[发明专利]用于确定放射性结果数据的分析方法和分析单元

说明书

本发明涉及一种用于由放射学数据记录(D1，D2，D3，D4)自动确定放射结果数据的分析方法，包括以下步骤：‑至少基于具有不同的X射线能量谱(E1，E2，E3，E4)的X射线数据提供至少两个放射学数据记录(D1，D2，D3，D4)，‑提供分析单元(6)，该分析单元包括设计用于分析放射学数据记录(D1，D2，D3，D4)的神经网络，该神经网络(NN)包括具有多个单元(Z)的输入层(N₀)、中间层(N₁)和输出层(N_i)，‑通过神经网络(NN)分析放射学数据记录(D1，D2，D3，D4)，其中，第一放射学数据记录(D1)的和至少第二放射学数据记录(D2，D3，D4)的子集被分配给输入层(N₀)的单元，以用于共同处理，‑在输出层处获取结果数据。本发明此外涉及一种相应的分析单元或神经网络和相应的控制装置，该控制装置用于控制X射线采集系统中，一种相应的诊断站，和一种相应的医学成像系统。

技术领域

本发明涉及一种用于自动确定放射学数据记录的放射性结果数据的分析方法和分析单元或神经网络，特别是用于控制X射线采集系统的相应控制装置，用于与X射线采集系统耦合连接的相应诊断站，以及相应的医学成像系统。

背景技术

在放射成像中，放射图像的有效分析和进一步处理是必不可少的。为此，越来越多地使用基于机器学习的方法。利用这样的方法，图像中的对象，例如，病理变化被自动识别并显示给诊断医生。

经常使用的方法基于神经网络或这种方法基于模拟神经元。这种神经网络的例子是深度神经网络(英语：Deep Learning)或卷积网络(英语：Convolutional NeuralNetworks“CNN”)。神经网络通常包括：输入层(第一层)，待处理的数据被输入到该输入层中；多个中间层，该中间层用于进行处理；以及输出层，该输出层提供处理的结果。

例如，在此在网络的输入层中将像素(在二维测量的情况中)或将体素(在三维测量的情况中)分配给层的单元(“神经元”)，使得每个神经元接收相关像素的信号值作为输入变量。在输出层中包含有尽可能多的神经元，因为分类的不同结果是可能的。

在放射学技术的背景下，特别是在计算机断层摄影(“CT”)方面，越来越多地应用这样的记录方法，该记录方法使用多个记录能量。最近，在一些设备中甚至使用光谱检测器，该光谱检测器不再仅生成每个像素的一个信号值，而且还区分入射光子的光谱能量。

然而，这种具有多个记录能量或能量光谱的记录方法目前尚未得到最佳利用，鉴于这种记录的潜力，这代表了严重的缺点。根据CT光谱数据，通常仅用每个像素的一个信号值重建常规CT图像，其中，不同的光谱分量被不同地加权，以产生特定的图像印象(例如，突出显示具有特定吸收光谱的造影剂)。

发明内容

本发明的一个目的是提供一种替代的、更方便的分析方法，分析单元或神经网络，用于自动确定放射学数据记录的放射性结果数据，以及一种用于控制X射线采集系统的相应控制装置，一种用于与X射线采集系统耦合连接的相应诊断站，以及一种用于相应的医学成像系统，利用该系统可以避免上述缺点。

该目的通过根据权利要求1所述的分析方法，根据权利要求8所述的分析单元，根据权利要求9所述的神经网络，根据权利要求10所述的控制装置，根据权利要求11所述的诊断站和根据权利要求12的所述医学成像系统来实现。

根据本发明的分析方法或根据本发明的分析单元用于基于放射学数据记录或由放射学数据记录自动确定放射性结果数据。

放射学数据记录优选地是借助于计算机断层摄影系统生成的CT数据记录。但是该数据记录也可以在另外的利用X射线工作的设备上生成，例如简单的X射线透视设备，乳房X射线摄影设备，血管造影设备等。