【技术实现步骤摘要】
医学图像数据的匿名化
本专利技术涉及一种用于提供分类的图像特征的计算机实现的方法、用于提供综合医学图像数据的计算机实现的方法、用于提供用于对图像特征进行识别和分类的经过训练的函数的计算机实现的方法、用于提供用于对特定于患者的图像特征进行分类的经过训练的函数的计算机实现的方法、用于提供用于产生综合医学图像数据的经过训练的函数的计算机实现的方法、用于提供用于产生综合医学图像数据的另一个经过训练的函数的计算机实现的方法、用于提供用于对特定于患者的图像特征进行分类的另一个经过训练的函数的计算机实现的方法、用于提供分类的图像特征的提供单元、用于提供综合医学图像数据的提供单元、医学成像设备、训练单元、计算机程序产品以及计算机可读的存储介质。
技术介绍
可以由医院和/或诊所处理和/或发布的患者数据和/或患者的测量数据,特别是医学图像数据,应当可靠地并且尽可能完全地匿名化。迄今为止,从测量数据中去除描述患者的数据,特别是文本数据和/或元数据,例如名字和出生日期,经常就足够了。在此,测量数据例如可以以DICOM格式存在,其中,描述患者的文本数据和/或元数据经常包含在DICOM头中。具有提高的测量精度的现代的3D成像方法和改进的重建算法,变得可以根据测量数据来重建患者的表型特征。在此,例如可以在磁共振成像和/或X射线图像中,对患者的颅骨、面部和/或其它表型特征进行重建。适合用于对患者进行识别的这些特征可以视为生物测量特征。前面描述的特征对于本领域技术人员来说可能是显而易见的,因此经常尝试适当地阻止这种重建。对于对 ...
【技术保护点】
1.一种用于提供分类的图像特征的计算机实现的方法,其包括:/n-接收(REC-BD)医学图像数据(BD),/n-对所述医学图像数据(BD)中的多个图像特征进行识别,以及/n-通过将用于对图像特征进行识别和分类的经过训练的函数(TF-IDCL-BM)应用于输入数据,将所述多个图像特征分类为特定于患者的图像特征(pBM)和非特定于患者的图像特征(uBM),/n其中,输入数据基于所述医学图像数据(BD),/n其中,用于对图像特征进行识别和分类的经过训练的函数(TF-IDCL-BM)的至少一个参数,基于训练识别参数(TIDP-pTBM、TIDP-uTBM)与比较识别参数(VIDP)的比较,以及训练诊断参数(TDIAGP-pTBM、TDIAGP-uTBM)与比较诊断参数(VDIAGP)的比较,-提供(PROV-BM)分类的图像特征(pBM、uBM)。/n
【技术特征摘要】
20191030 DE 102019216745.41.一种用于提供分类的图像特征的计算机实现的方法,其包括:
-接收(REC-BD)医学图像数据(BD),
-对所述医学图像数据(BD)中的多个图像特征进行识别,以及
-通过将用于对图像特征进行识别和分类的经过训练的函数(TF-IDCL-BM)应用于输入数据,将所述多个图像特征分类为特定于患者的图像特征(pBM)和非特定于患者的图像特征(uBM),
其中,输入数据基于所述医学图像数据(BD),
其中,用于对图像特征进行识别和分类的经过训练的函数(TF-IDCL-BM)的至少一个参数,基于训练识别参数(TIDP-pTBM、TIDP-uTBM)与比较识别参数(VIDP)的比较,以及训练诊断参数(TDIAGP-pTBM、TDIAGP-uTBM)与比较诊断参数(VDIAGP)的比较,-提供(PROV-BM)分类的图像特征(pBM、uBM)。
2.根据权利要求1所述的计算机实现的方法,其还包括:
-通过将用于对特定于患者的图像特征进行分类的经过训练的函数(TF-CL-pBM)应用于输入数据,将特定于患者的图像特征(pBM)分类为表型表达的特定于患者的图像特征(paBM)和非表型表达的特定于患者的图像特征(naBM),
其中,输入数据基于特定于患者的图像特征(pBM),
其中,用于对特定于患者的图像特征进行分类的经过训练的函数(TF-CL-pBM)的至少一个参数,基于表型表达的特定于患者的训练图像特征(paTBM)与表型表达的特定于患者的比较图像特征(paVBM)的比较,以及非表型表达的特定于患者的训练图像特征(naTBM)与非表型表达的特定于患者的比较图像特征(naVBM)的比较,
-提供(PROV-pBM)分类的特定于患者的图像特征(paBM、naBM)。
3.一种用于提供综合医学图像数据的计算机实现的方法,其包括:
-接收(REC-BD)医学图像数据(BD),
-通过将根据权利要求1或2所述的计算机实现的方法应用于医学图像数据(BD),来接收(REC-BM)分类的图像特征,
-通过将用于产生综合医学图像数据的经过训练的函数(TF-SBD)应用于输入数据,来产生综合医学图像数据(SBD),
其中,输入数据基于特定于患者的图像特征(pBD),
其中,用于产生综合医学图像数据的经过训练的函数(TF-SBD)的至少一个参数,基于综合医学训练图像数据(STBD)与综合医学比较图像数据(SVBD)的比较,
-提供(PROV-SBD)综合医学图像数据(SBD)。
4.一种用于提供综合医学图像数据的计算机实现的方法,其包括:
-接收(REC-BD)医学图像数据(BD),
-通过将根据权利要求1或2所述的计算机实现的方法应用于医学图像数据,来接收(REC-BM)分类的图像特征,
-通过将用于产生综合医学图像数据的另一个经过训练的函数(TF2-SBD)应用于输入数据,来产生综合医学图像数据,
其中,输入数据基于非特定于患者的图像特征(uBM)和/或非表型表达的特定于患者的图像特征(naBM),
其中,用于产生综合医学图像数据的所述另一个经过训练的函数(TF2-SBD)的至少一个参数,基于综合医学训练图像数据(STBD)与综合医学比较图像数据(SVBD)的比较,
-提供(PVOV-SBD)综合医学图像数据(SBD)。
5.根据权利要求1或2所述的计算机实现的方法,其还包括:
-通过将根据权利要求3所述的计算机实现的方法应用于医学图像数据(BD),来接收(REC-SBD)综合医学图像数据(SBD),
-通过将用于对特定于患者的图像特征进行分类的另一个经过训练的函数(TF2-CL-pBM)应用于输入数据,将特定于患者的图像特征(pBM)分类为表型表达的特定于患者的图像特征(paBM)和非表型表达的特定于患者的图像特征(naBM),
其中,输入数据基于特定于患者的图像特征(pBM)和综合医学图像数据(SBD),
其中,用于对特定于患者的图像特征进行分类的所述另一个经过训练的函数(TF2-CL-pBM)的至少一个参数,基于表型表达的特定于患者的训练图像特征(paTBM)与表型表达的特定于患者的比较图像特征(paVBM)的比较,以及非表型表达的特定于患者的训练图像特征(naTBM)与非表型表达的特定于患者的比较图像特征(naVBM)的比较,
-提供(PROV-pBM)分类的特定于患者的图像特征(paBM、naBM)。
6.一种用于提供用于对图像特征进行识别和分类的经过训练的函数(TF-IDCL-BM)的计算机实现的方法,其包括:
-接收(REC-TBD)多个检查对象的医学训练图像数据(TBD),
-通过将用于对图像特征进行识别和分类的经过训练的函数(TF-IDLC-BM)应用于输入数据,来识别医学训练图像数据(TBD)中的多个训练图像特征,并且将所述多个训练图像特征,分类为特定于患者的训练图像特征(pTBM)和非特定于患者的训练图像特征(uTBM),
其中,输入数据基于医学训练图形数据(TBD),
-基于分类的训练图像特征(pTBM、uTBM),来确定(DET-IDDIAGP)训练识别参数(TIDP-pTBM、TIDP-uTBM)和训练诊断参数(TDIAGP-pTBM、TDIAGP-uTBM),
其中,针对分类的训练图像特征(pTBM、uTBM)中的每一个,和/或针对分类的训练图像特征(pTBM、uTBM)的组合,确定相应的训练识别参数(TIDP-pTBM、TIDP-uTBM)和相应的训练诊断参数(TDIAGP-pTBM、TDIAGP-uTBM),
-针对检查对象中的每一个,接收(REC-VIDDIAGP)相应的比较识别参数(VIDP)和相应的比较诊断参数(VDIAGP),
其中,相应的比较识别参数(VIDP)包括关于检查对象中的一个的识别信息,
其中,相应的比较诊断参数(VDIAGP)包括关于检查对象中的一个的诊断信息,
-基于训练识别参数(TIDP-pTBM、TIDP-uTBM)与比较识别参数(VIDP)之间以及训练诊断参数(TDIAGP-pTBM、TDIAGP-uTBM)与比较诊断参数(VDIAGP)之间的比较,来调整(ADJ-TF-IDCL-BM)用于对图像特征进行识别和分类的经过训练的函数(TF-IDCL-BM)的至少一个参数,
-提供(PROV-TF-IDCL-BM)用于对图像特征进行识别和分类的经过训练的函数(TF-IDCL-BM)。
7.一种用于提供用于对特定于患者的图像特征进行分类的经过训练的函数(TF-CL-pBM)的计算机实现的方法,其包括:
-接收(REC-TBD)多个检查对象的医学训练图像数据,
-通过将根据权利要求1所述的计算机实现的方法应用于医学训练图像数据,来接收(REC-TBM)分类的训练图像特征,
其中,提供分类的图像特征(pBM、uBM),来作为分类的训练图像特征(pTBM、uTBM),并且提供特定于患者的图像特征(pBM),来作为特定于患者的训练图像特征(pTBM),
-通过将识别函数(CL-pTBM)、特别是生物测量识别函数,应用于特定于患者的训练图像特征(pTBM),将特定于患者的训练图像特征(pTBM),分类为表型表达的特定于患者的比较图像特征(paVBM)和非表型表达的特定于患者的比较图像特征(naVBM),
-通过将用于对特定于患者的图像特征进行分类的经过训练的函数(TF-CL-pBM)应用于输入数据,将特定于患者的训练图像特征(pTBM),分类为表型表达的特定于患者的训练图像特征(paTBM)和非表型表达的特定于患者的训练图像特征(naTBM),
其中,输入数据基于特定于患者的训练图像特征(pTBM),
-基于表型表达的特定于患者的训练图像特征(paTBM)与表型表达的特定于患者的比较图像特征(paVBM)的比较,以及非表型表达的特定于患者的训练图像特征(naTBM)与非表型表达的特定于患者的比较图像特征(naVBM)的比较,来调整(ADJ-TF-CL-pBM)用于对特定于患者的图像特征进行分类的经过训练的函数(TF-CL-pBM)的至少一个参数,
-提供(PROV-TF-CL-pBM)用于对特定于患者的图像特征进行分类的经过训练的函数(TF-CL-pBM)。
<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。