【技术实现步骤摘要】
本专利技术涉及一种用于确定至少一个控制参数的相应额定值的、计算机执行的方法，所述控制参数用于控制医学图像数据的检测和/或处理和/或图示。此外，本专利技术还涉及一种用于图示医学图像数据的方法、处理设备、计算机程序和数据载体。
技术介绍
1、在医学成像的领域中通常将图像数据集为观测者进行可视化，观测者例如将该可视化用于诊断目的或用于医疗手术的监控。因此，应为观测者提供可读性尽可能好的图像。然而这一目的通常与成像的其他要求、例如限制入射x光强度和/或实现高成像率或短测量时间向冲突。
2、因此已知的是，在制造和设计成像医学检查装置时以及有时动态地在测量运行中，还应调整医学图像数据的检测和/或处理和/或图示的参数，以便优化图像质量。
3、在此，一方面可以基于可自动确定的质量衡量标准、例如将噪声部分最小化和/或对比度最大化进行调整。已知的是，这种优化有时并不会得到使观测者真正能够理想地轻易地和鲁棒地识别到图像内容的图像印象。
4、另一方面，可以实施学习不同的图像印象如何作用于观测者，例如通过向选定组的观测者、例如医生和/或其他医疗专业人员分别示出医学图像数据的基于不同参数化得到的不同图示。随后可以通过问卷或了类似形式获得并统计评估主观的图像印象。
5、然而在相应的学习中，优势会根据视觉偏好来评估所看到的图示，因此例如会出现因合成参数化而在图示中抑制了真实存在特征的风险，当这貌似会得到更清晰图像印象或类似情况时。此外，相应的学习还仅能极其有限地考虑到：可能对于不同观测者来说不同参数化的图示是有利
技术实现思路
1、因此，本专利技术所要解决的技术问题在于，进一步改进医学图像数据的检测、处理或图示。
2、根据本专利技术，所述技术问题通过前述类型的方法解决，所述方法包括以下步骤：
3、-在参照人员(referenzperson)观看至少一个图示的过程中，获得至少一个测量数据集，所述测量数据集基于对相应参照人员的相应脑部活动的传感式检测，其中，各图示基于相应的医学图像数据集，并且
4、-根据所述测量数据集确定额定值。
5、通过根据本专利技术在上述方法的参数化中对至少一个参照人员的脑部活动的考量，可以实现对医学图像数据的可视化的优化，该优化考虑到至少一个参照人员的真实人类感受和/或可以通过例如由参照人员事先识别到的语义内容来丰富所述医学图像数据。为此稍后还将进一步详细阐述不同的方法。
6、然而首先应给出评估与脑部活动相关的测量数据的概况。因为以下所讨论的方法本身是已知的，因此将简明扼要地介绍。进一步的实施细节可参见下文讨论的技术文章等。
7、在对计算机-大脑接口进行研究的过程中，人们认识到，至少可以根据传感式检测到的脑补活动近似地重建观测观看的图像。合适的测量数据集可以例如通过脑部功能磁共振成像和/或通过测量脑电流(脑电图)和/或通过植入脑部的芯片或接口等方式确定。
8、相应的方法例如在文献yu takagi et al.,high-resolution imagereconstruction with latent diffusion models from human brain activity,biorxiv2022.11.18.517004；doi:https://doi.org/10.1101/2022.11.18.517004,和zijiao chen et al.,seeing beyond the brain:conditional diffusion model withsparse masked modeling for vision decoding,arxiv preprint arxiv:2211.06956(2022),https://arxiv.org/abs/2211.06956中有所讨论。在此，分别使用通过机器学习训练的算法，以便由功能磁共振成像的测量数据重建原始观察的图像。
9、如具体在文献yu takagi et al.,improving visual image reconstructionfrom human brain activity using latent diffusion models via multipledecodedinputs,arxiv preprint arxiv:2306.11536[q-bio.nc](2023),https://doi.org/10.48550/arxiv.2306.11536中所述，直接基于脑部活动生成的图像尽管通常并不清晰，但仍能鲁棒地确定图像的语义内容、也即例如涉及图像内容的关键字或图像内容的标题。
10、语义内容可以直接由测得的脑部活动或测量数据集确定，由此尤其可以考虑由参照人员对所显示特征的语义识别。然而作为补充或备选，在识别语义内容时，考虑例如基于在视觉皮层方面的测量数据所生成的图像。
11、在本专利技术的范畴内已知的是，由前述现有技术本身已知的、基于测得的脑部活动对所看到的图像内容的确定，还可以用于对医学图像数据的检测、处理和/或图示进行参数化。
12、例如，在根据本专利技术的方法中可以使用测量数据集的评估，以便检查各参照人员是否识别出在相应的图示中的一个或多个相关的现有特征、也就是说例如有在荧光成像图中所示的微导管存在。也就是说，有关是否在语义上正确地识别出特定特征的信息可以被援引作为用于图示或其参数化的自动确定的质量衡量标准，以便确定或优化一个或多个控制参数。作为备选或补充，可以评估该信息，以便确定是否在该图示中存在特定内容，如果参照人员可以识别出所述内容的话。
13、如果为了确定语义图像内容而使用常见的、尤其通过机器学习训练的分类算法，在此还可以确定鲁棒性的衡量标准或者说识别的单义性，因此，补充或备选地，作为质量衡量标准还考虑相应的参照人员有多么良好地或者说多么轻易地识别或感知到相应的特征。
14、由此，可以例如改变至少一个控制参数，直至确保识别到相关特征，或者说以便将用于鲁棒性的衡量标准或识别的单义性最大化。
15、作为备选或补充，还可以检查是否识别出特定特征，具体而言，用于鲁棒性衡量标准或识别单义性的评估还被用于检查参照人员在测量数据检测过程中是否将其注意力集中在图示上。换言之，该衡量标准可以作为注意力衡量标准使用，或者注意力衡量标准可以根据质量衡量标准确定，并且所述额定参数或至少一个额定参数可以根据注意力衡量标准确定。
16、例如符合目的的是，测量数据集在医学图像数据的连续检测或重复检测的范畴内、例如在荧光成像的范畴内被评估，以便例如当参照人员并未将注意力或仅略微将注意力放在当前图示上时，就降低x光剂量。
17、作为备选或补充，例如可以使用固定预设的、控制参数的参照值集，从中可以选择额定参数集或者据此确定额定参数集，所述额定参数集将对于特定参照人员而言的鲁棒性或识别单义性最大化，或者将例如对于参照人员组本文档来自技高网...
【技术保护点】
1.一种用于确定至少一个控制参数(36-38)的相应的额定值(33-35)的计算机执行的方法，所述控制参数用于控制医学图像数据(39)的检测和/或处理和/或图示，所述方法包括步骤：
2.根据权利要求1所述的计算机执行的方法，其特征在于，各个图示(42)依赖于配属于各个图示(42)的、用于各控制参数(34-36)的参照值(44-46)，其中，用于各控制参数(36-38)的相应的额定值(33-35)还根据各控制参数(36-38)的参照值(44-46)确定，所述参照值配属于该图示(42)或所述图示(42)中的至少一个。
3.根据权利要求2所述的计算机执行的方法，其特征在于，各个图示(42)、也即医学图像数据集(43)的检测和/或用于提供待图示的处理结果(4)的医学图像数据集(43)的处理和/或医学图像数据集(43)和/或处理结果(47)的图示依赖于配属于各个图示(42)的、用于各控制参数(36-38)的参照值(44-46)。
4.根据上述权利要求中任一项所述的计算机执行的方法，其特征在于，基于各个测量数据集(40)或基于各组测量数据集(40)，确定对
5.根据权利要求4所述的计算机执行的方法，其特征在于，控制参数(36-38)或至少一个控制参数(36-38)用于控制医学图像数据(39)的处理和/或图示，其中，基于各个医学图像数据集(43)分别生成多个相互不同的图示(42)，其方式在于，通过与对于医学图像数据(39)相同的方法进行对各个医学图像数据集(43)的处理和图示，其中，为提供各个图示(42)而使用相应配属于图示(42)的参照值(44-46)，以预设相应的控制参数(36-38)，其中，相互不同的图示(42)至少在至少一个控制参数(36-38)的参照值(44-46)方面相互不同，其中，根据针对各个图示(42)所确定的质量衡量标准(48)选择包括所述图示(42)的其中一个在内的或并非所述图示(42)全部包括在内的图示(42)的亚组，由此根据所选择的图示(42)或者配属于相应所选择的图示(42)的相应的参照值(44-46)设定各个控制参数(36-38)的额定值(33-35)。
6.根据上述权利要求中任一项所述的计算机执行的方法，其特征在于，图示(42)所依据的所述医学图像数据集(43)是在成像序列的范畴内所确定的医学图像数据集(43)，其中，成像序列包括对同一检查对象(49)的医学图像数据(39)的重复或连续检测，其中，额定值(33-35)用于控制至少部分医学图像数据(39)的检测和/或处理和/或图示，所述部分医学图像数据在检测医学图像数据集(43)后在相同的成像序列的范畴内检测。
7.根据上述权利要求中任一项所述的计算机执行的方法，其特征在于，针对至少一个对象(50)和/或至少一个解剖学特征(51)分别检查是否满足感知条件(52、53)，该感知条件的满足取决于各个测量数据集(40)，并且表明各个参照人员(41)在各个图示(42)中对相应的对象(50)或解剖学特征(51)的感知，其中，额定值(33-35)或至少一个额定值(33-35)根据各个感知条件(52、53)的满足来确定。
8.根据上述权利要求中任一项所述的计算机执行的方法，其特征在于，所述控制参数(36-38)或各个控制参数(36-38)预设为了检测医学图像数据(39)对检查对象(49)入射的X光剂量和/或预设用于检测医学图像数据(39)的成像率。
9.根据上述权利要求中任一项所述的计算机执行的方法，其特征在于，为其预设额定值(33-35)的所述控制参数(36-38)或至少一个控制参数(36-38)控制利用语义信息(554)丰富医学图像数据(39)，和/或控制医学图像数据(39)或根据医学图像数据(39)所确定的处理结果的分割(55)，其中，所述丰富和/或分割是处理医学图像数据(39)的一部分。
10.根据上述权利要求中任一项所述的计算机执行的方法，其特征在于，训练函数(56)被训练，该训练函数用于处理医学图像数据(39)或在处理医学图像数据(39)的情况下使用，其中，控制参数(36-38)是训练函数(56)的参数，其额定值(33-35)由机器学习在监督学习的情况下预设，其中多个训练数据集(57)用于监督学习，所述训练数据集都分别包括至少一个测量数据集(40)或者都分别取决于至少一个测量数据集(40)。
11.根据上述权利要求中任一...
【技术特征摘要】
1.一种用于确定至少一个控制参数(36-38)的相应的额定值(33-35)的计算机执行的方法，所述控制参数用于控制医学图像数据(39)的检测和/或处理和/或图示，所述方法包括步骤：
2.根据权利要求1所述的计算机执行的方法，其特征在于，各个图示(42)依赖于配属于各个图示(42)的、用于各控制参数(34-36)的参照值(44-46)，其中，用于各控制参数(36-38)的相应的额定值(33-35)还根据各控制参数(36-38)的参照值(44-46)确定，所述参照值配属于该图示(42)或所述图示(42)中的至少一个。
3.根据权利要求2所述的计算机执行的方法，其特征在于，各个图示(42)、也即医学图像数据集(43)的检测和/或用于提供待图示的处理结果(4)的医学图像数据集(43)的处理和/或医学图像数据集(43)和/或处理结果(47)的图示依赖于配属于各个图示(42)的、用于各控制参数(36-38)的参照值(44-46)。
4.根据上述权利要求中任一项所述的计算机执行的方法，其特征在于，基于各个测量数据集(40)或基于各组测量数据集(40)，确定对于各个图示(42)的相应的质量衡量标准(48)，其中，所述额定值(33-35)或至少一个额定值(33-35)根据该质量衡量标准(48)确定，所述测量数据集基于不同参照人员(41)在观看相同图示(42)时的脑部活动的传感式检测。
5.根据权利要求4所述的计算机执行的方法，其特征在于，控制参数(36-38)或至少一个控制参数(36-38)用于控制医学图像数据(39)的处理和/或图示，其中，基于各个医学图像数据集(43)分别生成多个相互不同的图示(42)，其方式在于，通过与对于医学图像数据(39)相同的方法进行对各个医学图像数据集(43)的处理和图示，其中，为提供各个图示(42)而使用相应配属于图示(42)的参照值(44-46)，以预设相应的控制参数(36-38)，其中，相互不同的图示(42)至少在至少一个控制参数(36-38)的参照值(44-46)方面相互不同，其中，根据针对各个图示(42)所确定的质量衡量标准(48)选择包括所述图示(42)的其中一个在内的或并非所述图示(42)全部包括在内的图示(42)的亚组，由此根据所选择的图示(42)或者配属于相应所选择的图示(42)的相应的参照值(44-46)设定各个控制参数(36-38)的额定值(33-35)。
6.根据上述权利要求中任一项所述的计算机执行的方法，其特征在于，图示(42)所依据的所述医学图像数据集(43)是在成像序列的范畴内所确定的医学图像数据集(43)，其中，成像序列包括对同一检查对象(49)的医学图像数据(39)的重复或连续检测，其中，额定值(33-35)用于控制至少部分医学图像数据(39)的检测和/或处理和/或图示，所述部分医学图像数据在检测医学图像数据集(43)后在相同的成像序列的范畴内检测。
7.根据上述权利要求中任一项所述的计算机...
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。