Nothing Special   »   [go: up one dir, main page]

DE102008037558A1 - System und Verfahren zum Diagnostizieren eines medizinischen Zustands - Google Patents

System und Verfahren zum Diagnostizieren eines medizinischen Zustands Download PDF

Info

Publication number
DE102008037558A1
DE102008037558A1 DE102008037558A DE102008037558A DE102008037558A1 DE 102008037558 A1 DE102008037558 A1 DE 102008037558A1 DE 102008037558 A DE102008037558 A DE 102008037558A DE 102008037558 A DE102008037558 A DE 102008037558A DE 102008037558 A1 DE102008037558 A1 DE 102008037558A1
Authority
DE
Germany
Prior art keywords
image data
patient
data
image
acquired
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
DE102008037558A
Other languages
English (en)
Inventor
Kadri Nizar Waukesha Jabri
Renuka Pewaukee Uppaluri
Yan Laura Lin
Huanzhong Li
Gopal B. Menomonee Falls Avinash
John Michael Sussex Sabol
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
General Electric Co
Original Assignee
General Electric Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by General Electric Co filed Critical General Electric Co
Publication of DE102008037558A1 publication Critical patent/DE102008037558A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48Diagnostic techniques
    • A61B6/482Diagnostic techniques involving multiple energy imaging

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

System (10) zur Diagnostizierung eines medizinischen Zustands in einem Patienten anhand eines Zugriffs auf Bilddaten (12) und Nichtbilddaten (14) eines Patienten, einer Analyse der Kombination aus Bilddaten (12) und Nichtbilddaten (14), um eine Ausgabe (18) mit Bildbefunden und einer Risikobeurteilung zu erzeugen, die dazu dienen, bestimmte medizinische Zustände in dem Patienten zu diagnostizieren. Die Bilddaten (12) können von einem Bildakquisitionssystem akquiriert werden. Die Nichtbilddaten (14) können klinische Daten des Patienten enthalten und können von einer Benutzerschnittstelle (26), einer elektronischen Patientenakte (30) und/oder Befunden von einem Expertensystem (16) von früheren Bildgebungssitzungen erworben werden.

Description

  • HINTERGRUND ZU DER ERFINDUNG
  • Diese Offenbarung betrifft allgemein Bildgebungssysteme und -verfahren und insbesondere ein System und Verfahren zur effizienteren und genaueren Diagnose eines medizinischen Zustands, wie beispielsweise Tuberkulose.
  • Medizinische Bildgebung, insbesondere diagnostische Bildgebung, ist zu einem Eckpfeiler der medizinischen Praxis auf allen Gebieten geworden. Eine derartige Bildgebung hat interventionelle Verfahren, wie beispielsweise chirurgische Untersuchungen, weitgehend verdrängt und die Fähigkeit, Krankheitszustände zu detektieren und zu diagnostizieren und viele unterschiedliche Krankheitszustände zu behandeln, deutlich verbessert. Momentan ist eine weite Vielfalt von diagnostischen Bildgebungsmodalitäten verfügbar, zu denen Magnetresonanz (MR), Computertomographie (CT), Ultraschall, Röntgen, Positronen-Emissions-Tomographie (PET) und andere sowie Kombinationen von diesen gehören. In vielen Fällen können mehr als eine einzelne dieser Bildgebungsmodalitäten einen Schlüssel zum Verstehen der Entwicklung von Krankheiten bzw. Störungen in bestimmten Geweben eines Patienten darstellen, der nützlich ist, um eine genaue Diagnose vorzunehmen und um schließlich eine hochqualitative medizinische Versorgung zu erbringen.
  • Um die Effizienz und Genauigkeit bei der Diagnose bestimmter medizinischer Zustände zu verbessern, werden verbesserte Verfahren zur Integration von Bilddaten mit Nichtbilddaten und zur Analyse dieser Kombination von Daten benötigt.
  • Tuberkulose stellt ein Beispiel für einen medizinischen Zustand dar, der eine effizientere und verbesserte diagnostische Genauigkeit benötigt. Durch Tuberkulose sterben fast drei Millionen Menschen pro Jahr, was mehr als bei jedem anderen Infektionserreger ist, und die momentane Infektionsrate beträgt eine Person pro Sekunde. Es ist die Haupttodesursache unter Menschen mit HIV und AIDS. Obwohl Tuberkulose behandelt werden kann, ist eine Diagnose langwierig und schwierig.
  • Eine der üblichen diagnostischen Untersuchungswerkzeuge für Tuberkulose ist die standardgemäße Brust-Röntgenaufnahme. Obwohl die Brust-Röntgenaufnahme für viele Abnormalitäten, die eine Tuberkulose anzeigen können, empfindlich ist, ist sie nicht diagnostisch spezifisch genug, so dass der untersuchende Arzt gewöhnlich auf eine weite Reihe nichtmedizinischer klinischer Informationen angewiesen ist, um das Risiko eines Patienten, der eine aktive Tuberkulosekrankheit aufweist, zu beurteilen. Jedoch variiert diese Beurteilung hinsichtlich der Qualität und Genauigkeit aufgrund der großen Anzahl radiographischer Muster oder Ergebnisse, die in einer Brust-Röntgenaufnahme eines momentan oder zuvor mit Tuberkulose infizierten Patienten vorhanden sein können, der großen Anzahl und subjektiven Art klinischer Nichtbildinformationen und ihrer Interpretation sowie der Vorgeschichte einer anderen aktiven oder früheren Krankheit, die radiographische Muster erzeugt, die das Vorliegen von Tuberkulose vortäuschen oder maskieren können.
  • In vielen Ländern und Regionen ist ein Tuberkulose-Screening eine Routineuntersuchung, wobei hierzu auch eine Untersuchung im Vorfeld eines neuen Beschäftigungsverhältnisses und eine Untersuchung beim Einreisen und Ausreisen an einer Grenze gehören. Dies erzeugt eine riesige Anzahl von Fällen und stellt ein deutliches Arbeitspensum und eine mögliche Belastung für lokale Ressourcen im Gesundheitsbereich dar. Deshalb wird eine effiziente Screening-Untersuchung und eine schnelle Verarbeitung dieser Fälle benötigt. Ferner besteht ein Bedarf nach einer effektiven Registrierung, Aufspürung und Überwachung der untersuchten Menschen, so dass Einzelpersonen sowohl mit hohem als auch mit niedrigem Risiko identifiziert werden können und eine Behandlung oder Folgemaßnahme überwacht werden kann.
  • Folglich besteht ein Bedarf nach einem System und Verfahren zur Verbesserung der diagnostischen Genauigkeit medizinischer Zustände durch Unterstützung des Arztes bei der Analyse der Kombination aus einer weiten Vielfalt von Bilddaten und klinischen Nichtbilddaten für jeden Patienten.
  • KURZE BESCHREIBUNG DER ERFINDUNG
  • In einer Ausführungsform ist ein System zur Diagnose eines medizinischen Zustands in einem Patienten geschaffen, wobei das System einen Eingang bzw. eine Eingabe von Bilddaten des Patienten, einen Eingang bzw. eine Eingabe von Nichtbilddaten des Patienten, ein Expertensystem zur Analyse der Bilddaten und der Nichtbilddaten, um das Vorkommen (die Prävalenz) von Mustern in den Bilddaten und den Nichtbilddaten zu bestimmen, und eine Ausgabe der Analyseergebnisse sowie einer Beurteilung des Risikos des medizinischen Zustands des Patienten beinhaltet.
  • In einer Ausführungsform ist ein Computer implementiertes Verfahren zur Diagnose eines medizinische Zustands in einem Patienten geschaffen, wobei das Verfahren aufweist: Zugriff auf Bilddaten des Patienten, die von einem Bildakquisitionssystem erzeugt werden; Zugriff auf Nichtbilddaten des Patien ten; Analyse der Bilddaten und der Nichtbilddaten, um das Vorkommen vorbestimmter interessierender Muster in den Bilddaten und den Nichtbilddaten festzustellen; und Darstellung von Analyseergebnissen der Bilddaten sowie einer Risikobeurteilung hinsichtlich des medizinischen Zustands in dem Patienten für einen Benutzer zur Ermittlung einer Diagnose.
  • In einer Ausführungsform ist ein Computer implementiertes Verfahren zur Diagnose eines medizinischen Zustands in einem Patienten auf der Basis einer elektronischen medizinischen Akte bzw. elektronischen Patientenakte geschaffen, wobei das Verfahren aufweist: Zugriff auf diagnostische Bilddaten von einer elektronischen medizinischen Akte des Patienten; Zugriff auf Nichtbilddaten von der elektronischen medizinischen Akte des Patienten; Analyse der Bilddaten und der Nichtbilddaten, um das Vorkommnis vorbestimmter interessierender Muster in den Bilddaten und den Nichtbilddaten zu bestimmen; und Darstellung von Analyseergebnissen der Bilddaten sowie einer Beurteilung des Risikos des medizinischen Zustands in dem Patienten für einen Benutzer zur Ermittlung einer Diagnose.
  • In einer Ausführungsform ist ein Computer lesbares Speichermedium geschaffen, das einen Satz auf diesem gespeicherter Instruktionen zur Ausführung durch einen Computer aufweist, wobei der Satz Instruktionen aufweist: eine Routine zum Zugriff auf Bilddaten; eine Routine zum Zugriff auf Nichtbilddaten; eine Routine zur Analyse der Bilddaten und der Nichtbilddaten; und eine Routine zur Visualisierung von Ergebnissen der Analyse der Bilddaten und der Nichtbilddaten.
  • Verschiedene weitere Merkmale, Aspekte und Vorteile erschließen sich für einen Fachmann aus den beigefügten Zeichnungen und deren detaillierter Beschreibung.
  • KURZE BESCHREIBUNG DER ZEICHNUNGEN
  • 1 zeigt ein Blockschaltbild einer beispielhaften Ausführungsform eines Systems zur Diagnose eines medizinischen Zustands in einem Patienten;
  • 2 zeigt ein Blockschaltbild einer beispielhaften Ausführungsform eines Systems zur Diagnose eines medizinischen Zustands in einem Patienten;
  • 3 zeigt ein Flussdiagramm einer beispielhaften Ausführungsform eines Verfahrens zur Diagnose eines medizinischen Zustandes in einem Patienten;
  • 4A zeigt eine schematisierte Darstellung einer beispielhaften Ausführungsform einer Ausgabe eines Systems und Verfahrens zur Diagnose eines medizinischen Zustands in einem Patienten; und
  • 4B zeigt eine schematisiere Darstellung einer beispielhaften Ausführungsform einer Ausgabe eines Systems und Verfahrens zur Diagnose eines medizinischen Zustands in einem Patienten.
  • DETAILLIERTE BESCHREIBUNG DER ERFINDUNG
  • Mediziner, die wünschen, bestimmte Diagnosen vorzunehmen oder Diagnosen auszuschließen, können ein durch Software implementiertes Expertensystem nutzen, um bekannte Bildinformationen auszuwerten und sich auf Informationen von einer elektronischen medizinischen Akte oder elektronischen Patientenakte (EPA) zu stützen, um die nützlichsten nächsten Schritte zur Erzielung einer medizinischen Versorgung für einen Patienten zu bestimmen.
  • Indem nun auf die Zeichnungen Bezug genommen wird, veranschaulicht 1 ein Blockschaltbild einer beispielhaften Ausführungsform eines Systems 10 zur Diagnose eines medizinischen Zustands in einem Patienten. Das System 10 enthält einen Eingang mit bzw. eine Eingabe von Bilddaten 12 eines Patienten, die von einem Bildakquisitionssystem 20 akquiriert worden sind, und einen Eingang mit bzw. eine Eingabe von klinischen Nichtbilddaten des Patienten von einer elektronischen medizinischen Akte (EPA), die beide einem Expertensystem 16 zur Analyse der Bilddaten 12 und der Nichtbilddaten 14 zugeführt werden, um Muster in den Bilddaten und den Nichtbilddaten zu bestimmen. In einer beispielhaften Ausführungsform kann das Bildakquisitionssystem 20 ein Röntgensystem sein, das Bilddaten von Röntgenaufnahmen eines Patienten liefert. Das Expertensystem 16 liefert eine Ausgabe 18 mit einer Anzeige verbesserter Bildergebnisse bzw. -befunde und einer Risikobeurteilung für eine Diagnose bestimmter medizinischer Zustände. Die Risikobeurteilung basiert sowohl auf den Bilddaten 12 als auch auf den Nichtbilddaten 14. In einer beispielhaften Ausführungsform können die verbesserten Bildergebnisse bzw. -befunde durch Computer unterstützte Diagnose oder Computer unterstütze Erfassung (CAD, Computer Aided Detection) erhaltene Bildergebnisse sein. In einer beispielhaften Ausführungsform kann die Ausgabe 18 optional nächste und/oder nachfolgende Schritte zur Fortführung einer Patientenversorgung für einen bestimmten Patienten empfehlen.
  • Das Expertensystem 16 ermöglicht eine automatische wissensbasierte Analyse von Bild- und Nichtbildinformationen. Das Expertensystem 16 kombiniert wissensbasierte Analyse zur Detektion von Röntgenbildmustern und Nichtbilddaten 14. Das Expertensystem 16 erfasst Muster in den Nichtbilddaten 14 und detektiert Korrelationen zwischen Merkmalen in den Bilddaten 12 und den Nichtbilddaten 14.
  • In einer beispielhaften Ausführungsform kann das Expertensystem 16 in Software, Hardware oder einer Kombination von diesen implementiert sein. In einer beispielhaften Ausführungsform kann das Expertensystem 16 in das Bildakquisitionssystem 16 integriert sein. In einer beispielhaften Ausführungsform kann das Expertensystem 16 ein eigenständiges, allein operierendes System (Stand-Alone-System) sein. In einer beispielhaften Ausführungsform kann das Expertensystem 16 ein vollständig automatisiertes System sein. In einer beispielhaften Ausführungsform kann das Expertensystem 16 ein bedarfsbasiertes System (On-Demand-System) sein, das über eine Benutzerschnittstelle 24 konfiguriert werden kann.
  • In einer beispielhaften Ausführungsform kann das Expertensystem 16 Kombinationen enthalten aus: automatisierten Bildsegmentierungsalgorithmen, die die Lage, Form und Kontur bestimmter anatomischer Merkmale erfassen; automatisierter Röntgenbild-Mustererfassung und -klassifikation unter Verwendung von Mustererkennungsalgorithmen und einer Wissensbasis mit radiographischen Befunden zu medizinischen Zuständen und nichtmedizinischen Zuständen; einem regelbasierten oder lernbasierten System (z. B. neuronalen Netzen, Stützvektormaschinen (Sup port Vector Machines), genetischen Algorithmen, Kombinationen von diesen); einem statistisch basierten System (z. B. Bayes, Maximum-Likelihood (größte Wahrscheinlichkeit), maximale Entropie). In einer beispielhaften Ausführungsform kann das Expertensystem 16 die Nichtbilddaten 14 nutzen, um die Parameterauswahl für bildbasierte Analysealgorithmen individuell anzupassen.
  • In einer beispielhaften Ausführungsform kann die elektronische Patientenakte (EPA) Nichtbilddaten für jeden einzelnen Patienten enthalten. Schritte zum Aufbau, Modifizieren und Aktualisieren der EPA umfassen eine Akquisition der Nichtbilddaten. Die Nichtbild-Patientendaten in der EPA können auf jede geeignete Weise, einschließlich derjenigen, die zur Erzeugung herkömmlicher elektronischer Patientenakten verwendet werden, akquiriert werden. Beispielsweise können Daten von Hand eingegeben oder über drahtgebundene oder drahtlose Kommunikationsverbindungen und/oder Netzwerke übermittelt werden. Die Daten in der EPA können aktualisiert werden, sobald neue Daten verfügbar werden. Im Allgemeinen wird eine EPA-Datenakquisition erreicht, indem die Daten in einer Weise digitalisiert oder zusammengefasst werden, die es gestattet, die Daten in einem Computer lesbaren Medium zu speichern.
  • In einer beispielhaften Ausführungsform können die Nichtbilddaten die Krankengeschichte, Symptome, klinische Untersuchungsergebnisse, Testergebnisse, Risikofaktoren, Einwirkung infektiöser medizinischer Zustände, physiologische Daten, histopathologische Daten, genetische Daten, pharmakokinetische Daten des Patienten oder jede beliebige Kombination von diesen enthalten.
  • In einer beispielhaften Ausführungsform können die Nichtbilddaten Tabellen, die Testergebnisse beinhalten, Textberich te über die Testergebnisse (strukturiert und unstrukturiert) sowie Ergebnisse enthalten, die als klinische Tests betreffende Signalformen dargestellt sind. Die Nichtbilddaten können mit bekannten Standards oder Ad hoc-Standards verglichen werden, die auf der Basis (in Bezug auf den interessierenden klinischen Zustand) normaler Menschen festgesetzt werden. Interessierende Muster können aus mehreren Tests für einen medizinischen Zustand abgeleitet werden.
  • Beispiele zum Aufbereiten von Nichtbilddaten zur Musteranalyse können wie folgt beschrieben werden.
  • Transformation zu standardisierten/normalisierten Datenwerten: Es wird ein eindeutig definiertes Normkollektiv verwendet, um die Normdatenbank zu erzeugen. Der Satz des Normkollektivs wird klinischen Tests unterworfen, die dem interessierenden klinischen Fall entsprechen. In dem standardisierten Raum wird jedem Testwert ein Mittelwert und eine zugeordnete Standardabweichung auf der Basis der Datenproben aus dem Kollektiv der Normalfälle zugewiesen.
  • Berechnung eines Abweichungswertes von der Norm: Ein Verfahren zur Bestimmung der Abweichung von normalen Datenwerten erfolgt beispielsweise wie folgt. Alle klinischen Testdaten eines Patienten werden standardisiert und mit dem Mittelwert der Normdatenbank unter Verwendung der folgenden Gleichung verglichen:
    Figure 00090001
    wobei ai den i-ten klinischen Test des klinischen Zustands a und
    Figure 00090002
    und
    Figure 00090003
    darstellt. Dieser Prozess wird auf alle klinischen Tests unter all den klinischen Bedingungen angewandt, und die Resultante ist ein Nichtbilddaten (Metadaten)-Abweichungs-„Vektor".
  • Visualisierung und Anzeige der Abweichungsdaten: Die Abweichung von mehreren klinischen Tests ist eine Abweichungskarte bzw. -map, die als ein synthetisches Bild dargestellt wird, wobei jeder Pixelwert durch die Abweichung eines spezifischen klinischen Tests dargestellt ist. Muster können anhand dieser Abweichungsmap analysiert werden.
  • Die Bilddaten 12 und die Nichtbilddaten 14 können zu dem Expertensystem 16 über eine drahtgebundene oder drahtlose Kommunikationsschnittstelle übertragen werden. Die EPA 30 kann mit dem Expertensystem 16 über eine drahtgebundene oder drahtlose Kommunikationsschnittstelle unter Verwendung eines lokalen Netzwerks (LAN) oder eines Weitbereichsnetzwerks (WAN) gekoppelt sein. Die drahtlose Kommunikationsschnittstelle kann durch ein Protokoll für drahtlose Kommunikationen implementiert sein.
  • Als ein Beispiel für das obige System zur Diagnose von Tuberkulose ist die Bilddateneingabe durch Bruströntgenaufnahmen eines Patienten gebildet, während die Nichtbilddaten klinische Informationen über den Patienten sind. In einer beispielhaften Ausführungsform können die Brust-Röntgenbilder durch direkte digitale Radiographie (DDR), Computerradiographie (CR) oder mit einem digitalisierten Röntgenfilm digital erzeugt werden. In einer beispielhaften Ausführungsform kann das Bildakquisitionssystem eine Dualenergie-Untersuchung oder eine Tomosynthese-Untersuchung verwenden, bei der mehr als nur ein einzelnes Bild von einer oder mehreren Ansichten akquiriert wird, um die Bilddaten zu erzeugen. In dem Fall eines Einzelenergiebildes können die Röntgenaufnahmen der Brust in Form lediglich einer Posterior-Anterior(PA)-Ansicht gebildet sein, oder sie können durch eine PA-Ansicht und eine laterale Ansicht oder weitere zusätzliche Ansichten dargestellt sein. Die Bilddaten können ferner ältere Brust-Röntgenaufnahmen enthalten, die vor einer momentanen Bildgebungssitzung akquiriert worden sind. Die Nichtbilddaten können enthalten: die Krankengeschichte des Patienten (einschließlich früherer Ergebnisse des Expertensystems); Symptome (z. B. Husten, Körpertemperatur); Ergebnisse von (vergangenen oder momentanen) Blut-, Sputum- und Biopsieuntersuchungen; Gefährdung durch Tuberkulose; Risikofaktoren für Tuberkulose (z. B. kürzliche Reise in Regionen mit hohem Risiko); Gefährdung durch andere Pathologien, die Tuberkulose vortäuschen oder die radiographische Erscheinung von Tuberkulose verändern können (z. B. HIV), etc. Die Nichtbilddaten können über eine Benutzerschnittstelle manuell eingegeben, von EPAs unmittelbar erhalten oder anhand einer früheren Expertensystemanalyse der Patientendaten aktualisiert werden. Das System verbessert den Zugriff auf Tuberkuloseuntersuchungen in entfernten Regionen der Welt, in denen ein Facharzt nicht verfügbar oder üblich sein kann. Das System verbessert ferner den Tuberkulose-Screeningablauf, indem es eine bedarfsorientierte Tuberkulosediagnose von der Ferne aus auf Verlangen ermöglicht, die Überprüfungseffizienz erhöht und die Belastung durch Massenscreening verringert.
  • 2 veranschaulicht ein Blockschaltbild einer beispielhaften Ausführungsform eines Systems 10 zur Diagnose eines medizinischen Zustands in einem Patienten. Das System 10 enthält eine Bildakquisitionsworkstation (Arbeitsplatzrechner) 20, die Bilddaten 12 zu einem Expertensystem 16 und/oder einer EPA 30 liefert, eine Benutzerschnittstelle 26, die Nichtbilddaten 14 zu dem Expertensystem 16 liefert, wobei die EPA Nichtbilddaten 14 und/oder Bilddaten 12 zu dem Expertensystem 16 liefert. Die Nichtbilddaten 14 können über eine Benutzerschnittstelle 26 von Hand eingegeben, von der EPA 30 direkt erhalten oder von einer vorherigen Analyse von Patientendaten durch das Expertensystem aktualisiert werden. Das Expertensystem 16 liefert als Ausgabe 18 eine Anzeige mit verbesserten Bildergebnissen bzw. -befunden und einer Risikobeurteilung zur Diagnose bestimmter Krankheitszustände bzw. Beschwerden. In einer beispielhaften Ausführungsform kann das Bildakquisitionssystem 20 ein Röntgensystem sein, das Bilddaten von Röntgenaufnahmen eines Patienten liefert. Die Risikobeurteilung beruht sowohl auf den Bilddaten 12 als auch auf den Nichtbilddaten 14. In einer beispielhaften Ausführungsform können die verbesserten Bildergebnisse bzw. -befunde CAD-Bildbefunde sein. In einer beispielhaften Ausführungsform kann die Ausgabe 18 optional die nächsten Schritte und/oder Nachuntersuchungs- bzw. Nachbehandlungsschritte empfehlen, mit denen bei der Patientenversorgung für einen bestimmten Patienten fortgefahren werden sollte. In einer beispielhaften Ausführungsform kann eine Benutzerschnittstelle 22 mit dem Bildakquisitionssystem 20 verbunden sein, um den Betrieb des Bildakquisitionssystems 20 zu steuern. In einer beispielhaften Ausführungsform kann eine Benutzerschnittstelle 24 mit dem Expertensystem 16 gekoppelt sein, um den Betrieb des Expertensystems 16 zu steuern.
  • Das Expertensystem 16 ermöglicht eine automatische wissensbasierte Analyse von Bild- und Nichtbildinformationen. Das Expertensystem 26 kombiniert wissensbasierte Analyse zur Detektion von Röntgenbildmustern und Nichtbilddaten 14. Das Expertensystem 16 detektiert Muster in den Nichtbilddaten 14 und detektiert Korrelationen zwischen Merkmalen in den Bilddaten 12 und den Nichtbilddaten 14.
  • In einer beispielhaften Ausführungsform kann das Expertensystem 16 mit Software, Hardware oder einer Kombination von diesen implementiert werden. In einer beispielhaften Ausführungsform kann das Expertensystem 16 in dem Bildakquisitions system 16 integriert sein. In einer beispielhaften Ausführungsform kann das Expertensystem 16 ein eigenständig operierendes Stand-Alone-System sein. In einer beispielhaften Ausführungsform kann das Expertensystem 16 ein vollautomatisiertes System sein.
  • In einer beispielhaften Ausführungsform kann das Expertensystem 16 ein auf Verlangen operierendes On-Demand-System sein, das über eine Benutzerschnittstelle 24 konfigurierbar sein kann. In einer beispielhaften Ausführungsform kann das Expertensystem 16 Kombinationen aus Folgendem enthalten: automatisierte Bildsegmentierungsalgorithmen, die die Lage, Gestalt und Kontur bestimmter anatomischer Merkmale erfassen; automatisierte Röntgenbildmustererfassung und -klassifizierung unter Verwendung von Mustererkennungsalgorithmen und einer Wissensbasis über radiographische Befunde von Krankheitszuständen und Nichtkrankheitszuständen; ein regelbasiertes oder lernbasiertes System (neuronale Netzwerke, Support Vector Machines (Stützvektormaschinen), genetische Algorithmen, Kombinationen derselben); ein statistisch basiertes System (Bayes, Maximum-Likelihood, maximale Entropie). In einer beispielhaften Ausführungsform kann das Expertensystem 16 die Nichtbilddaten 14 verwenden, um die Parameterauswahl für bildbasierte Analysealgorithmen individuell anzupassen.
  • In einer beispielhaften Ausführungsform kann das Expertensystem 16 konfiguriert sein, um nichtmedizinische Empfehlungen für jeden Patienten zu machen. Beispielsweise kann das System an einem Durchleuchtungsort beim Grenzeintritt konfiguriert sein, um zu empfehlen, ob die durchleuchtete Einzelperson eingelassen/wieder eingelassen, eingelassen/wieder eingelassen mit empfohlener Nachuntersuchung oder Überwachung oder ob ihr der Eintritt verweigert werden sollte. In einer beispielhaften Ausführungsform kann das Expertensystem 16 ferner frü here Ergebnisse von Expertensystemanalysen der Patientendaten oder frühere Tuberkuloseuntersuchungen durch einen Arzt abrufen und Nachsorgeaufgaben empfehlen. Zum Beispiel: „Wurden frühere Befunde (sowohl Tuberkulose- als auch Nichttuberkulosebefunde) behoben, oder wurde eine geeignete Behandlung oder Nachsorge beendet?"
  • In einer beispielhaften Ausführungsform kann die EPA Bilddaten und Nichtbilddaten für jeden individuellen Patienten enthalten. Die Schritte zur Errichtung, Modifizierung und Aktualisierung der EPA umfassen eine Akquisition der Bilddaten und der Nichtbilddaten. Die Daten in der EPA können auf jede geeignete Weise, einschließlich derjenigen, die zur Erzeugung herkömmlicher elektronischer medizinischer Akten verwendet werden, akquiriert werden. Beispielsweise können die Daten von Hand eingegeben oder über drahtgebundene oder drahtlose Kommunikationsverbindungen und/oder Netzwerke übermittelt werden. Die Daten in der EPA können aktualisiert werden, sobald neue Daten verfügbar werden. Im Allgemeinen wird eine EPA-Datenakquisition erzielt, indem die Daten in einer Weise digitalisiert oder zusammengefasst werden, die es ermöglicht, die Daten auf einem Computer lesbaren Medium zu speichern.
  • In einer beispielhaften Ausführungsform können die Nichtbilddaten die Patientenkrankengeschichte, Symptome, klinische Untersuchungsergebnisse, Testergebnisse, Risikofaktoren, Gefährdung durch infektiöse Krankheiten, physiologische Daten, histopathologische Daten, genetische Daten, pharmakokinetische Daten oder jede beliebige Kombination von diesen enthalten.
  • Die Bilddaten 12 und die Nichtbilddaten 14 können zu dem Expertensystem 16 durch eine drahtgebundene oder drahtlose Kommunikationsschnittstelle übertragen werden. Die EPA 30 kann mit dem Expertensystem 16 über eine Schnittstelle zur drahtge bundenen oder drahtlosen Kommunikation unter Verwendung eines lokalen Netzwerks (LAN) oder eines Weitbereichsnetzwerks (WAN) gekoppelt sein. Die Schnittstelle zur drahtlosen Kommunikation kann durch ein Protokoll zur drahtlosen Kommunikation implementiert sein.
  • 3 veranschaulicht ein Flussdiagramm einer beispielhaften Ausführungsform eines Verfahrens 50 zum Diagnostizieren einer allgemein als medizinischer Zustand bezeichneten Krankheit bzw. Beschwerde eines Patienten. Das Verfahren 50 enthält in Schritt 52 ein Zugreifen auf Bilddaten von einem Bildakquisitionssystem aus. Das Verfahren 50 enthält ferner in Schritt 54 einen Zugriff auf Nichtbilddaten. Die Kombination aus Bilddaten und Nichtbilddaten wird zusammen in Schritt 56 analysiert. Anschließend wird eine Ausgabe mit einem Bildbefund und einer Risikobeurteilung für eine Diagnose eines medizinischen Zustands erzeugt. In Schritt 56 kann an den Daten eine Analyse durchgeführt werden, um beispielsweise Elemente der Daten einander sowie gegebenenfalls anderen Daten, die strenggenommen nicht die einzelnen Patienten betreffen, zuzuordnen. Somit kann die Analyse eine Berücksichtigung weiterer Daten für Populationen von Patienten, bekannter Informationen in Bezug auf Bedingungen und Krankheitszustände, bekannter Informationen in Bezug auf Risikofaktoren für medizinische Zustände und dergleichen enthalten.
  • In einer beispielhaften Ausführungsform weist ein Computer implementiertes Verfahren zur Diagnose eines medizinischen Zustands in einem Patienten auf: Zugriff auf Bilddaten des Patienten, die durch ein Bildakquisitionssystem erzeugt worden sind; Zugriff auf Nichtbilddaten des Patienten; Analyse der Bilddaten und der Nichtbilddaten, um das Vorkommnis bzw. die Plävalenz vorbestimmter interessierender Muster in den Bilddaten und den Nichtbilddaten zu bestimmen; und Darstellung von Analyseergebnissen der Bilddaten und einer Risikobeurteilung des medizinischen Zustands in dem Patienten für einen Benutzer zur Festsetzung einer Diagnose.
  • In einer beispielhaften Ausführungsform ist ein Computer implementiertes Verfahren zum Diagnostizieren eines medizinischen Zustands in einem Patienten auf der Basis einer elektronischen medizinischen Akte geschaffen, wobei das Verfahren aufweist: Zugriff auf diagnostische Bilddaten von der elektronischen medizinischen Akte des Patienten; Zugriff auf Nichtbilddaten von der elektronischen medizinischen Akte des Patienten; Analyse der Bilddaten und der Nichtbilddaten, um das Vorkommen bzw. die Prävalenz vorbestimmter interessierender Muster in den Bilddaten und den Nichtbilddaten zu bestimmen; und Darstellung von Analyseergebnissen der Bilddaten und einer Beurteilung des Risikos des medizinischen Zustands in dem Patienten für einen Benutzer zur Festsetzung einer Diagnose.
  • 4A und 4B veranschaulichen Beispiele von Ausgaben 60 des beispielhaften Systems und Verfahrens gemäß der vorliegenden Offenbarung. 4A zeigt eine schematisierte Darstellung einer beispielhaften Ausführungsform einer Anzeige einer Ausgabe 60 eines Systems und Verfahrens zum Diagnostizieren eines medizinischen Zustands in einem Patienten. Die Anzeige der Ausgabe 60 enthält ein Brust-Röntgenbild 62 mit detektierten Mustern und Befunden, die dem Benutzer mittels eines visuellen Indikators oder Kommentars 64 auf der Anzeige angezeigt werden. Bei der in 4A veranschaulichten Ausführungsform zeigt die Anzeige der Ausgabe 60 ein Röntgenbild 62 einer Brust mit einem Indikator 64, der einen einzelnen Knoten auf der Röntgenaufnahme veranschaulicht. Die Anzeige der Ausgabe 60 enthält ferner schriftlichen Text 66 mit einer Beurteilung des Risikos oder der Wahrscheinlichkeit dafür, dass der Patient einen bestimmten medizinischen Zustand bzw. eine bestimmte Krankheit, wie beispielsweise Tuberkulose (aktive oder vergangene), hat, gemeinsam mit einer weiteren Klassifizierung der Art der Tuberkulose. Das Risiko einer aktiven Tuberkulose ist mit 20% gelistet. 4B zeigt eine schematisierte Darstellung einer beispielhaften Ausführungsform einer Anzeige einer Ausgabe 60 eines Systems und Verfahrens zur Diagnose eines medizinischen Zustands eines Patienten. Die Anzeige der Ausgabe 60 enthält ein Brust-Röntgenbild 62 mit detektierten Mustern und Befunden, die dem Benutzer mittels eines visuellen Indikators oder Vermerks bzw. einer Kommentierung 64 auf der Anzeige angezeigt werden. Bei der in 4B veranschaulichten Ausführungsform zeigt die Anzeige der Ausgabe 60 ein Röntgenbild 62 der Brust mit einem Vermerk 64, der ein Milliarmuster auf der Röntgenaufnahme als Umrisse der Lunge veranschaulicht. Die Anzeige der Ausgabe 60 enthält ferner schriftlichen Text 66 mit einer Beurteilung des Risikos oder der Wahrscheinlichkeit dafür, dass der Patient einen bestimmten medizinischen Zustand, wie beispielsweise Tuberkulose (aktive oder vergangene) aufweist, gemeinsam mit einer weiteren Klassifizierung der Art der Tuberkulose. Das Risiko für eine aktive Tuberkulose ist mit 80% gelistet.
  • Diese Visualisierungen und Anzeigen 60 unterliegen ebenso Variationen, wie beispielsweise Präferenzen hinsichtlich der Art und Weise, in der die Bilder angezeigt werden, der Art, in der bestimmte Gewebe gekennzeichnet, herausgestellt, mit Anmerkungen versehen werden und dergleichen. Ähnliche Analysetechniken und Ausgaben können durch Computeralgorithmen zur Detektion, Segmentierung und Identifikation bestimmter Gewebe, insbesondere derjenigen, die für Krankheitszustände kennzeichnend sein könnten, bewerkstelligt werden.
  • Vorstehend sind verschiedene Ausführungsformen in Bezug auf die Zeichnungen beschrieben. Diese Zeichnungen veranschau lichen bestimmte Details beispielhafter Ausführungsformen, die die Systeme, Verfahren und Computerprogrammprodukte gemäß dieser Offenbarung realisieren. Jedoch sollten die Zeichnungen nicht so ausgelegt werden, dass sie irgendwelche mit den in den Zeichnungen veranschaulichten Merkmalen verbundenen Beschränkungen auferlegen. Diese Offenbarung sieht Systeme, Verfahren und Computerprogrammprodukte auf jedem beliebigen Maschinen lesbaren Medium vor, um deren Funktionsweise zu erfüllen. Wie vorstehend beschrieben, können die Ausführungsformen unter Verwendung eines existierenden Rechnerprozessors, durch einen Prozessor eines Spezialcomputers, der für diesen oder einen anderen Zweck eingebaut ist, oder durch ein festverdrahtetes System implementiert sein.
  • Ein beispielhaftes System zur Implementierung des Gesamtsystems oder von Teilen des Systems könnte eine Universalrechenvorrichtung in Form eines Computers, einschließlich einer Verarbeitungseinheit, eines Systemspeichers und eines Systembusses enthalten, der verschiedene Systemkomponenten, einschließlich des Systemspeichers an die Verarbeitungseinheit, aneinanderkoppelt. Der Systemspeicher kann einen Festwertspeicher (ROM, Read-Only-Memory) und einen Direktzugriffsspeicher (RAM, Random-Access-Memory) enthalten. Der Computer kann ferner ein magnetisches Festplattenlaufwerk zum Lesen von einer magnetischen Festplatte und zum Schreiben auf diese, ein Magnetplattenlaufwerk zum Lesen von einer herausnehmbaren Magnetplatte oder zum Schreiben auf diese und ein optisches Plattenlaufwerk zum Lesen von einer entfernbaren optischen Scheibe, wie beispielsweise einer CD-ROM oder eines sonstigen optischen Mediums, oder zum Schreiben auf diese enthalten. Die Laufwerke und ihre zugehörigen Maschinen lesbaren Medien ergeben nichtflüchtige Speicher für Maschinen ausführbare Instruktionen, Datenstrukturen, Programmmodule und sonstige Daten für den Computer.
  • Bestimmte Ausführungsformen sind in dem allgemeinen Kontext von Verfahrensschritten beschrieben, die in einer Ausführungsform anhand eines Programmproduktes implementiert sein können, das Maschinen ausführbare Instruktionen, wie beispielsweise einen Programmcode, enthält, z. B. in Form von Programmmodulen, die von Maschinen in vernetzten Umgebungen ausgeführt werden. Im Allgemeinen enthalten Programmmodule Routinen, Programme, Objekte, Komponenten, Datenstrukturen, etc., die bestimmte Aufgaben bzw. Tasks ausführen oder bestimmte abstrakte Datentypen implementieren. Maschinen ausführbare Instruktionen, zugeordnete Datenstrukturen und Programmmodule stellen Beispiele für einen Programmcode zur Ausführung von Schritten der hier offenbarten Verfahren dar. Die spezielle Reihenfolge derartiger ausführbarer Instruktionen oder zugehöriger Datenstrukturen repräsentieren Beispiele für zugehörige Handlungen zur Realisierung der beschriebenen Funktionen in derartigen Schritten.
  • Bestimmte Ausführungsformen können in einer vernetzten Umgebung mit logischen Verbindungen zu einem oder mehreren entfernt befindlichen Computern mit Prozessoren ausgeführt werden. Die logischen Verbindungen können ein lokales Netzwerk (LAN) und ein Weitbereichsnetzwerk (WAN) enthalten, die hier lediglich zu Beispielszwecken und keinesfalls beschränkend angegeben werden. Derartige Netzwerkumgebungen sind in Büros übergreifenden und unternehmensweiten Computernetzwerken, internen Netzwerken und dem Internet üblich und können eine weite Vielfalt unterschiedlicher Kommunikationsprotokolle nutzen. Ein Fachmann wird ohne weiteres verstehen, dass derartige vernetzte Computerumgebungen gewöhnlich viele Arten von Computersystemkonfigurationen, einschließlich Personalcomputer, handgehaltener bzw. tragbare Vorrichtungen, Multiprozessorsysteme, Mikroprozessor basierter oder kundenspezifisch programmierba rer Elektronik, Netzwerk-PCs, Minicomputer, Mainframe-Computer und dergleichen, umfassen. Ausführungsformen der Erfindung können ferner in verteilten Rechenumgebungen ausgeführt werden, in denen Tasks durch lokale und entfernt befindliche Verarbeitungsvorrichtungen ausgeführt werden, die (entweder durch festverdrahtete Verbindungen, drahtlose Verbindungen oder durch eine Kombination aus festverdrahteten und drahtlosen Verbindungen) über ein Kommunikationsnetzwerk miteinander verbunden sind. In einer verteilten Rechnerumgebung können Programmmodule sowohl in lokalen als auch in entfernt befindlichen Speichervorrichtungen angeordnet sein.
  • Wie vorstehend erwähnt, weisen Ausführungsformen im Rahmen der enthaltenen Computerprogrammprodukte Maschinen lesbare Medien auf, die dazu eingerichtet sind, Maschinen ausführbare Instruktionen oder Datenstrukturen zu tragen oder aufzuweisen, die auf diesen gespeichert werden. Derartige Maschinen lesbare Medien können beliebige verfügbare Medien sein, auf die mittels eines Universal- oder Spezialzweckcomputers oder einer sonstigen Maschine mit einem Prozessor zugegriffen werden kann. Um ein Beispiel anzugeben, können derartige Maschinen lesbare Medien ein RAM, ROM, PROM, EPROM, EEPROM, einen Flash-Speicher, einen CD-ROM-Speicher oder einen sonstigen optischen Plattenspeicher, einen magnetischen Plattenspeicher oder sonstige magnetische Speichervorrichtungen oder jedes beliebige sonstige Medium aufweisen, das verwendet werden kann, um einen gewünschten Programmcode in Form von Maschinen ausführbaren Instruktionen oder Datenstrukturen zu tragen oder zu speichern, und das für einen Universal- oder Spezialcomputer oder eine sonstige Maschine mit einem Prozessor zugänglich ist. Wenn Informationen über ein Netzwerk oder eine sonstige Kommunikationsverbindung (entweder festverdrahtete, drahtlose oder eine Kombination aus festverdrahteter und drahtloser Verbindung) zu einer Maschine übermittelt werden, sieht die Maschine eigentlich die Verbindung als ein Maschinen lesbares Medium an. Somit wird jede derartige Verbindung richtigerweise als Maschinen lesbares Medium bezeichnet. Kombinationen der vorstehenden Mittel sind ebenfalls in dem Rahmen Maschinen lesbarer Medien mit umfasst. Maschinen lesbare Instruktionen weisen beispielsweise Instruktionen und Daten auf, die einen Universalrechner, einen Spezialcomputer oder eine Spezialverarbeitungsmaschine veranlassen, bestimmte Funktionen oder Gruppen von Funktionen auszuführen.
  • Während die Erfindung unter Bezugnahme auf verschiedene Ausführungsformen beschrieben worden ist, wird der Fachmann ohne weiteres verstehen, dass an den Ausführungsformen bestimmte Substitutionen, Veränderungen und Weglassungen vorgenommen werden können, ohne dass der Rahmen der Offenbarung verlassen wird. Demgemäß soll die vorstehende Beschreibung lediglich beispielhaft sein und sollte den Schutzumfang der Erfindung, wie er in den folgenden Ansprüchen angegeben ist, nicht beschränken.
  • System 10 zur Diagnostizierung eines medizinischen Zustands in einem Patienten anhand eines Zugriffs auf Bilddaten 12 und Nichtbilddaten 14 eines Patienten, einer Analyse der Kombination aus Bilddaten 12 und Nichtbilddaten 14, um eine Ausgabe 18 mit Bildbefunden und einer Risikobeurteilung zu erzeugen, die dazu dienen, bestimmte medizinische Zustände in dem Patienten zu diagnostizieren. Die Bilddaten 12 können von einem Bildakquisitionssystem akquiriert werden. Die Nichtbilddaten 14 können klinische Daten des Patienten enthalten und können von einer Benutzerschnittstelle 26, einer elektronischen Patientenakte 30 und/oder Befunden von einem Expertensystem 16 von früheren Bildgebungssitzungen erworben werden.
  • 10
    System
    12
    Bilddaten
    14
    Nichtbilddaten
    16
    Expertensystem
    18
    Anzeige
    20
    Bildakquisitionssystem
    22
    Benutzerschnittstelle
    24
    Benutzerschnittstelle
    26
    Benutzerschnittstelle
    30
    Elektronische medizinische Akte, elektronische Patientenakte
    40
    System
    50
    Verfahren
    52–58
    Verfahrensschritte
    60
    Ausgabe
    62
    Brust-Röntgenbild
    64
    Visueller Indikator oder Vermerk
    66
    Schriftlicher Text zu einer Beurteilung des Risikos

Claims (11)

  1. System (10) zur Diagnose eines medizinischen Zustands in einem Patienten, wobei das System (10) aufweist: eine Eingabe von Bilddaten (12) des Patienten; eine Eingabe von Nichtbilddaten (14) des Patienten; ein Expertensystem (16) zur Analyse der Bilddaten (12) und der Nichtbilddaten (14), um das Vorkommen von Mustern in den Bilddaten (12) und den Nichtbilddaten (14) zu bestimmen; eine Ausgabe (18) der Analyseergebnisse und einer Beurteilung des Risikos des medizinischen Zustands des Patienten.
  2. System (10) nach Anspruch 1, wobei die Bilddaten (12) von einer Untersuchung des Patienten in einem bewegbaren Röntgenbildakquisitionssystem akquiriert werden.
  3. System (10) nach Anspruch 1, wobei die Bilddaten (12) von einer Direkt-Digitalradiographie digital erzeugt werden.
  4. System (10) nach Anspruch 1, wobei die Bilddaten (12) von einer Computerradiographie digital erzeugt werden.
  5. System (10) nach Anspruch 1, wobei die Bilddaten (12) von einem digitalisierten Röntgenfilm digital erzeugt werden.
  6. System (10) nach Anspruch 1, wobei die Bilddaten (12) von einer Dualenergieuntersuchung des Patienten akquiriert werden, wobei wenigstens ein Bild von wenigstens einer Ansicht akquiriert wird.
  7. System (10) nach Anspruch 1, wobei die Bilddaten (12) von einer Tomosyntheseuntersuchung des Patienten akquiriert werden, wobei wenigstens ein Bild von wenigstens einer Ansicht akquiriert wird.
  8. System (10) nach Anspruch 1, wobei die Bilddaten (12) Bilddaten enthalten, die von einer früheren Untersuchung erworben werden.
  9. System (10) nach Anspruch 1, wobei die Nichtbilddaten (14) eine Patientenkrankheitsgeschichte, Symptome, Testergebnisse, Risikofaktoren, eine Gefährdung durch infektiöse Krankheiten, physiologische Daten, histopathologische Daten, genetische Daten, pharmakokinetische Daten oder eine beliebige Kombination von diesen enthalten.
  10. System (10) nach Anspruch 1, wobei die Nichtbilddaten (14) frühere Expertensystemergebnisse enthalten.
  11. System (10) nach Anspruch 1, wobei das Expertensystem (16) eine automatisierte wissensbasierte Analyse von Bilddaten (12) und Nichtbilddaten (14) kombiniert.
DE102008037558A 2007-11-25 2008-11-14 System und Verfahren zum Diagnostizieren eines medizinischen Zustands Withdrawn DE102008037558A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US11/944,620 2007-11-25
US11/944,620 US20090136111A1 (en) 2007-11-25 2007-11-25 System and method of diagnosing a medical condition

Publications (1)

Publication Number Publication Date
DE102008037558A1 true DE102008037558A1 (de) 2009-05-28

Family

ID=40577229

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102008037558A Withdrawn DE102008037558A1 (de) 2007-11-25 2008-11-14 System und Verfahren zum Diagnostizieren eines medizinischen Zustands

Country Status (2)

Country Link
US (1) US20090136111A1 (de)
DE (1) DE102008037558A1 (de)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8799286B2 (en) * 2008-10-23 2014-08-05 International Business Machines Corporation System and method for organizing and displaying of longitudinal multimodal medical records
US8786873B2 (en) 2009-07-20 2014-07-22 General Electric Company Application server for use with a modular imaging system
US8243882B2 (en) 2010-05-07 2012-08-14 General Electric Company System and method for indicating association between autonomous detector and imaging subsystem
US20130191157A1 (en) * 2012-01-17 2013-07-25 Optuminsight, Inc. Unified healthcare intelligence, analytics, and care management
US10978184B2 (en) 2013-11-04 2021-04-13 Terarecon, Inc. Evolving contextual clinical data engine for medical information
CN105797269B (zh) * 2014-12-30 2019-04-09 北京跃达康科技有限公司 采用专家控制系统的电化学治疗仪及专家系统的控制方法
WO2017092615A1 (zh) 2015-11-30 2017-06-08 上海联影医疗科技有限公司 一种计算机辅助诊断系统及方法
JP7565755B2 (ja) * 2020-11-04 2024-10-11 キヤノンメディカルシステムズ株式会社 解析支援装置及び解析支援システム

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0616290B1 (de) * 1993-03-01 2003-02-05 Kabushiki Kaisha Toshiba System zur Verarbeitung von medizinischen Daten zur Unterstützung der Diagnose
DE10021431C2 (de) * 2000-05-03 2002-08-22 Inst Neurosimulation Und Bildt Verfahren und Einrichtung zur Klassifizierung von optisch beobachtbaren Haut- oder Schleimhaut-Veränderungen
US7058210B2 (en) * 2001-11-20 2006-06-06 General Electric Company Method and system for lung disease detection
US20030154178A1 (en) * 2002-02-08 2003-08-14 Eastman Kodak Company Method of automatically updating non-image data associated with a digital image
US7263214B2 (en) * 2002-05-15 2007-08-28 Ge Medical Systems Global Technology Company Llc Computer aided diagnosis from multiple energy images
US20050288571A1 (en) * 2002-08-20 2005-12-29 Welch Allyn, Inc. Mobile medical workstation
US7430308B1 (en) * 2002-11-26 2008-09-30 University Of South Florida Computer aided diagnosis of mammographic microcalcification clusters
US7613478B2 (en) * 2004-03-15 2009-11-03 General Electric Company Method and system for portability of clinical images using a high-quality display and portable device
US7142633B2 (en) * 2004-03-31 2006-11-28 General Electric Company Enhanced X-ray imaging system and method
DE102004029010A1 (de) * 2004-06-16 2006-01-19 Siemens Ag Vorrichtung und Verfahren für die Streustrahlungskorrektur in der Projektionsradiographie, insbesondere der Mammographie
US7646902B2 (en) * 2005-02-08 2010-01-12 Regents Of The University Of Michigan Computerized detection of breast cancer on digital tomosynthesis mammograms
US7929737B2 (en) * 2005-09-29 2011-04-19 General Electric Company Method and system for automatically generating a disease severity index
US7746976B2 (en) * 2005-12-30 2010-06-29 Carestream Health, Inc. Bone mineral density assessment using mammography system
JP5317963B2 (ja) * 2006-06-02 2013-10-16 コーニンクレッカ フィリップス エヌ ヴェ 分子イメージング装置及び方法

Also Published As

Publication number Publication date
US20090136111A1 (en) 2009-05-28

Similar Documents

Publication Publication Date Title
DE10311319B4 (de) Verfahren, System und Computerprodukt zur Planung eines Herzinterventionsverfahrens
DE102011080260B4 (de) Verfahren und Anordnung zur rechnergestützten Darstellung bzw. Auswertung von medizinischen Untersuchungsdaten
DE102008002882A1 (de) System und Verfahren zu von einer elektronischen Krankenakte beeinflusster Datenerfassung, -verarbeitung und -anzeige
DE102006055654A1 (de) Datenmanagementtool zur interaktiven Echtzeitdatenanalyse
DE102004055768A1 (de) Verfahren und Systeme für die computerunterstützte zielgerechte Bildgebung
DE102008037558A1 (de) System und Verfahren zum Diagnostizieren eines medizinischen Zustands
DE10393711T5 (de) Verfahren und System zum Abrufen eines medizinischen Bildes
DE102012202447B4 (de) Strukturierte bildgestützte Befundgenerierung
DE10156215A1 (de) Verfahren zur Verarbeitung medizinisch relevanter Daten
DE112009001676T5 (de) Diagnosesystem für Gehirnerkrankungen
DE102016215109A1 (de) Verfahren und Datenverarbeitungseinheit zum Optimieren eines Bildrekonstruktionsalgorithmus
DE102007034911A1 (de) Vorrichtung und Verfahren zur On-Demand visuellen Verbesserung von klinischen Zuständen in Bildern
DE102006000713A1 (de) Medizinisches Bildbetrachtungsmanagement- und Statussystem
DE102017221297A1 (de) Verfahren und Vorrichtung zur automatisierten Auswertung wenigstens eines mit einer medizinischen Bildaufnahmeeinrichtung aufgenommenen Bilddatensatzes, Computerprogramm und elektronisch lesbarer Datenträger
DE102006058941A1 (de) Verfahren und Vorrichtung zum Auswählen computergestützter Algorithmen, basierend auf dem Protokoll und/oder Parametern eines Akquisitionssystems
DE102012205711B4 (de) Verfahren zum Betreiben eines bildgebenden Diagnosegerätes sowie medizinisches bildgebendes System
DE112021001190T5 (de) Informationsverarbeitungsvorrichtung, -verfahren und -programm
JP4025524B2 (ja) 異条件下における脳機能画像の画像間差補正法
EP3084651A1 (de) Automatische dosissteuerung für bildgebende medizinische einrichtungen
DE102014201321A1 (de) Bestimmung von Läsionen in Bilddaten eines Untersuchungsobjekts
DE102013201828A1 (de) Verfahren zu einer Vorbereitung einer interventionellen und/oder diagnostischen Bildgebung mit zumindest zwei unterschiedlichen medizinischen Bildgebungsmodalitäten
DE102015205493B4 (de) Betrieb einer medizinischen Bildgebungsvorrichtung
DE102006031937A1 (de) Verfahren und Vorrichtung zur Bewertung eines Bildes und/oder einer zeitlichen Bildsequenz von Gewebe oder Gewebeproben
DE102006012408A1 (de) Verfahren und System zur Steuerung eines eine medizinische Bildgebung umfassenden Untersuchungsprozesses
DE10128521A1 (de) Verfahren zur Überwachung telemedizinischer Gesundheitsdienstleistungen

Legal Events

Date Code Title Description
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee

Effective date: 20130601