函数应用于另外的输入数据来生成另外的训练对象图像，该另外的输入数据基于至少一个训练x射线图像。此外，训练计算单元可以被构建为用于基于另外的训练对象图像与比较对象图像的比较来调整另外的训练后的函数的至少一个参数。此外，训练接口可以被构建为用于提供另外的训练后的函数。

所提出的训练单元的优点基本上相应于所提出的用于提供训练后的函数的计算机实现的方法和/或所提出的用于提供另外的训练后的函数的计算机实现的方法的优点。在此提到的特征、优点或替换的实施方式同样也可以被转用到另外的要求保护的内容，反之亦然。

在第六方面，本发明涉及一种计算机程序产品，该计算机程序产品具有计算机程序，该计算机程序可直接加载到提供单元的存储器中，该计算机程序具有程序部段，以便当由提供单元实施程序部段时，实施用于控制医学x射线设备的方法的所有步骤；和/或该计算机程序可直接加载到训练单元的训练存储器中，该计算机程序具有程序部段，以便当由训练单元实施程序部段时，实施所提出的用于提供训练后的函数和/或用于提供另外的训练后的函数的方法及其相应的方面的所有步骤。

在第七方面，本发明涉及一种计算机可读的存储介质，在该计算机可读的存储介质上存储了由提供单元可读和可实施的程序部段，以便当由提供单元实施程序部段时，实施用于控制医学x射线设备的方法的所有步骤；和/或在该计算机可读的存储介质上存储了由训练单元可读和可实施的程序部段，以便当由训练单元实施程序部段时，实施用于提供训练后的函数和/或用于提供另外的训练后的函数的方法及其相应的方面的所有步骤。

在第八方面，本发明涉及一种计算机程序或计算机可读的存储介质，该计算机程序或计算机可读的存储介质包括由所提出的计算机实现的方法或其方面中的一个提供的训练后的函数。

很大程度上以软件形式的实现具有如下优点：还可以通过软件更新以简单的方式改装迄今已经使用的提供单元和/或训练单元，以便以根据本发明的方式工作。除了计算机程序之外，这种计算机程序产品必要时可以包括附加的组成部分、诸如文档和/或附加的组件；以及硬件组件、诸如用于使用软件的硬件密钥(加密狗等)。

附图说明

在附图中示出了本发明的实施例并且在下面对其进行更详细地描述。在不同的附图中，对于相同的特征使用了相同的附图标记。附图中：

图1至图5示出了所提出的用于控制医学x射线设备的方法的不同实施方式的示意图，

图6示出了所提出的用于提供训练后的函数的计算机实现的方法的示意图，

图7和图8示出了所提出的用于提供另外的训练后的函数的计算机实现的方法的不同实施方式的示意图，

图9示出了训练单元的示意图，

图10示出了医学c形臂x射线设备的示意图。

具体实施方式

图1中示意性地示出了所提出的用于控制医学x射线设备的方法的有利的实施方式。在此，在第一步骤a)中，可以借助医学x射线设备从检查对象的检查区域中记录acq-rb至少一个x射线图像rb。在此，医学对象(例如，导丝和/或导管和/或内窥镜和/或腹腔镜和/或植入物、特别是支架)可以布置在检查区域中。在第二步骤b)中，可以基于至少一个x射线图像rb来生成det-ob对象图像ob。此后，在第三步骤c)中，可以基于对象图像ob来确定det-bp用于评估医学对象的可确定性的可确定性参数bp。此外，可以从步骤a)开始重复地实施所提出的用于控制医学x射线设备的方法，直至出现基于最后所确定的可确定性参数的终止条件ab为止。

此外，对象图像的生成det-ob可以包括对至少一个x射线图像rb的运动校正和/或配准。

在所提出的方法的每次重复中，可以在步骤a)中分别记录至少一个x射线图像rb。在n次重复之后，可以有利地已经记录了至少n个x射线图像rb.1，rb.2，…rb.n。

终止条件ab可以有利地包括将最后的(特别是在当前重复中)在步骤c)中所确定的可确定性参数bp与预先给定的阈值进行比较。在此，例如在可确定性参数bp超过和/或低于和/或达到预先给定的阈值的情况下，可以出现y终止条件ab。此外，终止条件ab可以具有最大重复次数，其中，如果达到和/或超过最大重复次数，则出现终止条件ab。

特别是在为了记录acq-rb至少一个x射线图像rb而借助x射线源以脉冲方式发射x射线的情况下，可以在步骤a)中由x射线源分别发射时间上受限的x射线脉冲和/或所定义的数量的x射线脉冲。在此，在出现y终止条件ab时，可以有利地进行辐射终止，特别是停止e借助x射线源以脉冲方式发射x射线辐射。

在图2中示意性示出的所提出的用于控制医学x射线设备的方法的实施方式中，可以确定det-rb.sub包括迄今所记录的x射线图像rb.1，rb.2，…rb.n中的至少一个x射线图像rb.x、rb.y的至少一个子集rb.sub。在此，可以基于迄今所记录的x射线图像rb.1，rb.2，…rb.n的至少一个子集rb.sub来生成det-ob对象图像ob。

有利地，可以通过对迄今所记录的x射线图像rb.1，rb.2，…rb.n的至少一个子集rb.sub特别是加权地和/或自适应地取平均来生成det-ob对象图像ob。此外，可以基于可确定性参数bp来进行对至少一个子集rb.sub的确定det-rb.sub。

有利地，可以在重复实施步骤a)至c)时基于对象图像ob分别确定det-bp关于(特别是最后所记录的)至少一个x射线图像rb的至少一个可确定性参数bp。在此，步骤b)中用于生成det-ob对象图像的、迄今所记录的x射线图像rb.1，rb.2，…rb.n的至少一个子集rb.sub可以进一步基于至少一个可确定性参数bp来确定。由此，有利地，可以实现对当前重复中的可确定性参数bp的改善、特别是提高。此外，可以有利地从用于生成det-ob对象图像的至少一个子集rb.sub中排除具有图像伪影和/或干扰和/或运动伪影的x射线图像rb。

在图3中示意性示出的所提出的用于控制医学x射线设备的方法的实施方式中，步骤c)中对可确定性参数的确定det-bp可以通过将训练后的函数tf-bp应用于输入数据来实现。在此，输入数据可以基于对象图像ob。此外，训练后的函数tf-bp的至少一个参数可以基于训练可确定性参数与比较可确定性参数的比较。

图4中示意性地示出了所提出的用于控制医学x射线设备的方法的另外的有利的实施方式。在此，步骤b)中的对象图像的生成det-ob可以通过将另外的训练后的函数tf2应用于另外的输入数据来实现。在此，另外的输入数据可以基于至少一个x射线图像rb。此外，训练后的函数tf2的至少一个参数可以基于另外的训练对象图像与比较对象图像的比较。

在图5中示意性示出的所提出的用于控制医学x射线设备的方法的实施方式中，还可以构建另外的训练后的函数tf2以确定det-bp可确定性参数。在此，另外的训练后的函数tf2的至少一个另外的参数可以基于训练可确定性参数与比较可确定性参数的比较。

图6示出了用于提供训练后的函数tf-bp的计算机实现的方法的实施方式的示意图。在此，在第一步骤中，可以接收rec-trb至少一个训练x射线图像trb，该训练x射线图像映射检查对象的检查区域。在此，医学对象可以布置在检查区域中。在第二步骤中，可以基于至少一个训练x射线图像trb来生成det-ob训练对象图像tob。此外，在第三步骤中，可以基于训练对象图像tob来确定det-bp用于评估医学对象的可确定性的比较可确定性参数vbp。在尤其可以在第三步骤之前和/或期间和/或之后进行的第四步骤中，可以通过将训练后的函数tf-bp应用于基于至少一个训练x射线图像trb的输入数据来确定训练可确定性参数tbp。此后，在第五步骤中，训练后的函数tf-bp的至少一个参数可以基于训练可确定性参数tbp与比较可确定性参数vbp的比较来调整。在第六步骤中，可以提供prov-tf-bp训练后的函数tf-bp。

图7中示意性地示出了用于提供另外的训练后的函数tf2的计算机实现的方法的实施方式。在此，在第一步骤中，可以从检查对象的检查区域中接收rec-trb至少一个训练x射线图像trb。在此，医学对象可以布置在检查区域中。在第二步骤中，可以基于至少一个训练x射线图像trb来生成det-ob比较对象图像vob。在尤其可以在第二步骤之前和/或期间和/或之后进行的第三步骤中，可以通过将另外的训练后的函数应用于另外的输入数据来生成另外的训练对象图像tob2。在此，另外的输入数据可以有利地基于至少一个训练x射线图像trb。此外，在第四步骤中，另外的训练后的函数tf2的至少一个参数可以基于另外的训练对象图像tob2与比较对象图像vob的比较来调整adj-tf2。此后，可以在第五步骤中提供prov-tf2另外的训练后的函数tf2。

在图8中示意性示出的所提出的用于提供另外的训练后的函数tf2的计算机实现的方法的实施方式中，用于评估医学对象的可确定性的比较可确定性参数vbp可以基于另外的训练对象图像tob2来确定det-bp。此外，训练可确定性参数tbp可以通过将另外的训练后的函数tf2应用于另外的输入数据来确定。在此，另外的训练后的函数tf2的至少一个另外的参数可以基于训练可确定性参数tbp与比较可确定性参数vbp的比较来调整adj-tf2。

图9示意性地示出了所提出的训练单元trs，其包括训练接口tif、训练计算单元tcu和训练存储器单元tmu。通过构建用于实施对应的方法步骤的训练接口tif和训练计算单元tcu，训练单元trs可以被构建为用于实施所提出的用于提供prov-tf训练后的函数的计算机实现的方法和/或所提出的用于提供prov-tf2另外的训练后的函数的计算机实现的方法和其相应的方面。

在所提出的训练单元trs的有利的实施方式中，训练接口tif可以被构建为用于从检查对象的检查区域中接收rec-trb至少一个训练x射线图像trb。此外，训练计算单元tcu可以被构建为用于基于至少一个训练x射线图像trb来生成det-ob训练对象图像tob。此外，训练计算单元tcu可以被构建为用于基于训练对象图像tob来确定det-bp用于评估医学对象的可确定性的比较可确定性参数vbp。此外，训练计算单元tcu可以被构建为用于通过将训练后的函数tf-bp应用于基于至少一个训练x射线图像trb的输入数据来确定训练可确定性参数tbp。此外，训练计算单元tcu可以被构建为用于基于训练可确定性参数tbp与比较可确定性参数vbp的比较来调整adj-tf-bp训练后的函数tf-bp的至少一个参数。此外，训练接口tif可以被构建为用于提供prov-tf-bp训练后的函数tf-bp。

在所提出的训练单元trs的另外的有利的实施方式中，训练接口tif可以被构建为用于从检查对象的检查区域中接收rec-trb至少一个训练x射线图像trb。此外，训练计算单元tcu可以被构建为用于基于至少一个训练x射线图像trb来生成det-vob比较对象图像vob。此外，训练计算单元tcu可以被构建为用于通过将另外的训练后的函数tf2应用于基于至少一个训练x射线图像trb的另外的输入数据来生成另外的训练对象图像tob2。此外，训练计算单元tcu可以被构建为用于基于另外的训练对象图像tob2与比较对象图像vob的比较来调整adj-tf2另外的训练后的函数tf2的至少一个参数。此外，训练接口tif可以被构建为用于提供prov-tf2另外的训练后的函数tf2。

训练接口tif可以是硬件接口或软件接口(例如，pci总线、usb或firewire)。训练计算单元tcu可以具有硬件元件或软件元件，例如微处理器或所谓的fpga(“现场可编程门阵列(fieldprogrammablegatearray)”的英文缩略语)。训练存储器单元tmu可以被实现为非永久性的主存储器(随机存取存储器(randomaccessmemory)，简称ram)或被实现为永久性的大容量存储器(硬盘、u盘、sd卡、固态硬盘)。

训练接口tif特别地可以包括执行相应方法的不同步骤的多个子接口。换言之，训练接口tif也可以被理解为多个训练接口tif。训练计算单元tcu特别地可以包括执行相应方法的不同步骤的多个子计算单元。换言之，训练计算单元tcu也可以被理解为多个训练计算单元tcu。

训练单元trs特别地可以是计算机、微控制器或者是集成电路。替换地，训练单元trs可以是计算机的真实或虚拟联合(真实联合的英文技术术语是“cluster，集群”，虚拟联合的英文技术术语是“cloud，云”)。训练单元trs也可以被构建为在真实计算机或计算机的真实或虚拟联合上执行(英语：virtualization，虚拟化)的虚拟系统。

图10中示意性地示出了对所提出的医学成像设备来说示例性的医学c形臂x射线设备37。在此，医学c形臂x射线设备37可以有利地包括所提出的用于控制医学x射线设备37的提供单元prvs。在此，医学成像设备37、特别是所提出的提供单元prvs被构建为用于实施所提出的用于控制医学x射线设备37的方法。

在此，医学c臂x射线设备37还包括检测器单元34和x射线源33。为了记录至少一个x射线图像rb，可以将c形臂x射线设备37的臂38安装成使得其可以绕一个或多个轴运动。此外，医学c形臂x射线设备37可以包括移动设备39，该移动设备使得c形臂x射线设备37能够在房间中移动。

为了从布置在患者支承装置32上的检查对象31的检查区域记录至少一个x射线图像rb，提供单元prvs可以向x射线源33发送信号24。据此，x射线源33可以发射x射线束，特别是锥形束和/或扇形束和/或平行束。在与检查对象31的待成像的检查区域相互作用之后，x射线束撞击在检测器单元34的表面上时，检测器单元34可以将信号21发送到提供单元prvs。提供单元prvs可以例如根据信号21接收至少一个x射线图像rb。

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)。例如在电容式输入显示器的情况下，输入单元42可以优选地集成在显示单元41中。在此，可以通过操作人员在输入单元42上进行输入来实现能够控制、特别是补充地控制医学c形臂x射线设备37、特别是所提出的用于控制医学x射线设备37的方法。为此，输入单元42例如可以将信号26发送到提供单元prvs。

此外，显示单元41可以被构建为用于显示医学成像设备37和/或提供单元prvs和/或另外的组件的信息和/或信息的图形表示。为此，提供单元prvs例如可以将信号25发送到显示单元41。特别地，显示单元41可以被构建为用于显示至少一个x射线图像rb和/或迄今所记录的x射线图像的至少一个子集rb.sub和/或对象图像ob和/或可确定性参数bp的图形表示。

提供单元prvs特别地可以是计算机、微控制器或者是集成电路。替换地，提供单元prvs可以是计算机的真实或虚拟联合(真实联合的英文技术术语是“cluster，集群”，虚拟联合的英文技术术语是“cloud，云”)。提供单元prvs也可以被构建为在真实计算机或计算机的真实或虚拟联合上执行(英语：virtualization，虚拟化)的虚拟系统。

包含在所描述的附图中的示意性图示未描绘任何比例或尺寸比。

最后，再次指出，上面详细描述的方法以及所示的设备仅仅是实施例，本领域技术人员可以以非常不同的方式对其进行修改，而不脱离本发明的范围。此外，不定冠词“一”或“一个”的使用不排除所涉及的特征也可以多次存在。同样地，术语“单元”和“元件”不排除所涉及的组件由多个共同作用的部分组件构成，这些部分组件必要时也可以空间地分布。