1.本发明涉及一种用于评估患者的成像区域的至少一个图像数据集的计算机实现的方法，其中描述成像区域的解剖结构中的至少一个医学状况的至少一项评估信息被确定。本发明还涉及评估系统、计算机程序和电子可读存储介质。
背景技术：2.如今，成像技术常常被用于医学中的诊断、监测和术后护理。患者的成像区域的图像数据集被采集，然后关于医学概念、特别是病理的和其他解剖的和/或生理的异常和特征来进行评估。虽然，特别是在过去，评估常常是纯粹通过所谓的读取(特别是由放射科医师)来手动完成，但是随着成像检查的数量以及不同的专业成像技术的增加，评估任务的工作量和复杂性增加。
3.因此，开发在计算设备上工作的评估算法来帮助医务人员读取医学图像数据集(特别是关于诊断)是一个活跃的研究领域。这种评估算法使用包括至少一个图像数据集的输入数据来生成描述评估结果的输出数据，特别是在图像数据集中描绘的和/或可从图像数据集中导出的物理特征。最近，已经提出了更多的基于人工智能的评估算法，例如包括神经网络。这种人工智能评估算法使用训练数据来进行训练，该训练数据包括图像数据集，该图像数据集具有关于输出数据的相关联的真值，例如由医生在手动评估中做出的相应注释。
4.基于人工智能(特别是深度学习技术的评估算法，常常被认为是“黑匣子”，以至于结果在许多情况下是无法解释的，并且只能被用户接受。例如，如果提供了总结一种疾病的若干方面的特定疾病评分，则导致特定结果的因素可以不归因于图像数据集的特定图像特征，特别是在标准深度学习的情况下。由组织所提出的一些疾病评分遵循其确定的复杂方案，这通常涉及读取医生的解释。这种解释通过深度学习方法被学习并被分别模仿的。
5.在一个示例中，冠状动脉疾病(cad)是由供应心肌的动脉(即所谓的冠状动脉树中的动脉)中的斑块的积聚引起的。这些斑块导致血流的减少，其进而导致稳定或不稳定的心绞痛、心肌梗塞或心源性猝死，特别是在斑块破裂的情况下。在2015年，cad影响了1.1亿人，导致890万人死亡，这使其成为全球最常见的死亡原因之一。
6.最近更新的英国国家卫生与临床优化研究所(nice)和欧洲心脏病学会(esc)指南建议将心脏计算机断层扫描(ct)用于风险分层，并作为诊断具有疑似cad的症状患者的一线检查以诊断cad，在这些患者中，仅通过临床评估不能排除阻塞性cad。此外，利用计算机断层扫描对冠状动脉钙化评分的评估被认为是无症状受试者的心血管风险评估中的风险修正因子，并因此被美国心脏协会(aha)血液胆固醇管理指南所推荐。
7.因此，冠状动脉计算机断层扫描血管造影(ccta)扫描和钙化评分(casc)扫描被广泛用于对冠状动脉疾病的低到中等预测概率的患者进行常规评估。由于新发布的指南，这一趋势将继续，并且预计ccta和casc检查的数量将继续上升。成像检查的增加导致对在这些扫描中采集的图像数据集的读取的需求增加。因此，需要在读取并报告此类检查期间提
高效率并且提供对患者的一般疾病等级的全面评估以便在诊断中并且特别是在关于进一步治疗的决策中进行帮助的解决方案。
8.到目前为止，ccta和casc扫描的诊断检查通常是手动完成的，要么通过直接评估图像数据集的轴向切片，要么通过使用专用的交互式软件解决方案。对于ccta评估，读取者通常针对任何视觉上可感知的疾病迹象分别评估三个主要冠状动脉及其侧支。疾病的迹象可能是管腔变窄或血管外壁变宽。血管壁本身可以包括明亮的结构(钙化)、较暗的结构(软斑)和两者的混合物(混合斑)。通常通过定量地和定性地计算狭窄等级来测量血管腔的变窄从而评估疾病的严重性。斑块还可能与高风险斑块特征相关联，如餐巾环征、正性重塑、斑点状钙化或低衰减。所标识的发现然后以自由文本的形式来被描述或被描述为报告中的结构化信息。为了使报告标准化，已经提出了各种报告方案。最常用的是美国心脏协会(aha)的17分段模型，该模型已被心血管计算机断层扫描学会(scct)扩展到18分段。最后，通过如“单血管疾病”、“双血管疾病”或“三血管疾病”等标准化的评估信息或者通过使用最近发布的cad-rads报告方案，在患者层面总结疾病的程度，参见r.c.cury等人的“coronary artery disease-reporting and data system(cad-rads):an expert consensus document of scct,acr and nasci:endorsed by the acc”，jacc cardiovasc.imaging 9(2016)，第1099-1113页。
9.对于casc扫描评估，通常会报告总体的和特定于血管的“agatston评分”，这是个体子树和整个冠状动脉树中存在的钙化量的度量，参见c.h.mccollough等人的“coronary artery calcium:amulti-institutional,multimanufacturer international standard for quantification at cardiac ct”，radiology 243(2007)，第527-538页。
10.通常使用后处理软件来执行对两次扫描的图像数据集的评估，该软件通过全自动准备合适的视图来支持读取。对于ccta评估，主要的冠状动脉被自动标识并被显示为弯曲平面重建(cpr)，其允许在单个视图中评估整个血管病程。对于casc评估，对原生ct图像数据集进行阈值处理并突出显示钙化候选。然后用户点击候选以确认或拒绝它们，并将它们指派给个体子树。
11.在任何情况下，这些过程都是用户驱动的、交互式的和耗时的。在临床例程中，用户花费大量时间来记录明显的发现，而留给更复杂状况的实际解释的时间更少。
12.正如上面已经提及的，正在进行的研究集中在评估算法上，通过使用人工智能(ai)来对包括示例性讨论的冠状动脉疾病在内的疾病进行自动检测和分类，从而减轻用户的这种负担。使用机器学习进行训练的评估算法也可以被称为经训练的评估函数。在如下文章中给出了重点是心血管成像的这一研究领域的概述：d.dey等人的文章“artificial intelligence in cardiovascular imaging:jacc state-of-the-art review”，j.am.coll.cardiol.73(2019)，第1317-1335页。然而，关于由此得到的评估信息，用户可能无法理解评估系统是如何得出其结论的。特别地，用户不能与评估系统交互，以使得可以一致地修改对某些特征的评估。
技术实现要素：13.因此，本发明的一个目的是提供一种计算机实现的评估方法和评估系统，其以自动但可理解的方式提供总结评估信息，并且特别是允许对自动导出的评估进行一致的、交
互式的修改。
14.该目的通过提供根据独立权利要求的计算机实现的方法、评估系统、计算机程序和电子可读存储介质来实现。从属权利要求描述了有利的实施例。
15.根据本发明，一种用于评估患者的成像区域的至少一个图像数据集的计算机实现的方法，其中描述成像区域的解剖结构中的至少一个医学状况的至少一项评估信息被确定，该方法包括：
[0016]-使用至少一个第一评估算法来分割并标记解剖结构以生成至少一个第一评估数据集，并将该至少一个第一评估数据集输入到评估数据库中；
[0017]-使用至少一个第二评估算法来确定描述解剖结构中的至少一个局部医学特征的至少一个第二评估数据集，并将该至少一个第二评估数据集输入到评估数据库中；
[0018]-通过应用规则集中的推理规则来确定至少一项评估信息，其中每个推理规则从至少一个、特别是至少两个输入评估数据集中导出至少一个结果评估数据集，并且其中通过在评估数据库中针对链接到相应的输入评估数据集的每个规则应用而添加结果评估数据集，评估数据库被扩充；
[0019]-输出交互式呈现，该交互式呈现包括来自评估数据库的评估数据集的至少一部分的信息，其中初始显示的交互式呈现包括至少一项评估信息中的至少一项评估信息，并且当与至少一个选择的结果评估数据集相关的用户交互命令被接收时，更新交互式呈现以包括至少一个输入评估数据集的信息，选择的结果评估数据集从该至少一个输入评估数据集中被导出。
[0020]
本文中所使用的术语仅出于描述特定实施例的目的，并不旨在限制本发明的示例实施例。如本文中所使用的，除非上下文另有明确说明，否则例如由冠词“一”、“一个”和“该”表示的单数形式旨在包括复数形式，反之亦然。如本文中所使用的，术语“和/或”和“至少一个”包括一个或多个列出的相关联项的任何和所有组合。
[0021]
在优选实施例中，至少一个第一评估算法和/或第二评估算法中的至少一个评估算法包括经训练的评估函数，特别是深度神经网络和/或通过深度学习技术被训练。
[0022]
一般来说，经训练的函数模仿人类与其他人类思维相关联的认知功能。特别地，通过基于训练数据的训练，经训练的函数能够适应新的环境并检测和推断模式。
[0023]
一般来说，经训练的函数的参数可以借助于训练被调整。特别地，可以使用监督训练、半监督训练、无监督训练、强化学习和/或主动学习。此外，可以使用表示学习(备选术语是“特征学习”)。特别地，经训练的函数的参数可以通过若干的训练步骤被迭代地调整。
[0024]
特别地，经训练的函数可以包括神经网络、支持向量机、决策树和/或贝叶斯网络，和/或经训练的函数可以基于k-均值聚类、q-学习、遗传算法和/或关联规则。特别地，神经网络可以为深度神经网络、卷积神经网络或卷积深度神经网络。此外，神经网络可以是对抗网络、深度对抗网络和/或生成对抗网络。
[0025]
本发明在概念上提供了一种“可解释的人工智能(ai)”系统。提出了现代的、特别是支持深度学习的全自动图像评估算法与传统的基于规则的专家系统的方法相结合，其对领域特定推理规则进行编码并通过采用推理机制从局部测量中导出新知识。
[0026]
通过至少一个第一评估算法在至少一个图像数据集中的至少一个图像数据集中的分割提供了关于至少一个图像数据集中的解剖结构和/或其他特征的信息。这允许在语
义上定位进一步的评估结果，特别是如果还提供了标记操作。在优选实施例中，可以应用基于深度学习的方法来导出关于解剖结构的几何信息和/或根据标记操作方案来标记子结构，例如血管树的分段。在实施例中，解剖的相关部分被提取为几何模型，其形成至少一个第一评估数据集中的第一评估数据。然后这些模型可以自动被标记，特别是使用预定义的优选术语，例如根据医学标准或临床标准。这有助于在任何时候使用适当的医学术语来呈现和记录医学特征(例如发现物(findings))的位置。
[0027]
在本发明的另一个主要步骤中，在局部化级别上检测至少一个医学(特别是临床相关)特征，例如病理和/或病变和/或发现物。优选地，经训练的深度学习第二评估算法被用来检测至少一个图像数据集中的至少一个图像数据集中的医学特征。对于每个医学特征，例如，位置以及进一步的元数据(例如病理表征)，可以被确定为第二评估数据。优选地，对于每个这样的发现物，也就是说每个这样的医学特征，第二评估数据集被确定并被存储到评估数据库中。这些第二评估数据集，因为它们每个都指的是单个、可局部化的医学特征并形成所有进一步评估的基础，也可以被称为“原子”评估数据集。
[0028]
在本发明的第三主要步骤中，这些(通常是多个)第二(“原子”)评估数据集与存储在评估数据库中的至少一个第一评估数据集一起被视为知识库，从该知识库中在基于规则的诊断检查中导出进一步的结果评估数据，当然结果评估数据包括评估信息。为此，评估数据库(其可以被理解为专家系统的知识数据库)然后通过规则集的推理规则被处理，其例如可以对逻辑结论、统计推导和/或来自指南的知识进行编码，例如美国心脏协会等协会发布的那些指南。例如，推理规则可以包括逻辑和/或统计操作和/或基本的“如果-那么-否则”(if-then-else)规则。也可以想象，它们至少部分地基于其他基于知识的方法(例如基于机器学习的分类)。
[0029]
所导出的知识，也就是结果评估数据，被添加回评估数据库。所有的数据集都通过相应的推理规则而保持被链接，特别地，如下面进一步讨论的，允许推理机制被实施，其保持第一评估数据和第二评估数据(“原子信息”)以及结果评估数据(“导出信息”)在任何时候都一致。
[0030]
在该方法的下一个主要步骤中，结果以交互式呈现的形式被呈现给用户。交互式呈现被构建为能够呈现评估数据库中的所有信息。优选地，在启动时，交互式呈现将评估信息的至少一部分示出为主要评估目的中的一个评估目的。以这种方式，针对所有检测到的医学特征和解剖结构的基本信息被立即提供，例如以概览的方式被提供。通过使用用户交互命令来与所显示的交互式呈现进行交互，用户可以改变交互式呈现以有目的地查看感兴趣的评估数据，特别是还可以查看在基于规则的诊断检查中从其中导出评估信息的评估数据。
[0031]
以这种方式，自动化结果与用户交互组件相结合，这使评估系统的结果完全可追溯和可理解。通过从深度学习实现的第二评估算法中导出局部低级信息(第二评估数据)并使用捕获领域知识的推理规则推断出高级信息，提高了评估结果与用户期望的一致性。这种组合允许实现深度学习算法的高准确度，同时维持结果的可理解性和可追溯性。
[0032]
本发明的方法可以在大量上下文中被采用。例如，在计算机辅助检测方法(cade)中，本发明可以被用来帮助定位/标注可能揭示特定异常的区域。在计算机辅助诊断(cadx)使用场景中，cade场景通过表征/估计疾病、疾病类型、严重性、阶段和进展来进行扩展。不
同的变型是可以想到的。在完全的实现中，本发明甚至可以提供基于评估信息的患者管理建议。
[0033]
该方法和/或评估系统可以被集成到读取工作站中，例如在用于交互式读取图像数据集的高级可视化工作站中。在此上下文中，可以通过提供自动确定的评估信息和进一步的评估数据来加速交互式读取，用户在估计图像数据集(例如以提供诊断)时可以考虑这些评估信息。
[0034]
在其他实施例中，该方法和/或评估系统也可以被集成到成像设备中，例如计算机断层扫描仪，在扫描位置处已经提供进一步的信息。例如，可以与图像数据集一起提供基本的、可理解的和可追溯的估计。
[0035]
此外，该方法和/或评估系统可以与高级决策支持方法相链接和/或可以是适用于许多医学领域和/或检查目的的上级评估系统的一部分。
[0036]
优选地，如上所述，第二评估数据集可以包括医学特征的位置和描述特征的附加元数据，特别是在病理特征(特别是病变)的情况下的严重性。其他元数据可以包括形状、成分等。
[0037]
在优选实施例中，交互式呈现可以包括来自图像数据集的图像数据、和/或从至少一个评估数据集和/或从至少一个图像数据集中的至少一个图像数据集中导出的可视化数据、和/或至少一个概览图像。特别地，可以通过注释和/或覆盖和/或修改所呈现的图像数据和/或可视化数据来呈现来自包括在交互式呈现中的评估数据集的信息的至少一部分。优选地，特别是关于评估信息的初始显示，可以生成至少解剖结构的概览图像，优选地基于至少一个图像数据集中的至少一个图像数据集。例如，可以生成代表性概览图像，同时为所有检测到的解剖和病理提供(基本)评估信息。替代地或优选地附加地，可以为单个医学特征和/或一组医学特征生成包括图像数据和/或可视化数据的详细图像。例如，可以优选地从图像数据中为由至少一个第二评估算法检测到的每个医学特征生成详细图像。这些详细图像特别地可以被用来显示第一评估数据和/或第二评估数据。然而，也可以使用详细图像来呈现中间评估数据，例如被用作输入评估数据的结果评估数据以导出评估信息。在特别优选的实施例中，这样的详细图像与通过至少一个推理规则从第一评估数据和/或第二评估数据中推断出的结果评估数据一起被显示，以使得推断出的测量可以由用户对照详细图像的显示信息来验证。以这种方式，例如，可以估计可信性。
[0038]
在一个特别有利的实施例中，基于接收到的用户输入来修改至少一个评估数据集(特别是第一评估数据集和/或第二评估数据集)，其中链接到评估数据库中的修改后的评估数据集的所有评估数据集被标注和/或通过使用相应的推理规则，使用修改后的评估数据集导出的所有结果评估数据集被更新，和/或从其中导出修改后的评估数据集的至少一个评估数据集的至少一部分被标注为不太可靠和/或从交互式呈现中被排除。在用户对“原子”或“导出”测量值(也就是评估数据库中的评估数据)不满意的情况下，他们可以手动调整至少一个评估数据集的评估数据，特别是也可以通过与交互式呈现进行交互，例如根据用户修改命令。例如，如果病变已被自动分类为严重，但是用户在他自己的估计中得出不同的结论，则他们可以相应地修改评估数据集的此信息。例如，如果结果对用户来说似乎不可信，情况也是如此。可以接收用户输入并将其用于修改相应的评估数据集。换言之，评估数据库被更新。在优选实施例中，这可以导致推理规则自动更新通过前向链路机制从修改后
的评估数据集中导出的结果评估数据集。同时，对修改后的评估数据集有贡献的任何信息都可以被标注为不太可靠，特别是标注为过时的和/或无效的。特别地，可以防止进一步显示这种不太可靠的信息。在一些示例中，如果可能，甚至可以校正对修改后的评估数据集有贡献的评估数据。以这种方式，在任何时候，始终示出最新且正确的评估数据，并且避免不可信的情形。如果其他评估数据集被更新和/或被标注为过时的/无效的，则这也可以被显示在交互式呈现中，以使得用户直观地注意到哪些示出信息受到他的修改的影响。
[0039]
在具体实施例中，可以将解剖结构分层地划分为多个层级中的分段，其中结果数据集的至少一部分针对已定义的层级而被确定，和/或包括与已定义的分段相关的评估数据。以这种方式，从第二评估数据集中的局部化的单个医学特征开始，评估数据可以被分层地组织，例如通过将与单个分段中的医学特征相关的评估数据组合到新的、导出的评估数据集。特别地，第二评估数据集可以已经形成最低层级数据集和/或规则集可以包括分别用于从至少一个第二评估数据集的至少一个第二评估数据集中导出最低层级结果评估数据集的推理规则，和/或从至少一个较低的、特别是相邻的层级输入评估数据集中导出较高层级结果评估数据集的推理规则。以这种方式，可以通过多个层级传播和演化信息，优选地最终产生解剖结构级别/患者级别的评估信息。例如，至少一个推理规则可以组合针对已定义分段的所有较低层级和/或局部评估数据。统计组合、聚合、池化等等全部都可以被使用。例如，如果医学特征是病变，则可以通过推理规则导出分段的病变数量和/或分段的病变的最大体积。在另一个示例中，可以计算特定于分段的评分。
[0040]
在具体实施例中，解剖结构可以是血管树，特别是冠状动脉树。对于这样的血管树，例如，可以提供两个层级(这是除了医学特征级别之外的)，即血管分段和全血管树。通常，存在关于如何将血管树划分为分段以及如何标记这些分段的指南。
[0041]
应注意，这种可分层级描述的解剖结构是采用本发明的特别有利的领域。在这样的解剖结构中，常常会考虑大量的单个医学特征以提供对整个解剖结构或其各部分的一般估计。通过在受控的、基于规则的环境中组合有关单个医学特征的信息来创建评估数据库，在评估数据库中仍保留基本的(多个)第一评估数据集和第二评估数据集，向用户提供深入洞察和理解的专家系统被提供。
[0042]
优选地，可以接收附加的患者数据和/或统计数据，其中来自附加的患者数据和/或统计数据的信息被至少一个推理规则使用。也就是说，本发明的基于规则的诊断检查还可以结合关于患者的信息和/或其他外部信息以导出结果评估信息。例如，评估系统可以被连接到至少一个另外的外部信息系统，例如电子健康记录数据库、放射学信息系统、医院信息系统和/或图片存档和通信系统(pacs)。以这种方式，可以考虑所有可用信息以提供高质量的评估结果。例如，来自外部源的统计信息也可以被用于推理规则中，例如以基于患者性别、年龄、体型等确定百分位数。换言之，患者可以与参考人群相关地被表征。
[0043]
应当注意，被用作输入的至少一个图像数据集不一定限于单次检查。在实施例中，输入数据集可以包括从多次检查中导出的信息，这些信息甚至不需要共享共同的检查目的。例如，可以将来自时间序列扫描的图像数据集提供给第一评估算法和/或第二评估算法。在实施例中，甚至可以使用患者的电子健康记录的所有图像数据集来导出关于多个不同的解剖结构和/或医疗状况的评估信息。
[0044]
在优选实施例中，如果接收到最终的用户命令，则组合的数据集可以被编译并提
供存储，该组合的数据集包括至少一个图像数据集和/或评估数据集的评估数据的至少一部分，特别是至少评估信息。也就是说，一旦用户已经审查、可选地修改和/或补充了评估数据集的知识，则评估结果就可以被持久化和存储。虽然在实施例中，可以将整个评估数据库存储为组合的数据集，但也可以提取必要信息并将其存储以供以后参考。例如，可以将组合的数据集以结构化和/或图形的格式分发到至少一个其他系统。在优选实施例中，组合的数据集可以以dicom的格式被提供和/或用于存储在图片归档和通信系统(pacs)中。组合的数据集可以被转发到的其他系统例如是报告和/或决策支持系统。
[0045]
在这点上需要注意的是，原则上也可以设想，不显示交互呈现，而是直接从评估数据库中导出组合的数据集并进行存储。例如，可以手动禁用评估结果的审查。在这种情况下，该方法完全自动地执行整个用例，包括最终归档，例如归档在pacs中。组合的数据的批准状态允许评估结果的最终接收者在手动验证的评估结果和全自动分发的评估结果之间进行区分。换言之，在本发明的实施例中，最终的用户命令可以被理解为对评估数据库中的评估结果表示赞同。
[0046]
在实施例中，该方法还可以包括准备步骤，其中，在应用任何第一评估算法或第二评估算法之前，关于第一评估算法和/或第二评估算法的适用性分析至少一个图像数据集，和/或以确定合适的第一评估算法和/或第二评估算法，和/或，如果接收到多个图像数据集，则将图像数据集与第一评估算法集和/或第二评估算法集相关联。在准备步骤中，可以对图像数据进行介入(mediate)。每次例如在新的dicom研究中，接收到至少一个新的图像数据集，评估系统自动验证至少一个图像数据集是否包含与解剖结构和/或医疗状况有关的至少一个图像数据集，换句话说，对于具体实施例的评估目的是否有用。如果没有接收到相关的图像数据集，则停止进一步的处理。如果可以服务于多个评估目的，则可以根据评估目的对接收到的图像数据集进行解析和分类。如果多个候选图像数据集针对给定的评估目的是可用的，则可以根据特定的优先级排序规则对它们进行优先级排序。最后，对于每个检查目的，可以在至少一个最合适的图像数据集上触发自动处理。如果在合适的环境中实现本发明，还可以例如从成像设备请求优化的图像数据集。当然，在这样的准备步骤中，当然也可以考虑与图像数据一起被提供的元数据，例如在dicom研究中。
[0047]
在具体实施例中，对于服务于评估目的的第一评估算法和第二评估算法中的每组评估算法，提供或确定包括关于要被评估的图像数据的质量和/或内容的要求的要求信息。每次为了关于某个评估目的的评估而接收患者的至少一个图像数据集时，可以分析每个图像数据集以确定关于每个相关联的评估目的的适合性信息，该适合性信息至少指示满足或不满足对应的要求信息的要求。仅将适合性信息指示满足至少一个对应评估目的的要求信息的要求的至少一个图像数据集转发到评估目的的对应评估算法以进行评估，和/或至少一个用户信息和/或图像处理动作被执行以用于至少一个评估目的，其相关联的适用性信息都指示不满足要求信息的要求。
[0048]
注意，在准备步骤中，还可以执行关于图像数据集的其他准备措施，例如应用准备图像处理、定义和/或导出实际要被评估的图像数据集等。
[0049]
在一般性评论中，如果多个图像数据集被评估，如果它们尚未配准和/或移动校正，则这也可以在准备步骤中完成。例如，在一些应用中，一些图像数据集可能更适合于解剖结构的分割和/或标记，而其他图像数据集可能更适合于导出第二评估数据集。然而，如
果相应的图像数据集被配准，则可以在它们之间传送位置信息。对于由至少一个第二评估算法评估的不同的图像数据集也是如此。
[0050]
在另一个一般性评论中，推理规则可能不限于经典规则操作，但是规则集也可以采用更精细的分类和/或机器学习方法，其也可能涉及基于图像的分类。这种分类的结果以与使用常规基于规则的处理来计算它们相同的方式而被反馈到推理机制。
[0051]
通常，本发明还可以被用作辅助或并发读取器。在这样的使用场景中，评估系统在放射科医师对病例的初始读取的同时生成其输出。以这种方式，可以通过避免任何假阴性发现物来支持(人类)读取者。
[0052]
现在将关于特别有利的实施例、即心脏研究的用例进一步解释本发明。在该有利实施例中，解剖结构是冠状动脉树，其中接收至少一个冠状动脉计算机断层扫描血管造影扫描和至少一个钙化评分计算机断层扫描作为输入数据集，并且评估信息包括患者的至少一个动脉粥样硬化疾病相关评分和至少一个钙化评分。具体而言，涉及到两个评估目的，即动脉粥样硬化疾病和钙化评分，其中针对两个评估过程的各个方法步骤将主要在下文中分开讨论。
[0053]
在这个示例性的有利实施例中，提供了一种评估系统，允许对心脏计算机断层扫描进行全自动评估，覆盖冠状动脉计算机断层扫描血管造影扫描(ccta扫描)和钙化评分扫描(casc扫描)。与已知产品或算法相比，这实现了对疾病状态的更全面估计。特别地，实现了对冠状动脉疾病的严重性的细化分类，例如在如下文章中所提出的：m.b.mortenson等人的“cad severity on cardiac cta identifies patients with most benefit of treating ldl cholesterol to acc/aha and esc/eas targets”，jacc cardiovasc imaging 2020，s1936-878x(20)30322-3。
[0054]
此外，在该特定应用领域中，本发明可以被用来排除冠状动脉疾病，因为健康患者被有效标识。对于这些患者，临床报告的时间可能会显著减少，因为终端用户只需确认没有标识任何发现物。此外，如果患有可能需要立即进一步治疗的严重疾病的病例，例如如果发现冠状动脉中的一个完全闭塞，则可以通知指定的临床医生名单。具有潜在更严重疾病的病例可以在读取队列中优先极排序更高，从而确保及时的评估。以这种方式，可以降低并发症发生率。
[0055]
提供评估ccta和钙化评分扫描二者的组合系统本身可能是有利的。也就是说，一种用于评估患者的成像区域的图像数据集的计算机实现方法是可以想象的，该图像数据集已在至少一次冠状动脉计算机断层扫描血管造影扫描和至少一次钙化评分计算机断层扫描中被采集，其中描述成像区域的解剖结构(其是冠状动脉树)中的至少一个医学状况并且包括患者的至少一个动脉粥样硬化疾病相关评分和至少一个钙化评分的至少一项评估信息被确定，其中该方法包括：
[0056]-使用至少一个第一评估算法来分割和标记解剖结构以生成至少一个第一评估数据集，并将该至少一个第一评估数据集输入到评估数据库中；
[0057]-使用至少一个第二评估算法来确定描述解剖结构中的至少一个局部医学特征的至少一个第二评估数据集，并将该至少一个第二评估数据集输入到评估数据库中；
[0058]-通过应用规则集的推断规则来确定至少一项评估信息，其中每个推断规则从至少一个、特别是至少两个输入评估数据集中导出至少一个结果评估数据集，并且其中通过
在评估数据库中针对链接到相应的至少一个输入评估数据集的每个规则应用添加结果评估数据集，来扩充评估数据库；
[0059]-使用评估数据库来输出交互式呈现和/或创建组合的数据集，交互式呈现包括来自评估数据库的评估数据集的至少一部分的信息，该组合的数据集包括图像数据集和/或评估数据集的评估数据的至少一部分、特别是至少评估信息。
[0060]
在优选实施例中，作为预处理步骤，根据心脏周期的多个阶段将心脏门控冠状动脉计算机断层扫描血管造影扫描拆分成若干图像数据集，其中预定义心脏相位的图像数据集被选择用于评估，和/或最满足第一评估算法和/或第二评估算法中的至少一个评估算法的要求的图像数据集中的至少一个图像数据集和/或至少一个图像数据集的子集被转发到相应的第一评估算法和/或第二评估算法。可选地，当接收新的dicom研究时，可以自动验证检查是否包含至少一个冠状动脉的心脏门控冠状动脉计算机断层扫描血管造影扫描。如果不是，则可以停止进一步的处理。如果接收到心脏门控冠状动脉计算机断层扫描血管造影扫描，则可以将扫描拆分成可用的心脏阶段，也就是说，整个心脏周期的区间，例如0到10％、10％到20％，以此类推。可以针对每个心脏阶段编译图像数据集，然而，在优选实施例中，只有最合适的图像数据集被用于关于动脉粥样硬化疾病的进一步处理。适合性度量可以从对应的要求信息的要求满足等级中被导出。优选地，至少一个要求与冠状动脉移动相关，从而最合适的图像数据集将是示出最少冠状动脉移动的图像数据集。虽然原则上可以根据经验选择最合适的心脏阶段并因此选择最合适的图像数据集，例如作为最接近70％的心脏阶段(舒张心脏阶段)，但是最好分析图像数据集，特别是以导出与冠状动脉移动相关的至少一个质量参数。然后可以基于此至少一个质量参数来选择最合适的图像数据集。在实施例中，也可以在每个血管或每个分段的基础上执行图像适用性分类，以便选择最合适的心脏阶段来分别估计冠状动脉的不同部分。换言之，在已经确定了描述冠状动脉树的分段的至少一个第一评估数据集之后，对于至少一个分段和/或至少一组分段，在仅分别示出分段和/或组的子集上执行满足要求的确定。这些实施例允许选择最佳图像数据用于进一步评估，并且因此提高评估结果的质量。
[0061]
在具体实施例中，将冠状动脉树分割并标记为解剖结构：
[0062]-可以通过至少一个第一评估算法中的至少一个来检测冠状动脉的中心线；
[0063]-可以通过至少一个第一评估算法中的至少一个来检测围绕中心线的冠状动脉管腔；并且
[0064]-可以根据冠状动脉树的预定义和/或用户可选择的分类方案将检测到的冠状动脉分类为用于通过至少一个第一评估算法中的至少一个第一评估算法进行标记的分段；
[0065]-使得至少一个第一评估数据集针对冠状动脉树中的每个点描述该点属于哪个分段、该分段的局部病程和该分段的局部形状。
[0066]
冠状动脉计算机断层扫描血管造影评估的主要目标是评估冠状动脉中是否存在动脉粥样硬化疾病。因此，在优选实施例中，冠状动脉的解剖建模可以分三个步骤来执行。在第一步骤中，可以通过在ccta图像数据集中自动追踪冠状动脉来检测冠状动脉的中心线。得到的冠状动脉中心线表示树模型中的特定于患者的冠状动脉的形态和拓扑结构。对于该第一步骤的具体实现，在这里也可以采用现有技术中已知的中心线追踪算法。作为示例，参考us10,210,612b2。值得注意的是，除了追踪对比增强的冠状动脉之外，该示例性方
法还支持跨支架、慢性完全闭塞和冠状动脉旁路移植物的追踪。
[0067]
在冠状动脉的解剖建模的第二步骤中，检测冠状动脉管腔。基于中心线树和ccta图像数据，可以再次使用现有技术中已知的管腔分割算法来检测冠状动脉管腔。示例性地，参考美国专利申请us2019/0130578a1。
[0068]
在第三步骤中，为了能够使用适当的医学术语来评估和呈现结果，根据针对冠状动脉分段的标准化标记方案对检测到的冠状动脉进行分类，例如，包括如“近端lad(左前降支))”、“中间rca(右冠状动脉)”或“钝边1”的分段。例如，可以采用由ssct和美国心脏协会在如下文章中提出的标记方案：j.leipsic等人的“scct guidelines for the interpretation and reporting of coronary ct angiography:a report of the society of cardiovascular computed tomography guidelines committee”，j.cardiovasc.comput.tomogr.8(2014)，第342至358页。可以使用现有技术中已经提出的标记算法。作为示例，参考a.fisher等人的文章，“deep learning based automated coronary labeling for structured reporting of coronary ct angiography in accordance with scct guidelines”，journal of cardiovascular computed tomography 14.3(2020)，第21-22页，或paul klein等人的“method for automated coronary tree labeling using bidirectional tree structured recurrent neural networks”，第99卷，2019年6月27日出版。一般来说，标记算法具有通用性质，并且也适用于其他标记方案。
[0069]
作为分割和标记的这三个处理步骤的结果，对于冠状动脉中的每个点，知晓它属于哪个冠状动脉分段、冠状动脉管腔的形状、分段的病程，并且如果所提及类别的中心线跟踪算法被使用，则还知晓冠状动脉旁路移植物的病程，如果适用的话。
[0070]
优选地，当确定与动脉粥样硬化疾病相关的第二评估数据时，至少一个第二评估算法(特别地基于中心线)，检测和分析冠状动脉树中的病变，以使得针对每个病变生成第二评估数据集，包括从包括如下项的组中选择的至少一项信息：
[0071]-病变的开始位置和结束位置，特别地沿着中心线，
[0072]-斑块类别，特别地选自钙化斑块、非钙化斑块和混合斑块，
[0073]-从至少一个易损性指标中导出的斑块易损性信息或描述至少一个易损性指标的存在的斑块易损性信息，特别地选自低衰减值、特别地低于30hu的衰减值、正性重塑、斑点状钙化和餐巾环征，
[0074]-描述来自早期干预的支架存在的支架信息。
[0075]
优选地，基于冠状动脉中心线、冠状动脉管腔和ccta图像数据集，病变检测算法可以检测冠状动脉的任何患病部分作为至少一个第二评估算法中的至少一个。病变(作为医学特征)可以表示整个疾病谱，从非常小的局灶性病变开始到捕获弥漫性疾病的相当长的病变。在病变检测过程期间，优选地，可以针对每个病变自动确定以下信息：
[0076]
–
表示病变前后的最后一个健康位置处和第一个健康位置处的冠状动脉中心线上的位置的开始位置和停止位置。沿着这些位置之间的冠状动脉中心线的整个路径被认为是患病的。
[0077]-斑块成分：病变检测算法可以将病变的斑块成分分类为钙化斑块、非钙化斑块和混合斑块。
[0078]-斑块易损性：病变检测算法可以标识以下特征中的一个特征的存在，这可以指示病变的潜在易损性：低衰减值、正性重塑、斑点状钙化和餐巾环征。病变可能同时具有多个这些易损性指标。例如，正性重塑是一种向外的代偿性重塑，其中动脉壁向外生长以试图维持恒定的管腔直径，而负性重塑被定义为血管尺寸的局部收缩。在某些冠状动脉斑块周围高衰减环的存在通常被称为餐巾环征。
[0079]-病变检测算法可以如此进一步分类来自先前干预的支架。
[0080]
本发明不限于特定类型的病变检测算法。可以使用从现有技术已知的、特别是能够确定上述信息的病变检测算法。作为示例，可以参考us 9,881,372 b2。如果确定了上述所有信息，作为至少一个病变检测算法的结果，对于冠状动脉中的每个点，知晓它是否是冠状病变(或支架，如果适用)的一部分。对于每个病变，斑块成分和易损斑块指标的存在是已知的。
[0081]
在优选实施例中，沿着中心线的每个病变的冠状动脉的直径值被确定，特别是通过至少一个第二评估算法和/或至少一个推理规则结合至少一个第一评估数据集和至少一个第二评估数据集。特别是如果冠状动脉管腔已被分割，则可以为沿着病变的冠状动脉中心线的每个位置计算直径信息。因此，可以确定病变的开始位置和停止位置处的直径以及最小管腔变窄的位置。该直径信息也被添加到评估数据库中。
[0082]
在一个特别有利的实施例中，推理规则可以针对三个层级从第一和/或第二评估数据集中导出结果评估数据，即与单个病变相关的病变级别(医学特征级别)、与冠状动脉的单个分段相关的分段级别、以及与整个冠状动脉树相关的患者级别。正如已经针对一般情况讨论过的，这种分层结构进一步为用户提高了可理解性。在具体实施例中，关于由至少一个第二评估算法检测到的病变，通过推理规则，可以确定
[0083]-在病变级别上，从包括如下项的组中选择的结果评估数据：病变所属的分段、定量狭窄等级、斑块类别为易损或非易损以及分类为开口病变或分叉病变，
[0084]-在分段级别上，从包括如下项的组中选择的结果评估数据：最大阻塞程度、病变的数量和/或病变斑块成分，和
[0085]-在患者级别上，从包括如下项的组中选择的结果评估数据，特别是评估信息：动脉粥样硬化疾病分类为涉及或不涉及左主干分段的单支、二支或三支血管疾病，至少一个分类等级(特别是cad-rads等级)，以及至少一个基于图像的评分。
[0086]
例如，基于图像的评分可以包括分段涉及(involvement)评分、分段狭窄评分、杜克指数和/或ct leaman评分。
[0087]
优选地，至少一部分推理规则可以遵循scct指南和/或cad-rads报告指南的定义。对于第一个指南，请参阅已经引用的j.leipsic等人的文章，对于第二个指南，请参阅r.c.curry等人的文章，“coronary artery disease-reporting and data system(cad-rads):an expert consensus document of scct,acr and nasci:endorsed by the acc”，在jacc cardiovasc imaging 9(2016)中，第1099-1113页。
[0088]
在优选实施例中，推理规则将评估数据集分类为三个抽象层级。在病变级别上，对于每个病变，可以确定以下信息。首先，病变位置可以定义受病变影响的至少一个冠状动脉分段。此外，可以计算量化的狭窄等级，例如“缩小53％”。例如，这可以通过应用传统的定性比较分析(qca)方法使用上述在病变的开始位置/停止位置处导出的直径信息以及病变内
的最小直径来完成。用于估计健康参考直径的其他插值方案是可以想到的。在另一种方法中，可以应用基于图像的分类，例如基于深度学习算法。量化的狭窄等级可以被用来对病变的严重性进行分类，例如分类为“无”、“最小”、“轻度”、“中度”、“重度”和“完全闭塞”。此外，上面提及的斑块类别(斑块成分信息)和上面提及的指示存在易损性指标的斑块易损性信息可以被用来将斑块分类为“易损”或“非易损”。最后，如果适用的话，病变在冠状动脉树中的位置可以被用来将其分类为“分叉病变”或“开口病变”。
[0089]
关于分段级别，推理规则将关于病变级别的可用的信息传播到冠状动脉分段。例如，对于每个分段，可以提供其最大阻塞程度、病变的数量以及它们的斑块成分。
[0090]
关于患者级别，分段级别上的各个分段的分类可以被用来计算冠状动脉树中的疾病的总体状态的不同估计。特别地，疾病可以被分类为涉及或不涉及左主干分段的单支、二支或三支血管疾病。附加地或替代地，可以为给定情况提供遵循cad-rad报告标准的分类。例如，等级“cad-rads 3/v/s”描述了易损斑块的最大阻塞程度为50％至69％以及支架的存在。“cad-rads 0”意指未检测到疾病。此外，可以计算和显示基于图像的评分，例如分段涉及评分、分段狭窄评分、杜克指数和ct leaman评分。
[0091]
如所描述的，所有推断出的信息及其依赖性都作为一个或多个结果评估数据集而被添加到评估数据库中，以使得在需要时可以随时一致地更新评估数据库。
[0092]
值得注意的是，管腔狭窄程度只是用于估计未来心血管事件风险的相关方面之一。研究表明，血管壁中的斑块的类型和数量有助于进一步区分风险。特别地，所谓的低衰减斑块似乎与主要不良心脏通气(macv)高度相关。因此，关于至少一个第二评估算法和/或推理规则，可以包括斑块量化方法。以这种方式，可以提供对冠状动脉疾病的综合估计。
[0093]
在具体实施例中，交互式呈现可以包括(特别地作为可视化数据的)冠状动脉展开视图，特别地作为概览图像，和/或示意图，特别地作为概览图像，和/或至少一个特定于病变的视图，特别地基于弯曲平面重构(cpr)。
[0094]
特别地，可以针对病变级别、分段级别和患者级别生成概览图像，每个图像都记录了评估结果。例如，可以提供以下图像。
[0095]
所有检测到的冠状动脉可以与检测到的病变及其等级一起在单个概览图像中被可视化为冠状动脉展开视图。可以显示图形信息以示出冠状动脉的哪些部分已被检测为患病。作为这种概览图像的示例，可以参考尚未公开的欧洲专利申请ep 19212538.3。
[0096]
附加地或替代地，可以生成表示冠状动脉树的通用模型的至少一个示意性图像，其中可以将冠状动脉分段的阻塞程度显示为彩色编码图像。
[0097]
此外，可以针对每个检测到的冠状动脉病变将特定于病变的视图生成为详细图像。例如，这种特定于病变的视图可以示出受影响血管的弯曲平面重构以及在该冠状动脉上创建的管腔分割。此外，可以显示病变开始位置和/或停止位置以及检测到的具有最大阻塞的位置的横截面视图。基于轮廓，用户可以直观地估计所导出的狭窄分级信息是否可信/合理。
[0098]
在具体实施例中，交互式呈现，特别是概览和/或详细图像和/或信息，可以被显示在用户界面中，例如使用基于网络的应用，其中如果用户对第一评估数据和/或第二评估数据和/或结果评估数据不满意，则用户可以手动调整和/或修改评估结果。例如，在病变级别上，他可以将狭窄等级从“中度”修改为“重度”。结果，导致修改通过评估数据库的前向传
function of coronary artery calcium(from the multi-ethnic study of atherosclerosis[mesa])”，am j cardiol.2009年1月1日；103(1)，第59-63页。
[0108]
同样在这种情况下，所有推断出的评估结果当然都被添加到评估数据库中，包括它们的依赖关系/推理规则的链接。
[0109]
关于评估结果的交互式呈现，对于钙化评分，可以再次针对病变级别(钙化级别)、分段级别和患者级别生成概览图像，其记录分割和钙化结果。在具体实施例中，可以提供钙概览图像，其以颜色编码的方式通过成像区域以最大强度投影可视化所有检测到的钙化。以这种方式，从单个图像中，可以看出已检测到哪些钙化以及是否存在潜在的遗漏病变。如果钙化归因于正确的血管/分段，则钙概览图像还允许获得高级别的理解。附加地或替代地，原始计算机断层扫描切片可以被提供有标记的钙化作为覆盖物，以使得能够对例如左主分叉处的钙化标记进行详细评估。最后，与至少一个钙化评分相关的百分位图可以被包括在交互式呈现中。这样的百分位图可以在所选择的参考人群的上下文中可视化特定于患者的钙化评分，例如agatston评分。关于钙化评分，需要注意的是在交互式呈现中只需要支持很少的修改操作。例如，用户可以手动改变患者信息和/或所选择的参考数据库。这些值的任何手动更改都会触发风险分类的更新，特别是百分位信息和/或动脉年龄。
[0110]
在另外的实施例中，至少一个图像数据集可以包括冠状动脉树的功能图像数据，其中作为评估数据，确定至少一个血流动力学参数，特别是分数流量储备(ffr)。因此，本发明还可以提供冠状动脉疾病的功能估计。特别是关于中等严重性的病变，指南建议进行功能估计。虽然血流动力学测量传统上是通过在血管内部进行实际测量(特别是测量病变部位的压降(分数流量储备-ffr))来执行的，但是最近有人提出也可以基于成像技术无创地确定血流动力学参数。例如，可以基于模拟和/或机器学习从计算机断层扫描图像数据集中确定ffr值。附加地或替代地，也可以采用用于血液动力学估计的其他方法，如冠状动脉体积质量比和/或病变所对向的心肌质量。
[0111]
在扩展中，除了评估冠状动脉树中的钙化之外，关于心脏瓣膜和/或主动脉根部中的钙化的评估数据可以通过至少一个第二评估算法和/或推理规则来确定。以这种方式，主动脉根部和/或心脏瓣膜中的钙化也可以被量化。根据指南，ccta和/或casc报告还应包括关于主动脉根部和心脏瓣膜中是否存在钙化的声明。如果存在，应将钙化量分类为轻度/中度/重度。因此，有利地，本发明的方法和系统可以被扩展为还为主动脉根部和心脏瓣膜中的钙化的检测和/或分级提供支持。
[0112]
此外，在优选实施例中，至少一个心脏参数可以通过至少一个第二评估算法和/或推理规则而被确定为附加评估数据，特别是至少一种心腔容积和/或至少一种心肌大小。例如，基于对比的和/或非对比的心脏计算机断层扫描图像数据集，心室和心房的分割也是可能的。基于这样的分割结果，单个腔室大小的量化以及心肌大小的确定是可能的。如果图像数据集已在多于一个时间点处被采集，附加地，左心室功能和右心室功能可以被量化。在现有技术中已经提出关于心脏参数的量化算法并且也可以在本发明中被应用。
[0113]
当然，如本发明所述，提供可解释的人工智能评估系统的一般概念也可以被应用于其他放射学检查，该系统经由推理规则将局部化解剖和/或病理学发现物和测量值聚合到更抽象的按区域的估计或按患者的估计。例如，根据本发明的方法可以被用于评估肝脏检查和/或数字乳房断层合成检查的图像数据集。
[0114]
根据本发明的用于评估患者的成像区域的至少一个图像数据集以确定描述成像区域的解剖结构中的至少一个医学状况的至少一项评估信息的评估系统包括：
[0115]-图像接口，用于接收至少一个图像数据集；
[0116]-存储部件，用于存储评估数据库和规则集；
[0117]-至少一个第一确定单元，用于使用至少一个第一评估算法来分割和标记解剖结构以生成至少一个第一评估数据集，并使用至少一个第二评估算法来确定描述解剖结构中的至少一个局部医学特征的至少一个第二评估数据集，其中至少一个第一确定单元适于将至少一个第一评估数据集和至少一个第二评估数据集输入到评估数据库中；
[0118]-第二确定单元，用于通过应用规则集的推理规则来确定至少一项评估信息，其中每个推理规则从至少一个、特别是至少两个输入评估数据集中导出至少一个结果评估数据集，其中第二确定单元适于通过在评估数据库中针对链接到相应的输入评估数据集的针每个规则应用添加结果评估数据集来扩充评估数据库；
[0119]-用户界面单元，用于输出交互式呈现，交互式呈现包括来自评估数据库的评估数据集的至少一部分的信息，其中初始显示的交互式呈现包括至少一项评估信息中的至少一项评估信息，并且用户界面适于接收与至少一个选择的结果评估数据集相关的用户交互命令，并且更新交互式呈现以包括至少一个输入评估数据集的信息，所选择的结果评估数据集是从该至少一个输入评估数据集中导出的。
[0120]
与本发明的评估方法相关的所有特征和评论相应地应用于根据本发明的评估系统，以使得可以实现相同的优点。特别地，评估系统可以被配置为执行根据本发明的方法。评估系统可以包括至少一个计算设备，特别是包括至少一个存储部件和/或至少一个处理器。功能单元特别是可以至少部分地以硬件和/或至少部分地以软件来实现。当然，可以添加关于该方法的实施例的其他功能单元。优选地，评估系统还可以包括输出接口，特别地用于输出组合的数据集(特别是整个评估数据库)，例如到图片归档和通信系统(pacs)和/或信息系统和/或电子健康记录。特别地，如果从pacs和/或信息系统和/或电子健康记录中取回图像数据集和/或包括图像数据集的输入数据，例如dicom研究，则这种输出接口也可以用作输入接口，特别是图像接口。如已经解释的，评估系统可以是独立系统，但是也可以被集成到其他系统和设备中，例如在成像设备中，或者优选地在读取工作站中。
[0121]
根据本发明的计算机程序可以被直接加载到评估系统的计算设备的存储部件中并且包括程序部件，使得如果计算机程序在评估系统的计算部件上被执行，则执行根据本发明的方法的步骤。计算机程序可以被存储在根据本发明的电子可读存储介质上，其因此包括控制信息，该控制信息包括根据本发明的至少一个计算机程序，使得如果电子可读存储介质被用于评估系统的计算设备中，则执行根据本发明的方法。根据本发明的电子可读存储介质可以优选地是非暂时性存储介质，例如cd-rom。
附图说明
[0122]
本发明的其他目的和特征将从以下结合附图考虑的详细描述中变得显而易见。然而，附图仅仅是为了说明目的而设计的原理示意图，并不限制本发明。附图示出了：
[0123]
图1是根据本发明的方法的实施例的总体流程图，
[0124]
图2交互式呈现的初始状态的原理图，
[0125]
图3交互式呈现的第二状态的原理图，
[0126]
图4交互式呈现的第三状态原理图，
[0127]
图5交互式呈现的第四状态的原理图，
[0128]
图6是根据本发明的评估系统的示意图。
具体实施方式
[0129]
图1是示出了根据本发明的方法的优选实施例的高级步骤的流程图。在作为可选准备步骤的步骤s1中，接收包括至少一个图像数据集的输入数据。例如，输入数据可以作为某个检查的dicom文件(常常也被称为dicom研究)而被提供。根据评估目的输入数据被自动传递和分类。如果没有找到与具体实施例所提供的评估目的相关的图像数据集，则停止处理。如果与提供的评估目的相关的多个图像数据集在输入数据中可用，则可以根据特定的优先级排序规则对它们进行优先级排序。特别地，对于所提供的每个评估目的，使用至少一个最合适的图像数据集(例如最高优先级)来触发随后的自动化处理。此外，在准备步骤s1中，可以对图像数据集进行预处理，例如关于图像数据的分布、性能等。例如，在移动触发的采集中，可以针对不同的移动阶段生成图像数据集，并且可以选择最合适的图像数据集。
[0130]
在步骤s2中，使用至少一个第一评估算法进行自动解剖检测和标记。至少一个第一评估算法优选地包括至少一个深度学习实现的自动分割算法，以提取解剖的相关部分，特别是针对评估目的感兴趣的解剖结构。可以使用标记方案生成和自动标记几何模型。例如，可以将解剖结构划分为分段，每个分段使用适当的医学术语来命名。标记方案可以遵循包括至少两个层级的经定义的分层结构，在最简单的情况下，整个解剖结构作为最高层级并且分段作为最低层级。然而，多于两个层级是可以想象的，例如关于血管树，其中血管树可以被划分为不同的血管(第一分段)，这些血管又可以被划分为血管分段(第二较低级别分段)。注意，在步骤s3中检测到的局部医学特征在此上下文中提供了进一步的、附加的低层级。作为步骤s2的结果，解剖结构中的每个点可以与一个分段相关联，分段的名称是已知的。
[0131]
在步骤s3中，使用至少一个第二评估算法自动检测医学特征并确定相关联的元数据。优选地，至少一个第二评估算法包括至少一个深度学习实现的检测算法。也就是说，优选地，使用至少一个图像数据集中的至少一个作为输入数据的至少一个第一评估算法和至少一个第二评估算法都包括至少一个经训练的评估函数。自动检测过程提供医学特征的位置，例如病变和/或病理，以及与医学特征相关联的元数据，例如医学特征的表征或与疾病严重性相关的信息。特定元数据属性的可用性取决于检测过程期间使用的实际模型。
[0132]
步骤s2和s3的结果作为第一评估数据集和第二评估数据集分别是第一评估数据和第二评估数据。这些第一评估数据集和第二评估数据集被输入到评估数据库中。
[0133]
在步骤s4中，执行使用包括至少一个推理规则的规则集的基于规则的诊断检查，使得可以通过进一步的结果评估数据集来扩充评估数据库，在评估数据库中收集关于当前病例的所有知识。评估数据库由推理规则处理，推理规则可以包括逻辑操作、统计操作和/或“如果-那么-否则”(if-then-else)规则以及其他链接操作。特别地，进一步的患者数据和/或统计数据也可以通过推断规则中的至少一部分来评估，例如患者性别、患者身高、患者体型、患者年龄、患者种族等。统计数据可以优选地与参考群体相关以确定评估数据，特
别是评估信息，如百分位数和/或解剖学年龄。虽然这些规则特别地可以至少部分地涉及物理和/或技术相关性，但是它们也可以至少部分地编码来自社会指南的知识，例如某些疾病评分和/或其他临床相关评估结果的定义。每个推理规则使用来自评估数据库的至少一个输入评估数据集，并产生至少一个结果评估数据集。结果评估数据集的导出知识被添加回到评估数据库。当然，链接评估数据集的推理规则也被存储在评估数据库中，以使得数据库中的信息可以随时保持一致。注意，这种基于规则的诊断检查还可以将从多个图像数据集中甚至针对多个评估目的导出的信息(特别是如已经描述的)与其他信息源结合，例如与来自外部信息系统的信息源结合。
[0134]
此时应注意，(最小)指定的评估目的是确定至少一项评估信息。该评估信息可以是疾病评分、某种物质的总量化(quantification)等，该评估信息被包括在评估数据库的评估数据中，特别是作为至少一个结果评估数据集中的某个最终结果评估数据，例如在最高层级。然而，这里描述的方法导出并存储附加的评估数据以创建一种能够解释评估信息是如何导出的专家系统，特别是呈现基础信息甚至图像数据。换句话说，通过使用评估数据库和其中包含的所有评估数据，用户可以理解该方法如何基于所提供的图像数据得出结论，特别是还允许用户以一种有效的方式影响自动准备的评估结果，尤其是评估信息，如下面将进一步描述的。
[0135]
在步骤s5中，在用户界面处生成并提供交互式呈现。交互式呈现用于呈现评估结果。交互式呈现可以包括来自至少一个图像数据集的图像数据、从至少一个评估数据集和/或从至少一个图像数据集中的至少一个中导出的可视化数据和/或特别生成的概览图像。例如，图像数据或可视化数据可以被注释、覆盖和/或修改，例如被颜色编码，以将来自评估数据库的信息包括在对应的图像中。优选地，交互式呈现可以在上面讨论的层级上被定向，例如总结关于医学特征级别的信息、至少一个低层级(例如分段级别)和至少一个高层级(例如解剖结构级别或患者级别)。由于评估信息在很多情况下都与最高层级(例如患者层级)相关，所以最初显示的交互式呈现可以主要集中在这个最高层级上，并且还示出了评估信息的至少一部分。然后，用户可以使用用户交互命令来与交互式呈现进行交互，以使得可以更新交互式呈现以包括来自用户交互与之相关的评估数据库的进一步评估数据，特别是信息项的基础信息，特别是评估数据集。
[0136]
关于医学特征级别，例如病变级别，可以为每个检测到的医学特征生成详细图像，其还可以特别地示出来自第一评估数据集和第二评估数据集的信息。通过对照进一步显示的信息、特别是详细图像来验证推断出的评估数据，用户可以随时估计评估结果的可信性。
[0137]
如果用户不同意一个或多个评估结果，他可以手动修改评估数据库中的评估数据。因此，在步骤s6中，检查是否接收到关于修改的用户输入，在这种情况下相应地修改相应的至少一个评估数据集并且在检查步骤s4中更新评估数据库，这也导致步骤s5中的交互式呈现的更新。由于评估数据集都通过推理规则链接，所以通过使用前向链接机制，可以更新受到修改影响的所有评估数据。在一些情况下，还可以更新从中导出修改后的评估数据集的评估数据。例如，如果分类被改变，则可以将该分类的基础值移动到对应于该分类的区间中。替代地或附加地，从中导出修改后的评估数据集的信息也可以被标注为不太可靠，特别是无效的和/或过时的。与修改后的评估数据相链接的所有评估数据也可以在交互式呈现中被标注，以使得用户可以立即看到由于他的修改而更新了哪些信息。
[0138]
然而，如果在步骤s6中，用户认可评估数据库的内容，特别是评估信息，则在步骤s7中，评估结果可以被持久化和/或分发到其他系统，特别是以结构化和/或图片格式，例如基于dicom标准。换言之，可以从包括所有相关的图像数据和/或评估数据的评估数据库中编译组合的数据集。例如，最初在步骤s1中接收到的dicom研究可以用来自评估数据集的进一步信息进行补充，并被存档在pacs和/或电子健康记录中。当然，也可以经由输出接口将评估结果提供给报告系统和/或决策支持系统。
[0139]
现在将描述实现冠状动脉计算机断层造影血管造影扫描和钙化评分扫描的组合评估的具体实施例，特别是关于交互式呈现。如已经讨论的，此类心脏研究(可以作为dicom研究被提供)将冠状动脉树称为解剖结构，并且通常作为评估目的，其目标是确定至少一个动脉粥样硬化疾病评分和至少一个钙化评分作为评估信息。根据描述的一般部分中已经讨论的已知标记方案，冠状动脉树可以被划分为多个分段，以使得评估结果将被生成并在医学特征级别(病变级别/钙化级别)、分段级别和患者级别/解剖结构级别上被呈现。
[0140]
关于步骤s1，如果接收到患者的心脏的新的dicom研究，则在优选实施例中，检查可以被拆分成与心脏周期的不同阶段相关的图像数据集。这是可能的，因为通常ccta扫描是心脏门控的。从这些与不同心脏阶段相关的图像数据集中，可以选择最合适的图像数据集，在这种情况下，可以是示出最少冠状动脉移动的图像数据集。当然，也可以导出其他质量参数来确定适合性度量，以使得可以选择具有最高适合性度量的图像数据集以用于关于ccta评估的进一步处理。如果接收到适合于钙化评分评估的多个图像数据集，则还可以确定与评估要求相关的质量参数并且可以选择最合适的图像数据集。例如，钙化评分评估情况下的质量参数可以与所使用的重建内核有关。
[0141]
关于步骤s2，对于ccta评估，可以使用三个子步骤，即通过中心线追踪算法检测冠状动脉中心线、通过管腔分割算法检测冠状动脉管腔以及根据使用标记算法的标记方案对检测到的冠状动脉进行分类和标记。作为这三个子步骤的结果，从得到的第一评估数据集中，可以知道，针对冠状动脉中的每个点，它们属于哪个冠状动脉分段，冠状动脉管腔的形状是什么，以及这些分段的局部病程如何。如果这些第一评估算法中的一个评估算法也检测到冠状动脉旁路移植物，则它们的病程也变得已知，如果适用的话。
[0142]
关于自动钙化评分，也可以使用这些结果。
[0143]
在步骤s3中，对于ccta评估，使用至少一个病变检测算法作为至少一个第二评估算法。优选地，针对每个病变所得的第二评估数据集包括沿着中心线的病变的开始位置和停止位置、斑块成分(钙化、非钙化或混合)、描述斑块易损性指标存在的斑块易损性信息(如低衰减、正性重塑、斑点状钙化和/或餐巾环征等)以及病变是否被分类为来自先前干预的支架。
[0144]
关于钙化评分评估，对单个钙化进行检测、定位和量化，并将相应的第二评估数据集存储在评估数据库中。
[0145]
在步骤s4中，关于ccta评估，直径信息可以从针对每个病变的至少一个第一评估数据集中的管腔信息中导出。进一步的推理规则可以遵循上面已经引用的scct指南和/或cad-rads报告指南的定义。例如，规则可以包括检查阻塞百分比是否在某个区间中和/或管腔直径是否超过某个阈值。其他规则可以相加地和/或相乘地组合评估数据值，或者通常包括计算公式。
[0146]
在这个优选实施例中，推理规则将检测到的信息分为三个抽象层级，即病变级别、分段级别和患者级别。关于病变级别，提供了以下评估数据：病变位置(病变影响的至少一个冠状动脉分段)、定量狭窄等级、斑块分类为易损或非易损、以及分类为开口病变或分叉病变，如果适用的话。在分段级别上，结果评估数据可以包括最大阻塞程度、病变的数量和/或病变斑块成分。最后，在患者级别上，由推理规则导出的结果评估数据可以包括将动脉粥样硬化疾病分类为涉及或不涉及左主干分段的单支、二支或三支血管疾病，至少一个分类等级以及至少一个基于图像的评分。这些导出的评估数据全部都可以是作为评估目的而被请求的评估信息。例如，可以提供遵循cad-rads报告标准的分类，以及基于图像的评分，如分段涉及评分、分段狭窄评分、杜克指数和ct leaman评分。
[0147]
关于自动钙化评分评估，可以在患者级别和分段级别上提供agatston评分，以及描述钙化的总体积和特定于分段的体积的体积评分。此外，在分段级别和患者级别上，可以提供钙化的总数。最后，在患者级别上，可以确定和提供关于参考人群和/或动脉年龄的百分位数。
[0148]
图2至图5图示了实施例中的结果的交互式呈现，其中ccta评估和钙化评分评估的结果被呈现在同一个用户界面1中。图2示出了在步骤s1到s4中评估完成之后提供的初始视图。用户界面1的第一标签2a是活动的，以使得ccta评估结果的概览被显示。另外的标签2b、2c和2d分别与关于ccta的分段级别信息、关于ccta的病变级别信息和钙化评分评估信息相关。
[0149]
在图2的左侧上，显示了概览图像3，在这种情况下是从至少一个ccta图像数据集中生成的冠状动脉展开视图，其示出了解剖结构4，在这种情况下是冠状动脉树，带有与检测到的病变的至少一部分相关的注释5和覆盖物6。正如可以看出的，通过部分地框定相应的冠状动脉部分来标注病变，例如用黄色来标注，同时可以添加文本信息作为注释5。使用按钮7，可以替代地选择另一个概览图像，特别是示意性概览图像。
[0150]
在用户界面1的右侧上，示出了来自与患者级别相关的评估数据的信息，特别是评估信息8以及进一步的评估数据9。此处示出的患者级别评估结果可以包括cad-rads等级、疾病类型和/或风险评分。至少对于来自评估数据库的显示信息的一部分，用户可以进行交互以修改评估数据和/或接收附加信息，特别是在如下文进一步讨论的视图中。
[0151]
图3示出了分段级别标签2b，在这种情况下包括示意性概览图像10，其中冠状动脉树的分段根据其病变的严重性进行颜色编码。分段级别评估结果进一步以文本形式被显示在用户界面1右侧上的表格11中。
[0152]
图4示出了当ccta病变级别标签2c处于活动时的交互式呈现的用户界面。在左侧上，示出了详细图像12，该详细图像12可以由关于某个病变的若干子图像构成。该病变由文本13指示，而病变可以使用按钮14被跳过。当然，如果接收到与针对交互呈现的先前状态中所示出的分段的病变中的一个病变相关的用户交互命令，则对应的病变被直接选择并示出。在详细图像12中，开始位置、停止位置和最大变窄位置可以与管腔分割一起被记录。第一评估数据和第二评估数据以及与病变相关的结果评估数据被显示在区域15中。
[0153]
最后，图5示出了当钙化评分标签2d是活动时的用户界面1。在这种情况下，在左侧上，概览图像16根据检测到的钙化所归属的分段来可视化检测到的钙化。在右侧上，分别显示关于分段级别和患者级别的评估数据17、18。来自患者级别的信息，评估数据17，还包括
关于钙化评分的评估信息。
[0154]
图6是根据本发明的评估系统19的示意图。评估系统19包括具有存储部件21和至少一个处理器的至少一个计算设备20。在存储部件21中，可以存储规则集22和评估数据库23。
[0155]
评估系统19包括第一输入和输出接口24，评估系统19通过第一输入和输出接口24连接到至少一个成像设备25、至少一个信息系统26和至少一个pacs 27。图像数据集，特别是在dicom研究中，可以经由接口24被从成像设备25、信息系统26和/或pacs 27接收。在信息系统26中，例如可以存储患者的电子健康记录28。此外，至少一个信息系统26可以提供关于参考人口的统计数据。
[0156]
如果经由接口24接收到dicom研究，则准备在实现步骤s1的可选准备单元29中进行评估。第一确定单元30根据图1的步骤s2和s3应用第一评估算法和第二评估算法，并将得到的第一评估数据集和第二评估数据集存储到特定于研究或者甚至特定于评估目的的评估数据库23中。在第二确定单元31中，根据步骤s4应用规则集22的推理规则，扩充评估数据库23。注意，附加信息可以由第二确定单元31考虑，例如来自患者数据和/或统计数据也经由接口24例如从信息系统26被接收到。在用户界面单元32中，生成并管理交互式呈现，特别是关于用户输入和用户交互命令。经由第二输入/输出接口33，可以控制显示设备34和输入设备35并且可以接收用户输入以及用户命令。如果对评估数据库23中的至少一个评估数据集执行了用户发起的修改，则第二确定单元31再次应用规则集22的推理规则来更新所有受修改影响的评估数据集。
[0157]
如果在用户界面单元32中接收到用户批准输入，则可以根据步骤s7编译组合的数据集并经由接口24进行分发以用于存储或进一步处理/查看。
[0158]
在优选实施例中，评估系统19可以被集成到读取工作站中，该读取工作站还包括显示设备34和输入设备35。在其他实施例中，评估系统19可以作为独立系统被提供、被集成到成像设备25中、或者耦合到报告系统和/或决策支持系统。
[0159]
尽管已经参考优选实施例详细描述了本发明，但是本发明不受所公开的示例的限制，本领域技术人员能够在不背离本发明的范围的情况下从中导出其他变型。
技术特征：1.一种用于评估患者的成像区域的至少一个图像数据集的计算机实现的方法，其中描述所述成像区域的解剖结构(4)中的至少一个医学状况的至少一项评估信息被确定，其中所述方法包括：-使用至少一个第一评估算法来分割和标记所述解剖结构(4)以生成至少一个第一评估数据集，并且将所述至少一个第一评估数据集输入到评估数据库(23)中；-使用至少一个第二评估算法来确定描述所述解剖结构(4)中的至少一个局部医学特征的至少一个第二评估数据集，并且将所述至少一个第二评估数据集输入到所述评估数据库(23)中；-通过应用规则集(22)中的推理规则来确定所述至少一项评估信息，其中每个推理规则从至少一个、特别是至少两个输入评估数据集中导出至少一个结果评估数据集，并且其中通过在所述评估数据库(23)中针对链接到相应的输入评估数据集的每个规则应用而添加所述结果评估数据集，所述评估数据库(23)被扩充；-输出交互式呈现，所述交互式呈现包括来自所述评估数据库(23)的所述评估数据集的至少一部分的信息，其中初始显示的所述交互式呈现包括所述至少一项评估信息中的至少一项评估信息，并且当与至少一个选择的结果评估数据集相关的用户交互命令被接收时，更新所述交互式呈现以包括至少一个输入评估数据集的信息，所述选择的结果评估数据集从所述至少一个输入评估数据集中被导出。2.根据权利要求1所述的方法，其特征在于，所述交互式呈现包括来自所述图像数据集的图像数据，和/或从至少一个评估数据集和/或从所述至少一个图像数据集中的至少一个图像数据集中导出的可视化数据，和/或至少一个概览图像(3、10、16)。3.根据权利要求2所述的方法，其特征在于，通过注释和/或覆盖和/或修改所呈现的图像数据和/或可视化数据，包括在所述交互式呈现中的来自所述评估数据集的所述信息的至少一部分被呈现。4.根据前述权利要求中一项所述的方法，其特征在于，基于接收到的用户输入，至少一个评估数据集，特别是第一评估数据集和/或第二评估数据集被修改，其中链接到所述评估数据库(23)中的修改后的所述评估数据集的所有评估数据集被标注，和/或通过使用相应的推理规则，使用修改后的所述评估数据集导出的所有结果评估数据集被更新，和/或从其中导出修改后的评估数据集的至少一个或多个评估数据集的至少一部分被标注为不太可靠和/或从所述交互式呈现中被排除。5.根据前述权利要求中任一项所述的方法，其特征在于，所述解剖结构(4)被分层地划分为多个层级中的分段，其中所述结果数据集的至少一部分针对已定义的层级被确定，和/或包括与已定义的分段相关的评估数据。6.根据权利要求5所述的方法，其特征在于，所述规则集包括分别用于从所述至少一个第二评估数据集中的至少一个第二评估数据集中导出最低层级结果评估数据集的推理规则，和/或从至少一个较低的、特别是相邻的层级输入评估数据集中导出较高层级结果评估数据集的推理规则。7.根据前述权利要求中任一项所述的方法，其特征在于，附加的患者数据和/或统计数据被接收，其中来自所述附加的患者数据和/或统计数据的信息被至少一个推理规则使用。8.根据前述权利要求中任一项所述的方法，其特征在于，如果最终的用户命令被接收
到，则组合的数据集被编译并且被提供以用于存储，所述组合的数据集包括所述至少一个图像数据集和/或所述评估数据集的评估数据的至少一部分、特别是至少所述评估信息。9.根据前述权利要求中一项所述的方法，其特征在于，所述方法还包括决策步骤，在所述决策步骤中，在应用任何第一评估算法或第二评估算法之前，所述至少一个图像数据集关于所述第一评估算法和/或所述第二评估算法的适用性而被分析，和/或以确定合适的第一评估算法和/或第二评估算法，和/或如果多个图像数据集被接收，则将图像数据集与第一评估算法和/或第二评估算法的集合相关联。10.根据前述权利要求中任一项所述的方法，其特征在于，所述解剖结构(4)为冠状动脉树，其中至少一个冠状动脉计算机断层血管造影扫描和至少一个钙化评分计算机断层扫描作为图像数据集被接收，并且所述评估信息包括所述患者的至少一个动脉粥样硬化疾病相关评分和至少一个钙化评分。11.根据权利要求10所述的方法，其特征在于，作为预处理步骤，根据心脏周期的多个阶段，所述心脏门控冠状动脉计算机断层血管造影扫描被拆分成若干图像数据集，其中预定义心脏阶段的所述图像数据集被选择用于评估，和/或最满足所述第一评估算法和/或所述第二评估算法中的至少一个评估算法的要求的所述图像数据集中的至少一个图像数据集和/或至少一个图像数据集的子集被转发到相应的所述第一评估算法和/或所述第二评估算法。12.根据权利要求11所述的方法，其特征在于，在描述所述冠状动脉树的分段的所述至少一个第一评估数据集已经被确定之后，对于至少一个分段和/或至少一组分段，满足所述要求的确定在仅分别示出所述分段和/或所述组的子集上被执行。13.根据权利要求10至12中任一项所述的方法，其特征在于，为了将所述冠状动脉树分割并且标记为解剖结构(4)：-通过所述至少一个第一评估算法中的至少一个第一评估算法，冠状动脉的中心线被检测，-通过所述至少一个第一评估算法中的至少一个第一评估算法，围绕所述中心线的冠状动脉管腔被检测，以及-根据所述冠状动脉树的预定义的分类方案和/或用户可选择的分类方案，检测到的所述冠状动脉被分类为用于通过所述至少一个第一评估算法中的至少一个第一评估算法进行标记的分段，-使得所述至少一个第一评估数据集针对所述冠状动脉树中的每个点来描述所述点属于哪个分段、所述分段的局部病程和所述分段的局部形状。14.根据权利要求10至13中任一项所述的方法，其特征在于，特别地基于所述中心线，所述至少一个第二评估算法检测和分析所述冠状动脉树中的病变，使得针对每个病变，第二评估数据集被生成，所述第二评估数据集包括从包括如下项的组中选择的至少一项信息：-所述病变的开始位置和结束位置，特别地沿着所述中心线，-斑块类别，特别地选自钙化斑块、非钙化斑块和混合斑块，-斑块易损性信息，所述斑块易损性信息从至少一个易损性指标中被导出或描述所述至少一个易损性指标的存在，特别地选自低衰减值、特别是低于30hu的衰减值、正性重塑、
斑点状钙化和餐巾环征，-描述来自早期干预的支架的存在的支架信息。15.根据权利要求10至14中任一项所述的方法，其特征在于，所述推理规则针对三个层级从所述第一评估数据集和/或所述第二评估数据集中导出结果评估数据，即与单个病变相关的病变级别、与冠状动脉的单个分段相关的分段级别、以及与整个所述冠状动脉树相关的患者级别。16.根据权利要求10至15中任一项所述的方法，其特征在于，特别地作为可视化数据，所述交互式呈现包括：冠状动脉展开视图，特别是作为概览图像(3)，和/或示意图，特别是作为概览图像(10)，和/或至少一个特定于病变的视图，特别是基于弯曲平面重构，和/或与至少一个钙化评分相关的百分位图。17.一种评估系统(19)，用于评估患者的成像区域的至少一个图像数据集，以确定描述所述成像区域的解剖结构(4)中的至少一个医学状况的至少一项评估信息，其中所述评估系统(19)包括：-图像接口(24)，用于接收所述至少一个图像数据集；-存储部件(21)，用于存储评估数据库(23)和规则集(22)；-至少一个第一确定单元(30)，用于使用至少一个第一评估算法来分割和标记所述解剖结构(4)以生成至少一个第一评估数据集，并且使用至少一个第二评估算法来确定描述所述解剖结构(4)中的至少一个局部医学特征的至少一个第二评估数据集，其中所述至少一个第一确定单元(30)适于将所述至少一个第一评估数据集和所述至少一个第二评估数据集输入到所述评估数据库中(23)；-第二确定单元(31)，用于通过应用规则集(22)中的推理规则来确定所述至少一项评估信息，其中每个推理规则从至少一个、特别是至少两个输入评估数据集中导出至少一个结果评估数据集，其中所述第二确定单元(31)适于通过在所述评估数据库(23)中针对链接到相应的输入评估数据集的每个规则应用而添加所述结果评估数据集来扩充所述评估数据库(23)；-用户界面单元(32)，用于输出交互式呈现，所述交互式呈现包括来自所述评估数据库(23)的所述评估数据集的至少一部分的信息，其中初始显示的所述交互式呈现包括所述至少一项评估信息中的至少一项评估信息，并且所述用户界面适于接收与至少一个选择的结果评估数据集相关的用户交互命令，并且更新所述交互式呈现以包括至少一个输入评估数据集的信息，所述选择的结果评估数据集从所述至少一个输入评估数据集中被导出。18.一种计算机程序，所述计算机程序如果在评估系统(19)的计算设备(20)上被执行，则执行根据权利要求1至16中任一项所述的方法的步骤。19.一种电子可读存储介质，在其上存储根据权利要求18所述的计算机程序。
技术总结提供了用于评估患者的成像区域的图像数据集的方法，描述成像区域的解剖结构中的医学状况的评估信息被确定，该方法包括：使用第一评估算法来分割和标记解剖结构以生成第一评估数据集并将该第一评估数据集输入到评估数据库；使用第二评估算法来确定描述解剖结构中的局部医学特征的第二评估数据集并将该第二评估数据集输入到评估数据库中；通过应用规则集中的推理规则来确定评估信息，其中每个推理规则从至少一个输入评估数据集中导出结果评估数据集，并且其中通过在评估数据库中针对链接到相应输入评估数据集的每个规则应用添加结果评估数据集来扩充评估数据库；输出交互式呈现，该交互式呈现包括来自评估数据库的评估数据集的至少一部分的信息。数据集的至少一部分的信息。数据集的至少一部分的信息。
技术研发人员：M
受保护的技术使用者：西门子医疗有限公司
技术研发日：2022.04.29
技术公布日：2022/11/1
