确定用于调整检查协议的分类数据的方法和数据处理单元技术

公开了确定用于调整检查协议的分类数据的方法和数据处理单元。本发明专利技术涉及一种用于确定分类数据的方法，该分类数据用于基于医学成像检查的基本检查协议、根据医学成像检查的状态参数来调整检查协议，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均具有状态参数数据集和与该状态参数数据集相关联的一项调整信息，状态参数数据集具有医学成像检查的状态参数的值，其中调整信息与检查协议基于医学成像检查的基本检查协议、特别是根据状态参数的调整有关，‑基于机器学习算法和该组训练数据集来确定分类数据。

Determine the method and data processing unit for adjusting the classified data of the inspection protocol

A method for determining classified data for adjusting the inspection protocol and a data processing unit are disclosed. The present invention relates to a method for determining classification data, which is used to adjust the inspection protocol based on the basic inspection protocol of medical imaging inspection and according to the state parameters of medical imaging inspection. The method includes the following steps: (1) providing a set of training data sets, in which each training data set has a state parameter data set and a data set with the state parameter data set. An associated adjustment information is that the data set of state parameters has the value of the state parameters of medical imaging inspection. The adjustment information is related to the basic inspection protocol based on medical imaging inspection, especially the adjustment of the state parameters. The classification data is determined based on the machine learning algorithm and the training data set.

【技术实现步骤摘要】
确定用于调整检查协议的分类数据的方法和数据处理单元
本专利技术涉及：用于确定分类数据的方法和数据处理单元、用于优化检查协议调整算法的分类数据的用途、用于优化基本检查协议数据库的分类数据的用途、用于调整检查协议的方法和数据处理单元，并且涉及计算机程序产品和计算机可读介质。
技术介绍
通常，用于最常见检查的基本检查协议被永久地存储在成像系统上。然而，这些基本检查协议不仅仅以固定的形式被使用，而是根据具体情况而特别地改变，例如患者的状况，特别是他们的实验室值、心率、体型等。这些具体情况可以涉及例如采集参数、重建参数和/或造影剂参数。此外，经调整的计算基础可以以这种方式被提供给算法，特别是重建算法和/或图像处理算法。为了保持基本检查协议的数目可管理，并非所有子类型都被存储为单独协议。这种类型的过程需要附加的规则通信并且容易出错。同时，许多用户不知道在成像系统上存在以下自动化机制，该自动化机制支持检查协议能够根据状态参数而被自动调整。特别地，这例如可以是根据通过患者的X射线辐射衰减的自动剂量系统，例如，根据心率和/或心率变化等对用于采集和重建的最佳心脏相位的自动确定。特别地，这例如涉及通过软件升级而新添加的功能，并且必须是在经过努力并完全具备对功能的必要理解的情况下而将这些功能并入现有方案中。如今，通常存在对基本检查协议的进行补充的规范，其涉及根据状态参数、从基本检查协议开始对检查协议进行手动调整。这些协议以以下形式对用户可用：作为单独的计算机上的电子文档、以打印的形式或有时甚至仅作为手写笔记的集合。关于特定于患者的医学成像设备的自动化的可能性，制造商通常提供培训，但是用户通常不能完全理解。结果是，特定于患者的自动性在许多情况下根本没有被使用，或是甚至不正确地被使用。检查协议的手动调整通常基于最佳参考患者的数据。然而，在很多情况下，这样的参考数据是不可配置的，并且除了少数例外之外(诸如，例如体重参数)，该参考数据不表示真实患者的任何其他特性，例如心率、已有症状等。因此，用户通常不能使用参考患者对待检查的患者进行最佳分类，特别是在特定于患者的调整的情况下。此外，到目前为止，因为输入数据通常仅在实际扫描过程中起作用，还不可能全面检测默认值中的输入阈值和参考点的合理性。由于数据输入及其在扫描过程中产生的结果的这种分离，透明度和理解会受到影响。这转而可能导致基本检查协议几乎不被检测、理解或改变，并且导致优化的潜力经常无法被开发，特别是在特定于患者的自动调整的情况下。US8000510B2公开了一种用于控制截面图像采集系统的方法，其中从多个扫描方案中选择一个扫描方案。US8401872B2公开了一种用于操作医学诊断设备的方法，借助于该方法，医学问题将得到解决。US8687762B2公开了一种用于扫描患者的CT系统，其具有至少一个可以控制CT系统的计算机系统，其中用于指定的逻辑决策树的评估单元被集成在计算机系统中。US9615804B2公开了一种用于医学领域中的图像生成和图像评估的方法，其中借助于指定的医学模态，特别是计算机断层摄影，原始数据根据指定的模态参数来生成。US9636077B2公开了一种用于自动选择用于断层摄影采集患者的X射线图像的扫描方案的方法。
技术实现思路
本专利技术的目的是使得能够基于基本的检查协议、根据医学成像检查的状态参数实现对检查协议的改进调整。独立权利要求的每个技术方案分别实现该目的。本专利技术的其他有利方面在从属权利要求中被考虑。本专利技术涉及一种用于确定分类数据的方法，该分类数据用于基于医学成像检查的基本检查协议、根据医学成像检查的状态参数来调整检查协议，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均具有状态参数数据集和与该状态参数数据集相关联的一项调整信息，状态参数数据集具有医学成像检查的状态参数的值，其中调整信息例如与一个或多个用户基于医学成像检查的基本检查协议、特别是根据状态参数而对检查协议的手动调整有关，-基于机器学习算法和该组训练数据集来确定分类数据。本专利技术的一个实施例提供：分类数据形成决策树，和/或机器学习算法是基于递归划分的。特别地，分类数据可以借助于递归划分、通过训练决策树来确定。基于决策树，例如，从基本检查协议开始并根据状态参数，可以限定和/或修改该检查协议的至少一个检查协议参数。在本申请的上下文中，机器学习算法特别地被用来意指被设计用于机器学习的算法。机器学习算法例如可以借助于决策树、数学函数和/或通用编程语言来实现。机器学习算法可以被设计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设计用于例如深度学习和/或用于强化学习和/或用于边缘空间学习。特别是在监督学习的情况下，一类函数可以被使用，其基于例如决策树、随机森林、逻辑回归、支持向量机、人工神经网络、内核方法、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。本领域技术人员已知的优化方法可以被用于优化。特别是在优化期间的计算可以例如借助于处理器系统来执行。处理器系统可以具有例如一个或多个图形处理器。特别地，检查协议可以具有至少一个检查协议参数，该参数从由采集参数、重建参数、造影剂参数及其组合所构成的组中被选择。检查协议参数特别地可以是采集参数。采集参数可以与以下有关：例如管电压、管电流、旋转时间、螺旋间距、在心动周期中用于管电流调制的一个或多个触发瞬间等或其组合。特别地，检查协议参数可以是重建参数。重建参数可以例如与以下有关：卷积核、卷积算法、切片厚度、切片增量等或其组合。特别地，检查协议参数可以是造影剂参数。造影剂参数可以例如与以下有关：造影剂的量、流速等或其组合。特别地，医学成像检查的状态参数可以是患者参数和/或检查参数。状态参数特别地可以是患者参数，患者参数例如与要利用检查协议来检查的患者的状况的一个方面或多个方面有关。患者状况的方面特别地可以是人口统计、生理和/或种族方面。患者参数可以例如是心率、心率变化、在患者身体的特定区域中和/或特定投影方向上的X射线辐射的大小或衰减、年龄、性别、体重、身高、体重指数、实验室值(例如肌酐值)、患者体内的材料的密度或浓度或由其得到的变量、合作的意愿、历史、既往症等或其组合。例如，与患者合作意愿有关的患者参数可以指示患者不合作。例如，与患者的既往症有关的患者参数可以指示患者最近中风了。特别地，状态参数可以是检查参数，检查参数例如与医学成像检查的一个或多个方面和/或包含医学成像检查的临床过程有关。检查参数可以例如与以下有关：推荐患者进行医学成像检查的推荐医师、正在执行医学成像检查的用户、手术指征等或其组合。本专利技术还涉及一种用于确定分类数据的数据处理单元，该分类数据用于基于医学成像检查的基本检查协议、根据医学成像检查的状态参数来调整检查协议，该数据处理单元具有：-训练数据集提供单元，被设计用于提供一组训练数据集，其中每个训练数据集均具有状态参数数据集和与该状态参数数据集相关联的一项调整信息，状态参数数据集具有医学成像检查的状态参数的值，其中调整信息例如与一个或多个用户基于医学成像检查的基本检查协议、特别是根据状态参数而对检查协议的手动调整有关，-分类数据确定单元，被设计用于基于机器学习算法和该组训练数据集来确定分类数据。特别地，数据处理单本文档来自技高网...

【技术保护点】
1.一种用于确定分类数据的方法，所述分类数据用于基于医学成像检查的基本检查协议、根据所述医学成像检查的多个状态参数来调整检查协议，其中所述方法包括以下步骤：‑提供(PT)一组训练数据集，其中每个训练数据集均具有一个状态参数数据集和与所述状态参数数据集相关联的一项调整信息，所述状态参数数据集具有所述医学成像检查的所述多个状态参数的值，其中所述调整信息与所述检查协议基于所述医学成像检查的所述基本检查协议的调整有关，‑基于机器学习算法和所述一组训练数据集来确定(DC)所述分类数据。

【技术特征摘要】
2017.09.07 DE 102017215829.81.一种用于确定分类数据的方法，所述分类数据用于基于医学成像检查的基本检查协议、根据所述医学成像检查的多个状态参数来调整检查协议，其中所述方法包括以下步骤：-提供(PT)一组训练数据集，其中每个训练数据集均具有一个状态参数数据集和与所述状态参数数据集相关联的一项调整信息，所述状态参数数据集具有所述医学成像检查的所述多个状态参数的值，其中所述调整信息与所述检查协议基于所述医学成像检查的所述基本检查协议的调整有关，-基于机器学习算法和所述一组训练数据集来确定(DC)所述分类数据。2.根据权利要求1所述的方法，-其中所述分类数据形成一个决策树，和/或-其中所述机器学习算法是基于递归划分的。3.根据权利要求1至2中的任一项所述的方法，-其中所述检查协议具有至少一个检查协议参数，所述至少一个检查协议参数从如下组中被选择，所述组包括一个采集参数、一个重建参数、一个造影剂参数及其组合。4.根据权利要求1至3中的任一项所述的方法，-其中所述医学成像检查的所述多个状态参数是多个患者参数和/或多个检查参数。5.一种用于确定分类数据的数据处理单元(35-1)，所述分类数据用于基于医学成像检查的基本检查协议、根据所述医学成像检查的多个状态参数来调整检查协议，所述数据处理单元(35-1)具有：–一个训练数据集提供单元(PT-U)，被设计用于提供(PT)一组训练数据集，其中每个训练数据集均具有一个状态参数数据集和与所述状态参数数据集相关联的一项调整信息，所述状态参数数据集具有所述医学成像检查的所述多个状态参数的值，其中所述调整信息与所述检查协议基于所述医学成像检查的所述基本检查协议的调整有关，-一个分类数据确定单元(DC-U)，被设计用于基于机器学习算法和所述一组训练数据集来确定(DC)所述分类数据。6.分类数据用于优化检查协议调整算法的用途，所述分类数据根据权利要求1至4中的任一项所述的方法已被确定，所述检查协议调整算法被设计用于：基于医学成像检查的基本检查协议、根据所述医学成像检查的多个状态参数来调整检查协议。7.分类数据用于优化基本检查协议数据库的用途，所述分类数据根据权利要求1至4中的任一项所述的方法已被确定，所述基本检查协议数据库具有多个基本检查协议，-其中基于所述分类数据，在所述基本检查协议数据库中，至少一个另外的基本检查协议被确定用于扫描，和/或-其中所述多个基本检查协议中的所述基本检查协议基于所述分类数据被分类。8.一种用于调整医学成像检...

【专利技术属性】
技术研发人员：D·容，U·福伊尔莱茵，R·劳帕赫，T·阿尔门丁格尔，C·科赫，
申请(专利权)人：西门子医疗有限公司，
类型：发明
国别省市：德国,DE