患者后续分析

摘要

本发明公开了患者后续分析。提供了用于比较后续医学发现的计算机实现的方法。该方法包括以下步骤：接收示出在第一时间处患者的身体部位的图像数据；以及从数据库中检索与该图像数据相关联的参考数据。参考数据包括参考生物特征数据和一个或更多个参考医学发现。由此，从描述在不同于第一时间的第二时间处患者的身体部位的参考图像数据中提取参考生物特征数据和一个或更多个参考医学发现。该方法还包括处理所接收的图像数据，以便从图像数据中提取与参考生物特征数据相对应的生物特征数据和一个或更多个医学发现。此外，该方法包括执行所提取的生物特征数据与参考生物特征数据的配准。随后，使用配准将所提取的医学发现与参考医学发现进行比较。

说明书

技术领域

实施方式涉及患者数据例如医学图像数据的后续分析。

背景技术

当从通过医学图像获取模态例如X射线设备、超声设备、CT或MR扫描仪获取的医学图像中得到医学诊断时，后续读取和变化评估非常重要。放射科医生在他们做决定时通常不仅依赖于最新可得到的图像，而且还依赖于整个历史记录。该历史记录可以包括在不同时间并且通常使用不同的医学成像技术对同一患者(对患者的同一身体部位)获得的多个医学图像数据集。通过跟踪此类后续检查，可以确定医学发现随时间的变化，从而对于得出正确的医学诊断产生有价值的见解。发现的变化可以例如指示肿瘤是否在生长或者狭窄是否在恶化以及是否立即影响治疗决策。

特别地，三维图像获取技术例如CT或MR会产生大量图像。因此，浏览图像以识别与先前图像扫描中的医学发现有关的图像或少量图像从而能够确定医学发现随时间的变化变得非常耗时。如果要比较使用不同成像参数或甚至不同成像模态获取的数据，那么由于这些数据集通常没有很好地对准，所以该过程将变得更加复杂。因此，受试者的相同或相似的解剖特征在后续图像数据集中将出现在不同位置。进一步的困难来自于患者的源自呼吸运动的“正常”解剖变化或其他“健康”解剖差异，这些“正常”解剖变化或其他“健康”解剖差异总是存在并掩盖潜在相关的医学发现。

为了帮助放射科医生完成这项任务，已经设计了图像体的三维(图像)配准的不同方法。这样的方法基本上基于原始图像数据得出后续图像数据集的坐标系之间的坐标变换。由于这些方法通常依赖于各种图像处理步骤以便于空间共配准和使两个数据集中的相应解剖结构匹配，因此它们需要将两个图像体配准以在本地可用。

然而，实际上并不能始终确保这一点。首先，医学图像数据通常非常大。以胸部CT数据集为典型示例，可以安全地假设一次扫描占用了超过100MB的磁盘空间。保持此类数据集随时可用于可能稍后的比较将需要非常高的存储容量——结果是所需的数据在需要后续读取之前通常已经被丢弃。此外，新的图像体和先前的图像体通常存储在不同的存储位置。用于新执行的检查的图像体可能在放射科医生的读取计算机系统上本地可用，而先前的图像体被存储在例如图片存档和通信系统(PACS)的中央图像数据库中。在这种情况下，对图像数据库的访问权限可能会成为问题，并且传输如此大的数据文件可能仍会花费大量时间。如果先前的图像体存储在远程访问位置，而网络访问不畅或根本没有网络访问，则更成问题。

如果图像配准将以云服务的形式来提供，则情况甚至更糟。在此，数据安全性和隐私准则通常会严重限制云服务提供商对存储医疗信息的本地数据库的访问权限。反过来，在云平台上存档完整的图像数据集以进行后续读取通常也不是可持续的选择，因为这将需要巨大的数据存储容量，并且同样引起重要的患者数据隐私问题。

发明内容

因此，本发明的目的是提供一种计算机辅助诊断工具，其支持用户/医师/放射科医生/病理学家特别地通过实施改进的自动化后续读取功能来从医学图像数据中得出医学诊断。在这一点上，本发明的特定目的是提供一种改进的计算机实现的方法，该方法可以容易地在分布式环境中实现，无缝地集成到现有的临床工作流中，并且改进比较数据的可用性以便后续读取。此外，期望提供如下方法(和相关系统)：其更容易遵守现有数据隐私法规，可以灵活地应用于来自各种来源的医学图像数据并且减少需要保持可用的数据量。

该目的通过根据本公开内容的技术方案的用于比较后续医学检查的方法、相应的系统、相应的计算机程序产品和计算机可读存储介质来解决。替选和/或优选实施方式是本公开内容的技术方案的目的。

在下文中，相对于所要求保护的设备以及所要求保护的方法描述了根据本发明的技术方案。本文所述的特征、优点或替选实施方式可以同样地分配给其他要求保护的对象，反之亦然。换言之，针对本发明方法的权利要求可以通过相对于设备描述或要求保护的特征来改进。在这种情况下，例如，该方法的功能特征由设备的目标单元或元件实现。

根据一个方面，提供了一种用于比较后续医学检查(或后续医学图像数据)的计算机实现的方法。该方法包括若干步骤。第一步骤涉及接收示出在第一时间处患者的身体部位的医学图像数据集。随后，从数据库中检索与图像数据集相关联的至少一个参考数据集，其中，该参考数据集包括从描绘在与第一时间不同的第二时间处患者的身体部位的参考图像数据集中提取的参考生物特征数据。因此，参考生物特征数据定义身体部位的解剖部在参考图像数据集中的位置。下一步骤涉及从图像数据集中提取生物特征数据，该生物特征数据定义身体部位的解剖部在所接收的图像数据集中的位置，并且至少部分地对应于先前从参考图像数据集中提取并包括在参考数据中的参考生物特征数据。接下来，基于参考生物特征数据和所提取的生物特征数据将参考数据集与图像数据集进行配准，然后基于此将图像数据集与参考数据集进行比较。

(医学)图像数据集(即，参考图像数据集和所接收的图像数据集)可以涉及在空间上提供二个维度的二维数据集。此外，图像数据集可以涉及在空间上提供三个维度的三维数据集(换言之，医学图像数据集可以因此涉及也被称为医学图像体的体图像数据)。另外，图像数据集可以涉及二维或三维图像数据集的时间序列。从图像数据集包括患者的身体部位的二维或三维图像数据(即，上面被介绍为图像数据集的参考医学图像数据集和医学图像数据集可以描绘同一患者的同一身体部位)的意义上来讲，图像数据集描绘患者的身体部位。医学图像数据集可以例如为像素或体素的阵列的形式。这样的像素或体素的阵列可以代表随二维或三维位置变化的强度、吸收或其他参数，并且可以例如通过对由医学成像模态获得的测量信号进行适当处理来获得。医学成像模态对应于用于生成或产生医学图像数据集的系统。例如，医学成像模态可以是计算机断层扫描系统(CT系统)、磁共振系统(MR系统)、血管造影(或C型臂X射线)系统、正电子发射断层摄影系统(PET系统)、超声成像系统等。具体地，计算机断层扫描是一种广泛使用的成像方法，并且利用由特殊旋转仪器产生和检测的“硬”X射线。所得到的衰减数据(也称为原始数据)由计算机分析软件提供，该软件生成患者身体部位的内部结构的详细图像。所产生的图像集被称为CT扫描，其可以构成连续图像的多个序列，以在垂直于人体轴线的截面中呈现内部解剖结构。再举一个示例，磁共振成像(MRI)是一种先进的医学成像技术，它利用磁场对质子运动的影响。在MRI机器中，探测器是天线，并且信号由计算机进行分析，以创建人体任何部位中的内部结构的详细图像。因此，所描绘的患者的身体部位通常将包括多个解剖部和/或器官。以胸部图像为例，参考图像数据和后续图像数据可以显示肺组织、胸廓、淋巴结等。

虽然所接收的(医学)图像数据集是在第一时间检查时获得的，但参考(医学)图像数据集涉及在与第一时间不同的第二时间进行的检查。第二时间可能是第一时间之后或之前的几小时、几天、几周、几个月或几年。此外，在第一时间与第二时间之间可能存在中间扫描或过程。在一个实施方式中，第二时间在第一时间之前，使得所接收的医学图像数据集可以被认为相对于参考医学图像数据集与后续检查有关。在一个实施方式中，已经使用具有与参考图像数据集相同或相似的设置和参数的相同医学成像模态来获取图像数据集。根据另一实施方式，已经使用不同的医学成像模态获取了图像数据集。例如，可能使用CT系统获取了参考图像数据集，而使用超声系统获取了所接收的图像数据集。

“接收”可以表示图像数据集由用户通过上传的方式提供。替选地，图像数据集可以借助于另一计算机实现的方法经由当前要求保护的方法之外的自动化工作流来接收。例如，可以想到的是，图像数据集由计算机辅助诊断系统提供，该计算机辅助诊断系统根据要求保护的方法自动或半自动地选择用于后续分析的图像数据集。在任何情况下，接收步骤触发随后的处理步骤，并且如果由用户发起，则接收步骤可以被视为用于根据后续步骤执行后续图像分析的隐式用户请求。虽然“接收”可以被认为是被动步骤，但是随后的“检索”步骤(以及其他后续步骤)可以被认为是主动步骤，其中该方法主动寻找适当的参考数据集以便后续读取。

数据库可以是根据本发明的来自各个患者的用于与后续医学数据集的比较的参考数据集的数据库。它可以包括用于存储和访问参考数据集的任何存储介质或组织单元。数据库可以包括多个单独的存储单元和存储库，并且特别地可以包括分布式数据架构。数据库可以包括由适当的接口访问以管理参考数据集的传递的各种数据记录。数据库可以是通过该方法可访问的本地数据库。数据库可以位于从其接收医学图像数据集的相同站点。此外，数据库可以被实现为云存储设施，并且因此可以提供用于集中存档来自多个机构(或站点或用户)的参考数据集的平台。

参考数据集构成从参考检查得到的用于与提交的图像数据进行比较的参考数据或基线数据。“与所接收的图像数据集相关联”可能意味着这两个数据集(即，图像数据集和参考数据集)属于同一患者，但是代表在不同时间点获取的数据。关联可以通过分配给两个数据集并将两个数据集明确联系在一起的数据标识符来实现。该数据标识符可以是登录号、患者ID、患者的姓名等。

“检索”的步骤可以被认为是基于所接收的图像数据集向数据库自动查询参考数据集的步骤。值得注意的是，该步骤不仅限于检索确切地一个参考数据集。相反，除了在步骤中提到的至少一个参考数据集之外，可能还有另外的参考数据集。因此，换言之，该步骤包括分别检索各自在不同的第二时间获取的“至少一个”参考数据集或“一个或更多个”参考数据集。所有检索到的参考数据集都可以经历相同的处理步骤，即从所接收的图像数据集中提取相应的信息，与图像数据集(以及可选的其他检索到的参考数据集)进行配准，以及与所接收的图像数据集(以及可选地，其他检索到的参考数据集)进行比较。因此，该方法还允许将图像数据集与多个参考数据集进行系统比较，从而使得能够通过多次后续检查来跟踪疾病或健康进展。

尽管医学图像数据集主要包括图像数据，但参考数据集主要包括通过一个或更多个图像处理步骤从医学图像数据中提取的数据。尽管原始图像数据的全部或部分可能仍包括在参考数据集中，但优选的是参考数据集包括提取的数据来代替基础完整的图像数据集。

具体地，参考数据集包括从参考医学图像数据集中提取的参考生物特征数据。如(参考)图像数据集所示，生物特征数据定义身体部位中的解剖部的位置。生物特征数据可以涉及生物学上有意义的点、区域、轮廓、线等，其中被检查的身体部位的不同图像数据集之间的对应关系(例如，以同源部位的形式)被保留。换言之，生物特征数据涉及在所描绘的身体部位中可定义的独特的、可测量的几何标识符。具体地，生物特征数据可以是顶点、锚点、控制点、位置、轮廓点、“采样”点、节点、标记、基准标记、根据某些数学或几何特性定位的形状中的点、固定点、标记、可以在(参考)图像数据集中描绘的身体部位中定义的特征或结构。尽管在基础图像数据集的坐标中给出了生物特征数据的位置，但是相应特征的存在在图像数据集之间是不变的，并且仅取决于基础身体部位。因此，这样的生物特征数据可以用于描述身体部位内部的发现、观察、解剖部和器官的位置关系，而与医学图像数据集的像素或体素所跨越的主观的坐标系无关。从相同种类的每个身体部位都包括这些生物特征数据点的意义上讲，生物特征数据可以视为不变的——尽管它们在医学图像数据集中不同的位置处。换言之，在相同种类的每一个身体部位都应具有潜在特征的意义上，生物特征数据至少在某种程度上是通用的。具体地，生物特征数据可以包括一个或更多个(解剖)标志、一个或更多个标志的集合或网格、一个或更多个解剖(生物)标志、一个或更多个解剖(生物)标志的集合或网格、身体部位中所包括的器官或解剖部的一个或更多个轮廓或分割蒙版、身体部位中所包括的器官或解剖部的一个或更多个表面图或网格，其中，表面网格可以被视为描述对象的表面的点的集合和/或组合。由于在比较不同的医学图像数据集时，生物特征数据的存在或存续是不变的，因此它们可以用作用于比较后续检查的结果的参考点或基准，并为两个数据集的配准提供了极好的基础。

可以使用若干已知方法从参考医学图像数据集中提取这样的(参考)生物特征数据。对于从医学图像数据集中提取一个或更多个解剖标志，例如，参考US 2018/0005083A1和EP 3370206A1，其内容通过引用包括在本文中。

为了将检索到的参考数据集与所接收的后续医学图像数据集进行比较，要在下一步骤中对后续医学图像数据集进行处理，以便从后续医学图像数据中提取与参考数据集相对应的数据。换言之，这意味着从所接收的图像数据集中提取至少部分地对应于参考生物特征数据的生物特征数据。与参考生物特征数据的提取相比，从图像数据集中提取生物特征数据可以依赖于相同或不同的过程。由于生物特征数据与通用的几何标识符有关，因此实际使用哪种方法进行生物特征数据的提取通常并不关键。在该上下文中，“至少部分地对应”可以意味着参考生物特征数据的至少一部分与新提取的生物特征数据的至少一部分涉及相同的生物特征信息。例如，参考生物特征数据可以包括解剖标志或表面网格的第一集合，并且所提取的生物特征数据可以包括标志或表面网格的第二集合，其中，第一集合和第二集合至少部分地重叠。在该上下文中，应该注意的是，参考生物特征数据和所提取的生物特征数据是从不同的医学图像数据集中提取的，这些医学图像数据集可能具有不同的成像参数，或者完全源于不同的成像模态。因此，可得到的生物特征信息自然可能在某种程度上不同，使得无论如何仅能很少地实现生物特征信息的一对一对应。然而，这样的部分对应关系通常足以满足基于配准的需求，因为这种特殊方法通常在处理备用数据集时也非常有能力(与其他技术如基于相关性的算法相比)。

利用参考生物特征数据及其提取的对应部分，可以执行配准，其中将检索到的参考生物特征数据和所提取的生物特征数据的相应部分彼此配准。如果将解剖标志视为包括在生物特征数据中的信息的示例，则配准可以基于相应的解剖标志对的集合，相应的解剖标志的每个对包括从参考图像数据集提取的第一解剖标志和从上传/接收的图像数据集中提取的相应的第二解剖标志。配准可以包括计算(全局)变换函数(或变换矩阵)，该变换函数将所接收的图像数据集中的位置映射至参考(图像)数据集中的对应位置，并使两个医学图像数据集中的生物特征数据的位置的空间距离最小化。变换函数可以被认为是将对于参考生物特征数据和提取的生物特征数据可追踪的位移外插到由图像数据集和参考(图像)数据集覆盖的整个图像体。变换函数可以基于刚性、仿射、非刚性变换和/或其任意组合。此外，变换函数的计算可以涉及使用如Navier-Cauchy方程所示的用于软组织变形的变形模型。在配准步骤中得到的变换函数不仅提供有关一个图像数据集中的生物识别数据的坐标如何转换为另一图像数据集的坐标的信息，而且还提供了有关参考图像和后续图像的整个二维或三维坐标系如何局部转换的指示。

因此，通过配准(即，得到的变换函数)，可以将所接收的图像数据集与参考数据集直接进行比较，因为例如，可以将包括在参考数据集中的任何局部信息(例如，与参考图像数据中的局部观测有关)变换为所接收的医学图像数据集的坐标系，反之亦然。这使得可以使空间上对应的信息匹配并在此基础上对任何变化进行量化(为此，比较的步骤可以包括：匹配图像数据集和参考数据集中的空间上对应的信息，并在此基础上对任何变化进行量化)。

总之，上面介绍的方法步骤协同地有助于一种方法，该方法便于对后续医学图像数据(医学检查)进行有效比较，从而改进后续读取的过程。因此，提供了一种通过处理生理测量值来协助用户提供医学诊断的方法。因此，该方法允许在医学图像数据集中进行比较，从而有助于确定疾病进展、治疗反应等。使后续医学图像的共配准基于根据生物特征数据(例如，以解剖标志的形式)的配准而不是基于传统的二维或三维图像配准具有双重优势。一方面，上面介绍的生物特征数据为配准提供了普遍和通用的参考点。这是因为生物特征数据不(或至少不主要)取决于成像参数，而是取决于所考虑的身体部位的生理特性。这改进了使用不同成像参数生成的结果的可比性，并易于集成来自不同模态的结果。由于生物特征数据的使用允许以标准化方式比较后续医学图像，因此该过程无缝集成到现有工作流中，并且需要较少的手动交互。在这方面，由于不需要用户自己提供参考数据集，因此特别地从数据库中自动检索参考数据集减少了用户的工作量。此外，通过自动检索，可以更可靠地确保不会丢失任何用于比较的相关数据。另一方面，该方法能够显著减少与参考数据相关的需要处理的数据量。因此，可以使更多参考数据集保持可用，这增加了实际上可以检索合适的参考数据集的可能性。由于参考数据集以已处理的格式保持可用，因此仅需要处理新接收的图像数据集。这减少了处理时间和所需的计算能力，并且使得能够更迅速地一次与多个参考数据集进行比较。此外，还可以减少数据流量并因此减少网络延迟。另外，从指定的数据库进行检索可以更容易地授予所需的数据访问权限并遵守现有的数据隐私法规。

根据一个实施方式，执行配准的步骤包括：选择与生物特征数据和参考生物特征数据共同的生物特征区域作为用作将医学图像数据和参考数据集进行配准的标准的区域；以及使用生物特征区域作为配准标准来执行配准(优选地为刚性、非刚性、仿射或其任意组合)的配准步骤。

根据一个实施方式，执行配准的步骤包括确定参考生物特征数据和后续生物特征数据中的相应生物特征信息，以及使用相应生物特征信息来执行配准。

根据一个实施方式，执行配准的步骤包括：分析生物特征数据和参考生物特征数据以确定生物特征数据和参考生物特征数据中的相应数据点；以及对于医学图像数据集和参考数据集使用相应的数据点来执行配准(优选地为刚性、非刚性、仿射或其任意组合)的配准步骤。

通过确定相应的数据点和/或生物特征区域和/或相应的生物特征信息，可以确保仅将相应的数据用于配准。这样做可以使配准更有效率，因为可以缩短计算时间并且结果可能更准确。此外，这改进了不同数据集的兼容性，例如，兼容性可能显示出显著不同的成像窗口或与来自不同成像模态的结果有关。相应的数据与两个数据集中的公共的数据有关。相应的数据例如可以涉及相同的解剖标志、相同的解剖表面网格等。

根据一个实施方式，参考数据集还包括从参考图像数据集中提取的一个或更多个参考医学发现，参考医学发现分别与参考图像数据集中的位置相关联，其中，提取的步骤还包括：从图像数据集中提取与图像数据集中的位置相关联的一个或更多个医学发现，其中比较的步骤包括：特别地通过对医学发现的变化进行量化将所提取的医学发现与参考医学发现进行比较。

(参考)医学发现可以被视为关于(参考)医学图像数据集中的给定位置处的生理或病理特征或观察的信息。医学发现中包括的信息可以是数字信息。例如，该信息可以包括从相应的基础图像数据集中提取/测量的身体部位中的病变、结节、肿块或其他病理相关特征的体积、截面、周长、直径等。此外，该信息可以包括次级信息(例如，恶性程度、已经确定的生长或收缩速率)；对可观察物进行量化的值(例如，轮廓状态(光滑或呈球形)、钙化或脂肪沉积程度、或坚固程度)。此外，医学发现中包括的信息可以是病理相关区域的(参考)图像数据集的剪切或剪裁形式(即医学发现也可以包括图像数据)，或者可以是病变形式意义上的分割形式。另外，该信息可以是用词描述医学发现信息的语义信息。根据一个实施方式，参考数据集中包括的医学发现的集合可以是人类可读格式(例如，列表形式)的结构化报告。(参考)医学发现的位置通常可以在基础图像数据集的坐标系中给出。

存在用于从图像数据集中(自动和/或半自动)提取一个或更多个上述医学发现的若干已建立的方法和方式。这些方法可以例如依赖于传统的图像处理技术，例如图像分割、图案或特征识别等和/或可以采用机器学习。

在参考数据集已经包括医学发现的情况下，在将上传的图像数据集与相应的参考数据集进行比较时，不再需要重新计算该信息。因此，可以减少计算时间。同时，这使得能够以压缩的形式存储所有相关信息以供后续读取。与(原始)医学图像数据相比，这大大减少了需要交换和存储的数据量。此外，也更容易使参考数据匿名化，从而将该信息存储在外部可访问的数据库或云中。

根据一个实施方式，还可以想到，生物特征数据本身包括上述医学发现中的一个或更多个，因为它们在身体部位内的相对位置(视情况而定)也可能因检查而不变。

使用医学发现作为生物特征数据本质上意味着相同的信息可以使用两次，从而进一步提高了该方法的有效性并减少了所需的数据量。

根据一个实施方式，比较的步骤可以包括使用配准(或者特别地所计算的变换函数)将参考医学发现的位置变换成所提取的医学发现的坐标系，或者将提取的医学发现的位置变换成参考医学发现的坐标系。

发现的位置至相应的其他坐标系的坐标变换也可以被指定为使用配准(或特别地所计算的变换函数)将提取的医学发现和参考医学发现对准或共对准的步骤。对准的步骤有助于识别相应的发现，从而改进后续读取。

根据一个实施方式，比较的步骤可以包括基于配准和/或变换函数和/或对准的步骤将所提取的医学发现的(至少一部分)与参考医学发现的(至少一部分)进行匹配。

该匹配可以被认为是基于配准在所提取的医学发现与参考医学发现中识别相关发现的对的步骤。在示例实施方式中，对于参考数据集中的发现和从所接收的图像数据集中提取的发现的每个对，可以例如考虑发现的变换(对准)位置的邻近性、它们是否是相同类型以及其他参数有多相似来计算两个发现描述相同病理或医学观察的概率。

根据一个实施方式，比较的步骤可以包括基于比较的步骤和/或对准的步骤和/或匹配的步骤来对从提取的医学发现到参考医学发现的变化进行量化。

医学发现的变化的自动确定使用户可以更容易地跟踪病例、疾病进展或治疗反应的当前情况。

根据一个实施方式，参考生物特征数据和生物特征数据分别包括一个或更多个解剖标志(优选地解剖标志的集合)和/或身体部位中包括的一个或更多个解剖部的表面网格。

解剖标志可以例如针对胸部区域选自包括以下的组：主动脉根和弓、动脉分叉(头臂分支、颈动脉或锁骨下动脉的分叉、腹腔干、肾分叉)、鼻叉分叉、左右肾顶部、左右肺顶部、肝中部和顶部、胰腺、胸骨尖端、椎体。表面网格可以选自包括以下的组：肺叶(左上和下、右上、中和下)、心脏、主动脉、椎骨。

解剖标志或表面网格对于身体部位和/或解剖部是通用的。这些数据点的使用使与之关联的任何信息都可以在不同的检查、治疗阶段、成像参数、成像模态以及患者(如果需要)之间进行比较。此外，存在许多从医学图像数据中自动提取解剖标志和/或表面网格的成熟且标准化的方法，这进一步改进了结果的可互换性。此外，解剖标志和表面网格理想地适合用作配准的锚定点，因为它们通常很好地捕获了身体部位的整体解剖构型。以上面列出的解剖标志的集合为例(甚至只是其中的一个子集)，这给出了从患者的一个图像数据集到另一个图像数据集的整体位移和变形的全面情况。值得注意的是，生物特征数据可以结合不同种类的生物特征信息。例如，生物特征数据可以包括与胸部区域相关联的解剖标志的集合以及针对心脏的一个或更多个表面网格以及与肺相关联的分割蒙版。根据当前情况，这种“正交”信息的组合可以提供有关后续图像数据集中的变形和位移的非常好的图像。

根据一个实施方式，检索的步骤包括从所接收的图像数据集中提取数据标识符，并使用该数据标识符在数据库中查询参考数据集。

换言之，医学图像数据集和参考数据集可以经由数据标识符形式的结构化关联而互连，使得每个医学图像数据集明确地与一个或更多个对应的参考数据集相关。数据标识符可以是(唯一的)电子数据标识符或任何其他合适的电子标签。具体地，数据标识符可以包括患者的ID或登录号。数据标识符还可以包括前面提到的数据的散列和/或其任何组合。数据标识符用作图像数据集与参考数据集之间的关联。根据一个实施方式，与特定患者有关的所有数据可以带有相同的数据标识符。因此，可以基于比较或匹配数据标识符来建立所接收的图像数据集与一个或更多个参考数据集之间的关联。实际上，例如，独特的标识符可以被编码在医学图像数据集的头中。根据一个实施方式，数据标识符是匿名的，因此不能从中导出个人患者信息(例如，患者姓名)。

数据标识符的使用对于快速查询数据库以获取与所接收的图像数据集对应的正确参考数据集是有益的。因此，这改进了该方法与现有工作流的集成，并确保可以找到所有相关的参考数据集。

根据一个实施方式，检索的步骤包括：从数据库中检索一个或更多个候选参考数据集；将一个或更多个候选参考数据提供给用户，以便从候选参考数据中选择至少一个用户选择的参考数据集；接收用户选择；以及使用用户选择的至少一个参考数据集作为参考数据集。

在某些情况下，数据库中的图像数据集可能有多于一个的参考数据集。例如，可用的参考数据集可以涉及不同的检查时间和/或以不同的成像模态获取的图像数据。在这方面，一种选择是将所有可用的参考数据集用于随后的配准和比较。另一种选择是自动选择一个或更多个最可能的参考数据集(基于一个或更多个选择标准——参见下文)。又一选择是根据上述实施方式的交互式选择，其中，候选参考数据集被呈现给用户(首先提交图像数据集的用户)。这样做时，该方法可以特别地适应用户的需求，因为他或她可以选择哪些可用参考数据集构成最感兴趣的参考数据集进行比较。

根据一个实施方式，检索的步骤包括：设置(或提供)用于检索参考数据的一个或更多个选择标准并基于选择标准来检索参考数据。因此，选择标准优选地基于以下至少一项：用于获取所接收的图像数据和/或参考数据集的成像模态的指示；第一时间点与第二时间点之间的时间窗；患者的身份(例如，上述数据标识符的形式)的指示；所接收的图像数据集是否需要与先前检查或后续检查进行比较的指示；对(用户的)参考数据集的一个或更多个先前选择的指示；和/或上述的任意组合。在该上下文中，指示可以涉及适当的数据标识符，例如患者ID或指示所使用的成像模态的电子标签等。

根据一个实施方式，选择标准可以由用户交互地设置。替选地，选择标准可以是半自动设置的(例如，根据具有默认值的初始化)，或者可以为需要更多帮助的用户自动设置。时间窗可以被定义为在第一时间与第二时间之间的最大时间段。先前的选择可以涉及用于比较的参考数据集的先前的使用或先前的用户选择。用于应用选择标准的信息可以被记录在参考数据集中并且可以从参考数据集中提取。另外的信息片段可以包括在图像数据集中并且可以从中提取。例如，该信息可以作为元数据例如以头的形式附接至医学图像数据集或参考数据集的头上。因此，基于选择标准来检索参考数据集可以包括访问和/或读取和/或处理图像数据集和参考数据集，以提取与选择标准中的一个或更多个相对应的信息。

选择标准可以被认为是用于缩小对适当参考数据集的搜索的过滤器。因此，应用选择标准意味着可以在更短的时间内产生更有意义的结果。

根据一个实施方式，该方法还包括以下步骤：使用所提取的生物特征数据来编制(或换言之，生成)另外的参考数据集；以及将另外的参考数据集转发到数据库以将其存储在数据库中。此外，该方法可以包括将另外的参考数据集存储在数据库中。

根据一个实施方式，使用DICOM格式来编制另外的参考数据集。根据另一实施方式，还根据DICOM格式对从数据库中检索的参考数据集进行格式化。DICOM(医学数字成像和通信)是一种开放标准，用于医疗信息学中医学成像信息和相关数据的通信和管理。DICOM可以用于存储和传输医学图像和相关信息，从而实现医学成像设备(例如，扫描仪、服务器、工作站、打印机、网络硬件)以及图片存档和通信系统(PACS)的集成。DICOM被临床团体、医院以及如医生诊所或机构的较小的应用广泛采用。DICOM数据对象包括若干属性，包括诸如患者的姓名、ID等的项，并且还包括包含图像像素数据以及从图像数据提取的元数据的特殊属性。后者可以用于根据本发明的生物特征数据和/或医学发现。

通过将从所接收的医学图像数据集中提取的数据与已经存在的参考数据集一起包括到数据库中，可以增强系统中包括的共享知识，并使得后续医学图像数据的比较对于后续查询更加有效。DICOM数据格式的使用提高了该方法与现有临床工作流和设备的兼容性。

根据一个实施方式，数据库被配置为云平台。

将数据库实现为云平台的优势在于，各个用户可以更容易地从各个站点访问该数据库。这会具有促进知识数据库的可用性和积累的好处。

根据一个实施方式，该数据库是图片存档和通信系统(PACS)的一部分——该图片存档和通信系统可以被实现为云存储或被实现为本地或扩展存储。

依赖于用于存储参考数据集的PACS系统的好处在于，可以使用现有基础架构，这可以便于实现并降低成本。

根据一个实施方式，参考数据集被匿名化，或者换言之，不包括与基础患者有关的任何个人信息。

“匿名”可能意味着参考数据集不会泄露或包括任何可以直接识别患者的个人信息(即患者的姓名、地址、照片等)。相反，可以通过独特的但匿名的标识符(例如标识号)使数据可追溯。根据一个实施方式，该方法还可以包括以下步骤：在将该信息存档在数据库中之前，使医学发现和/或生物特征数据匿名化。匿名化步骤可以包括过滤掉可以直接识别患者的任何个人信息。

通过使数据匿名化，可以安全地排除医学发现和/或生物特征数据中包括的可以追溯到相应的患者的信息，这在处理个人数据隐私问题时非常有用。

根据一个实施方式，将生物特征后续数据与参考生物特征数据进行配准是基于刚性和/或仿射和/或非刚性配准和/或其任何组合。

在该上下文中，刚性配准可以包括如下配准：一个数据集(例如，提取的生物特征数据)中的数据点的坐标经过旋转和平移，以便将它们与另一数据集(例如，参考生物特征数据)进行配准。在该上下文中，仿射配准可以包括如下配准：一个数据集中的数据点的坐标经受旋转、平移、缩放和/或剪切，以便将它们与另一数据集中的相应数据点进行配准。因此，仅包括平移和旋转的刚性配准可以被认为是仿射配准的特定类型。相反，非刚性配准允许“弹性”变换，因此可以为要配准的数据集的每个数据点提供不同的位移，并且可以例如使用非线性变换，在非线性变换中一个数据集中的数据点的坐标会受到柔性变形，以便将该数据集与另一数据集进行配准。在一些情况下，可以使用向量字段(例如，扭曲字段或其他字段或函数)定义(非线性)变换，从而为三维数据集中的每个数据点定义单独的位移。有关图像配准的更多详细信息，请参考US 2011/0081066和US 2012/0235679，其内容通过引用包括在本申请中。

根据一个实施方式，该方法还包括以下步骤：基于比较的步骤来生成(计算)结果，并将结果转发给用户和/或将结果存档在数据库中。因此，结果优选地以如下形式提供：结构化医学报告；例如描绘一个或更多个后续检查中的发现的变化的一个或更多个趋势图；和/或用户看得见的可视化。

根据另一实施方式，该方法还包括以下步骤：基于量化的医学发现的变化来计算(生成)结果；以及将结果转发给用户和/或将结果存储在数据库中。因此，结果优选地为一个或更多个趋势图的形式，该趋势图示出了量化的医学发现的变化；包括量化的医学发现的变化的指示的结构化医学报告，优选地为一个或更多个DICOM SR对象的形式；和/或用户看得见的使量化的医学发现的变化可视化的可视化。

根据上述实施方式的结果生成使得在根据本发明的计算机辅助的后续读取期间提取的信息对于用户而言易于访问，因此提高了该方法的可用性。此外，结果可以更容易地存档以供以后使用。

根据一个实施方式，可视化可以是辅助图像的形式，该辅助图像包括以突出显示医学发现的变化方式渲染所接收的图像数据集。

通过向用户提供以突出显示变化来渲染所提交的图像数据集，用户可以立即推断发生了什么改变以及这些改变在哪里发生。这有助于引导图像读取，因此增加了该方法的可用性，并为用户得到医学诊断提供了改进的帮助。渲染可以依赖于已知的渲染过程，例如射线投射、射线追踪、纹理渲染、图像投影等。在该上下文中，术语“突出显示”可以意味着病理变化在亮度、颜色和/或强度上在视觉上得到增强。另外或替选地，可以使用符号突出显示所识别的病理变化。可以基于关于所识别的变化的信息诸如变化的位置、体积和量来实现突出显示。突出显示还可以意味着使用热图，其中，例如，变化量是用颜色编码的。例如，可以为收缩结节分配与生长结节不同的颜色。可以将热图可视化为所接收的图像数据上的覆盖图像。

根据一个实施方式，医学图像数据集是在中央处理系统处从第一站点接收的，中央处理系统远离第一站点(并且优选地是基于云的平台)，其中在中央处理系统进行检索、处理、执行和比较的步骤。根据另一实施方式，中央处理系统还包括数据库。

换言之，用于将医学图像数据集与先前或后续研究进行比较的医学图像数据集的处理被从第一站点外包给了外部中央设施。这样做的好处是，第一站点不需要自己提供用于处理的硬件和软件，而是可以依靠节省成本的外部资源。此外，例如在建立数据库时，很容易整合来自多个站点的知识。如果第二站点是基于云的平台，则更是如此。在这方面，站点可以是临床环境、机构、医院等。

生物特征数据可以包括专用数据结构，其表征图像数据集中的解剖部的几何构型，例如解剖标志、表面网格等。独立于基础坐标系的这样的信息可以用于配准目的和计算将两个图像数据集的坐标系映射的坐标变换函数。然而，正如已经提到的，医学发现本身也适合于提供用于将具有位置解析信息的两个数据集彼此配准的锚点(前提是在两个数据集中都有足够多的医学发现对)。因此，配准同样可以基于配准医学发现和/或医学发现与生物特征数据的组合。以下方面允许使用该概念。在适当的情况下，结合先前方面介绍和解释的可选方法步骤也可以与以下方面组合。

根据另一方面，提供了一种用于比较后续医学图像数据的计算机实现的方法，该方法包括多个步骤。第一步骤涉及接收示出在第一时间处患者的身体部位的医学图像数据集，其后是从数据库中检索与该图像数据集相关联的参考数据集的步骤，其中，该参考数据集是从描绘在与第一时间不同的第二时间处患者的身体部位的参考图像数据集中提取的，并且参考数据集包括分别与参考图像数据集中的位置有关的多个位置特定参考值。另外的步骤涉及从图像数据集中提取包括多个位置特定提取值的提取数据集，所述多个位置特定提取值分别与图像数据集的身体部位中的位置有关并且至少部分地对应于参考数据集。另外的步骤涉及通过将参考数据集的至少一部分与提取数据集的至少一部分配准来执行参考数据集与提取数据集的配准。此外，另外的步骤涉及基于配准，特别地通过对从参考数据集到提取数据集的变化进行量化来将参考数据集与提取数据集进行比较。

位置特定值分别涉及从基础图像数据信息中提取的位置解析信息。通过识别对应位置解析值的对，可以将提取数据集和参考数据集彼此配准，并计算将一个数据集中的位置特定数据映射至相应的其他数据集中的位置特定数据的变换函数。这样，可以比较两个数据集，即参考数据集和提取数据集，并可选地对提取数据与从数据库中检索到的参考数据之间的任何变化进行量化。从而，参考值和提取值可以分别包括一个或医学发现(如上所述)和/或生物特征数据(如上所述)。

根据另一方面，提供了一种用于比较后续医学检查的系统，该系统包括接口单元和计算单元。接口单元被配置用于从系统外部的站点接收医学图像数据集，并且用于与存储从医学图像数据集提取的多个参考数据集的数据库进行通信。计算单元被配置成经由接口单元接收描绘在第一时间处患者的身体部位的图像数据集，以及从数据库中检索与该图像数据集相关联的至少一个参考数据集。因此，参考数据集包括从描绘在与第一时间不同的第二时间处患者的身体部位的参考图像数据集中提取的参考生物特征数据，其中，参考生物特征数据定义身体部位的解剖部在参考图像数据集中的位置。计算单元还被配置成对图像数据集进行处理，以便从图像数据集提取生物特征数据，该生物特征数据定义身体部位的解剖部在图像数据集中的位置并且至少部分地对应于参考生物特征数据，以基于参考生物特征数据和提取的生物特征数据执行参考数据集与图像数据集的配准，并基于配准将图像数据集与参考数据集进行比较。

根据一个实施方式，该系统适于实施用于比较后续医学图像数据的本发明方法。计算单元可以包括检索单元，该检索单元被配置成从系统的数据库或外部数据库中检索一个或更多个参考数据集。为此，检索单元可以被配置成查询数据库并检索一个或更多个参考数据集。检索单元还可以被配置成从所接收的图像数据集中提取合适的数据标识符，并在此基础上查询数据库。此外，计算单元可以包括通常被配置成对所接收的图像数据集进行处理的图像处理单元。特别地，图像处理单元可以被配置成从医学图像数据集中提取至少部分地对应于参考数据集中包括的参考生物特征数据的生物特征数据。为此，图像处理单元可以被配置成读取和分析参考生物特征数据并在此基础上对医学图像数据集进行处理。计算单元还可以包括配准单元，该配准单元被配置成使用至少一个图像配准将参考生物特征数据与生物特征数据配准。计算单元可以还包括结果生成和可视化单元，该结果生成和可视化单元被配置成将医学图像数据集与参考数据集进行比较并且生成用于显示给用户和/或在适当的数据库中存档的结果。结果可以是可视化(针对用户)、结构化报告或指示和/或突出显示在比较时识别出的变化的一个或更多个趋势图的形式。

该计算单元可以被实现为数据处理系统或数据处理系统的一部分。这样的数据处理系统可以例如包括云计算系统、计算机网络、计算机、平板计算机、智能电话等。计算单元可以包括硬件和/或软件。该硬件可以包括例如一个或更多个处理器、一个或更多个存储器及其组合。一个或更多个存储器可以存储用于执行根据本发明的方法步骤的指令。硬件可以由软件配置和/或由软件操作。通常，所有单元、子单元或模块可以至少临时地例如经由网络连接或相应的接口彼此进行数据交换。因此，各个单元可以定位成彼此分开。

接口单元可以包括用于与本地服务器或经由因特网连接与中央网络服务器进行数据交换以接收参考数据集和/或医学图像数据集的接口。接口单元还可以适于与系统的一个或更多个用户例如通过向用户显示计算单元的处理结果(例如，在图形用户接口中)、选择参考数据集和/或通过调整用于图像处理或可视化的参数来进行对接。

根据实施方式，该系统是基于云的平台。

根据实施方式，该系统还包括可以以云存储的形式实现的数据库。

根据另一方面，本发明涉及一种计算机程序产品，其包括程序单元，当程序单元被加载到用于比较后续医学检查结果的系统的计算单元的存储器中时，该程序单元引导计算单元执行根据上述方法的步骤。

根据另一方面，本发明涉及一种计算机可读介质，其上存储有程序单元，当程序单元由于比较后续医学检查结果的系统的计算单元执行时，该程序单元能够由所述计算单元读取和执行，以执行本发明方法的步骤。

通过计算机程序产品和/或计算机可读介质实现本发明具有以下优点：可以通过软件更新容易地适用已经存在的提供系统，以按照本发明的建议工作。

计算机程序产品可以是例如计算机程序或者紧接着如此的计算机程序包括另一元素。该另一元素可以是：硬件，例如其上存储有计算机程序的存储设备、用于使用计算机程序等的硬件密钥；和/或软件，例如用于使用计算机程序的文档或软件密钥。该计算机程序产品还可以包括开发材料、运行时系统和/或数据库或库。计算机程序产品可以分布在若干计算机实例中。

附图说明

根据下面的描述和实施方式，上面描述的本发明的特性、特征和优点以及它们的实现方式变得更清楚和更容易理解，这些描述和实施方式将参照附图来详细描述。下面的描述并不将本发明限制于所包括的实施方式。在不同的附图中，相同的组件或部分可以用相同的附图标记进行标记。通常，这些附图未按比例绘制。在下面：

图1描绘了根据实施方式的用于比较后续医学检查的分布式环境；

图2描绘了根据实施方式的用于比较后续医学检查的分布式环境；

图3描绘了根据实施方式的与用于比较后续医学检查的计算机实现的方法相对应的框图；

图4示意性地示出了根据实施方式的与主要方法步骤结合的系统组件之间的数据流；以及

图5示出了根据图3的方法的若干可选子步骤的顺序。

具体实施方式

图1描绘了根据本发明的实施方式的用于识别和量化后续医学检查中的变化的分布式环境1。环境1适于执行根据一个或更多个实施方式的方法，例如如参考图3和图4进一步描述的方法。

系统1包括一个或更多个客户端10和中央处理系统100。客户端10和中央处理系统100经由网络200连接。中央处理系统100通常被配置成在分布式环境1中控制和执行从后续医学图像数据得到的数据的比较。客户端10可以驻留在一个或更多个不同的本地站点上。本地站点可以例如与临床或医学环境例如医院或医院团体、实验室、医学影像中心、诊所或机构有关。在该示例中，为了说明而示出了四个客户端10。然而，分布式环境1不限于此数目。通常，分布式环境1可以包括任意数量的客户端10。特别地，分布式环境1还可以仅包括一个客户端10。

中央处理系统100通常可以被设想为服务器。因此，中央处理系统100例如可以是网页服务器。此外，中央处理系统100可以是如图2例示的云服务器或本地服务器。中央处理系统100可以使用任何适当的计算设备和/或软件来实现。中央处理系统100可以具有处理器20、数据库30和接口单元40。

网络200可以被实现为局域网(LAN)，例如，内联网或广域网(WAN)或因特网。此外，网络200可以包括不同网络示例的组合。

客户端10可以包括：用于获取图像数据集IM的一个或更多个成像系统11、用户接口12、处理系统13、以及用于存储由此得到的医学图像数据集和/或参考数据集的数据库14。

医学成像系统11通常被配置用于获取、处理和存储医学图像数据集。因此，医学成像系统11可以包括一个或更多个医学成像模态，例如计算机断层扫描系统、磁共振系统、血管造影(或C型臂X射线)系统、正电子发射断层扫描系统、乳腺摄影系统、用于获取数字病理图像的系统等。此外，可以从存储器例如从数据库14获取通过医学成像系统11得到的医学图像数据集。此外，医学成像系统11可以包括用于存储图像数据集IM的存档/复查站(未示出)。这样的存档/复查站可以被实现为云存储，或者另外或替选地，被实现为例如PACS(图片存档和通信系统)形式的本地或扩展存储。

图像数据集(图像数据集IM和参考图像数据集)可以是例如使用计算机断层扫描系统或磁共振成像系统获取的三维数据集。这里，图像信息被编码为k×m×n个体素的三维阵列。此外，图像数据集可以与二维数据集例如利用X射线设备获取的二维数据集有关，在二维数据集中图像信息被编码成m×n个像素。此外，图像数据集可以包括三维医学图像或二维医学图像的时间流逝。在比较后续医学检查时，将从医学图像数据集提取的数据与从参考医学图像数据集提取的数据进行比较。通常，图像数据集IM和参考医学图像数据集示出了患者的相同身体部位，尽管是在不同时间点的相同身体部位，并且可能是使用不同的成像模态来获取的。通常，所描绘的身体部位将包括各种解剖部和器官。考虑到胸部区域，图像数据集可能例如描绘了肺叶、肋骨、心脏、淋巴结等。虽然在第一时间在较早的检查中获得图像数据集之一(所接收的图像数据集IM本身或参考图像数据集)，但相应的另一图像数据集与在第二时间在随后的某个阶段的后续检查有关。第二时间可能是第一时间之后的几小时、几天、几周、几个月或几年。此外，在第一时间与第二时间之间可能存在中间扫描或过程。在一个实施方式中，已经使用相同或相似的设置和参数来获取医学图像数据集。相似的设置和参数可以包括例如相同的医学成像模态11、相似的剂量(如果可用)、相同的相位时序、x射线源电压、造影剂、MRI协议等。替选地，尽管图像数据集描绘相同的身体部位，但是可能已经使用不同的成像模态11和/或成像模态11的不同设置来获取图像数据集。

如图1所示，用户接口12可以包括显示单元12a和输入单元12b。用户接口12可以由诸如智能电话或平板计算机的移动设备来实现。此外，用户接口12可以被实现为台式PC或膝上型计算机形式的工作站。输入单元12b可以例如以触摸屏的形式集成在显示单元12a中。替选地或另外，输入单元可以包括键盘12b、鼠标或数字笔及其任意组合。显示单元12a被配置用于显示图像数据集IM和/或由中央处理系统100/处理器20执行的图像处理的结果。

客户端10还包括客户端处理系统13，该客户端处理系统13被配置成执行用于服务显示单元12a和输入单元12b的至少一个软件组件，以便提供用于以下的图形用户接口：允许用户选择要上传至中央处理系统100的图像数据集IM和/或从该图形用户接口中的可用参考数据集RDS中进行选择。另外，客户端处理系统13可以被配置成与医学成像系统11和/或中央处理系统100通信，例如，用于上传图像数据集IM，接收候选参考数据集RDS以供用户审查和/或接收由中央处理系统100提供的分析结果。用户可以经由用户接口12激活软件组件。他可以例如通过从因特网应用商店下载来获取软件组件。根据示例，软件组件还可以是运行在网页浏览器中的网页应用程序形式的客户端-服务器计算机程序。客户端处理系统13可以是通用处理器、中央处理器、控制处理器、图形处理单元、数字信号处理器、三维渲染处理器、图像处理器、专用集成电路、现场可编程门阵列、数字电路、模拟电路、其组合或其他目前已知的用于处理图像数据的器件。

数据库14通常可以被配置成存储参考数据集RDS。通过应用一种或更多种图像处理技术从对应的图像数据集IM中得到参考数据集RDS。因此，参考数据集RDS构成了压缩或精简的信息集合，其使得即使在没有访问基础完整(原始)图像数据的情况下也能够对患者的先前检查和/或后续检查进行定量比较。数据库14可以被配置成使得可以由中央处理系统100对其进行查询以检索参考数据集RDS。值得注意的是，在数据库14的角色可以由中央处理系统100中包括的中央数据库30接管的意义上，数据库14对于分布式环境1是可选的。此外，数据库14可以被实现为医学成像系统11中包括的存档/复查站的一部分。数据库14可以被实现为本地或扩展存储。

具体地，参考数据集RDS可以包括两种类型的信息。一方面，参考数据集RDS可以包括从基础图像数据集中提取的医学发现EMF、RMF。另一方面，参考数据集RDS可以包括生物特征数据EBD、RBD。医学发现EMF、RMF通常可以涉及通过图像处理从图像数据中提取的生理观察，这些观察与得出医学诊断有关。这样的信息的示例包括从相应的基础检查中提取/测量的身体部位中的病变、结节、肿块或其他病理相关特征的体积、截面、周长、直径等。此外，该信息可以包括更多高级信息，例如恶性程度、已知的生长或收缩率、量化描述性可观察量(例如，轮廓状态(例如，光滑或呈球形)、钙化或脂肪沉积程度、或坚固程度等)的值。此外，该信息可以是来自针对病理相关区域的(参考)图像数据集的剪切或剪裁的形式(即医学发现EMF、RMF也可以包括图像数据)。另外，该信息可以是用单词描述生理信息的语义信息。可以使用原则上已知的(计算机实现的)方法从医学图像数据集中自动提取生理信息。然而，也可以设想使用由一个或更多个用户手动注释的信息，例如已经存在的结构化医学报告的形式的信息。

为了使医学发现EMF、RMF在不同图像数据集之间可比较，各个图像数据集中包括的医学发现EMF、RMF需要彼此匹配。换言之，需要识别相应发现EMF、RMF的对。此外，还应确定发现是新出现还是已消失。如已经说明的那样，通过直接比较像素和/或体素值来做通常不可行，因为后续图像数据集的坐标系通常没有很好地对准。这是因为诸如成像窗口或患者的对准的成像参数可能因检查而异，并且由于不可避免的解剖改变和变化而可能引起进一步的偏差。这样的解剖改变可能例如与呼吸运动或由于重量增加或减少而引起的组织变形有关。因此，需要通用的参考点或锚点，这些参考点或锚点可以用于使用配准技术(参见下文)来计算各个坐标系之间的坐标变换。这些参考点应易于从医学图像数据集中提取，并且在适用于可以源自各种成像模态的多种图像数据集的意义上具有足够的通用性。在这方面，已经证明解剖部和器官的解剖标志和表面网格非常有用。在这方面的其他选择包括解剖部和器官的分割掩模或轮廓，甚至是上面介绍的医学发现EMF、RMF。这样的数据整体可以被设想是图像数据集中所描绘的身体部位的生物特征指纹，并且同样地作为生物特征数据RBD包括在参考数据集RDS中。根据一种实施方式，参考数据集RDS可以是人类可读格式的结构化报告的形式，在该结构化报告中位置特定医学发现RMF与生物特征数据RBD一起被列出。

在中央处理系统100中由处理器20执行使用参考数据集RDS进行的后续检查的比较。处理器20可以包括子单元21至24，子单元21至24被配置成处理所接收的图像数据集IM，检索与关于所接收的图像数据集IM的先前或后续检查有关的相应的参考数据集RDS，以及量化从图像数据集IM提取的数据与参考数据集RDS之间的病理相关变化。处理器20可以是通用处理器、中央处理单元、控制处理器、图形处理单元、数字信号处理器、三维渲染处理器、图像处理器、专用集成电路、现场可编程门阵列、数字电路、模拟电路、其组合或其他现在已知的用于处理图像数据的器件。处理器20是单个器件，或者可以包括串行、并行或分开操作的多个器件。处理器20可以包括真实的或虚拟的计算机组，例如所谓的“集群”或“云”。这样的服务器系统可以是中央服务器(例如，云服务器)，或者是本地服务器(例如，位于医院或放射站点上的服务器)。处理器20可以是计算机(例如膝上型计算机或台式计算机)的主处理器，或者可以是用于处理较大系统(例如，成像系统或服务器)中的某些任务的处理器。处理器20由指令、设计、硬件和/或软件配置以执行本文讨论的步骤。此外，处理器20可以包括存储器，例如用于临时存储上传的图像数据集IM和/或参考数据集以进行进一步处理的RAM。

中央处理系统100被配置成从客户端10中的一个或更多个接收图像数据集IM。为此，中央处理系统100可以包括合适的接口单元40，用于通过网络200与客户端10进行通信。

子单元21是检索单元或模块。子单元21被配置成检索与从数据库14、30接收的图像数据集IM关联(或可以关联)的一个或更多个参考数据集RDS。讨论中的数据库可以与相应客户端10处的数据库13相关或与中央处理系统的数据库30相关。子单元21可以被配置成访问和读取图像数据集IM以从中提取可以用于向数据库14或30查询对应的参考数据集RDS的数据标识符。该数据标识符可以例如与患者的ID或登录号或文件号有关。此外，子单元21可以被配置成从图像数据集IM中提取可以用于缩小搜索范围的元数据。这样的元数据可以与获取图像数据集IM的时间点、图像数据集IM的类型、用于获取的医学成像模态11的类型、图像数据集IM中描绘的身体部位等有关。该信息可以从图像数据集IM的头中检索和/或通过图像处理从图像数据集IM中直接提取。替选地或另外，可以由用户在将图像数据集IM上传至中央处理系统100时提供元数据。例如，可以在上传时经由用户接口12输入元数据并将其转发给中央处理系统100。此外，子单元21可以被配置成在向数据库14或30查询参考数据集RDS时应用一个或更多个选择标准。选择标准可以与上面介绍的元数据有关。例如，一个选择标准可以涉及专门向数据库14或30搜索从利用与上传的图像数据集IM相同类型的成像模态11获取的图像数据中提取的参考数据集RDS。此外，对参考数据集RDS的搜索可以被限制为与和上传的图像数据集IM相同的身体部位有关的数据。再举一例，仅检索在图像数据集IM的获取时间的设置时间窗内获取的参考数据集RDS。另一选择标准可以涉及以下问题：是否寻求来自先前检查或后续检查的参考数据。选择标准可以由子单元21设置或由用户经由用户接口12交互地设置。子单元21还可以被配置成例如通过将一个或更多个候选参考数据集RDS转发到用户接口12来向用户提供所检索的数据集RDS以供复查、批准和/或选择。如果没有参考数据集RDS与选择标准匹配和/或根本找不到参考数据集RDS，则子单元21可以配置成经由用户接口12相应地通知用户。

子单元22是图像处理单元或模块。子单元22被配置成从上传的医学图像数据集IM中提取与参考数据集RDS中包括的信息匹配的信息，以使得能够在医学图像数据集IM与一个或更多个对应的参考数据集RDS之间进行比较。因此，子单元22被配置成从图像数据集IM中提取与参考数据集合RDS中包括的参考生物特征数据RBD相对应的生物特征数据EBD。值得注意的是，“对应”不需要在提取的生物特征数据EBD与参考生物特征数据RBD之间存在一一对应。以解剖标志作为生物特征数据的示例，通常从医学图像数据集IM中提取的至少一些解剖标志可以被映射至相应参考数据集RDS中包括的解剖标志以通过配准单元23计算坐标变换函数就足够了。为了确保生物特征数据EBD、RBD充分对应，子单元22可以被配置成分析参考数据集RDS中包括的参考生物特征数据RBD，并相应地处理图像数据集IM。除了从图像数据集IM中提取适当的生物特征数据EBD之外，子单元22还可以被配置成从图像数据集IM中提取一个或更多个医学发现EMF。因此，医学发现EMF可以涉及上述与参考数据集RDS中包括的参考生物特征数据RBD有关的相同种类的信息。为了从图像数据集IM中提取生物特征数据EBD和生理发现EMF，子单元22可以被配置成实现与在生成参考数据集RDS时从参考医学图像数据集提取该信息所使用的相同或相似的方法。

子单元23是配准单元或模块。子单元23被配置成执行提取生物特征数据EBD和参考生物特征数据RBD的配准。为此，子单元23可以被配置成确定提取生物特征数据EBD和参考生物特征数据RBD的哪些部分相对应并且针对相应部分执行配准。再次以解剖标志和表面网格为例，子单元23可以确定提取生物特征数据EBD和参考生物统计学数据RBD两者中包括的那些解剖标志和表面网格，并将它们用于配准。一旦生物特征数据和参考生物特征数据的相应部分已经匹配(例如，通过识别提取生物特征数据EBD和参考生物特征数据RBD中的数据对)，子单元23可以计算坐标变换，该坐标变换实质上是将生物特征数据EBD转换成参考生物特征数据RBD，或者将参考生物特征数据RBD转换成生物特征数据EBD，或者换言之，这使生物特征数据EBD与参考生物特征数据RBD的相应部分之间的空间距离最小化。通过构造，这样的变换等于基础图像数据集的度量中的任何系统性(非病理性)变化、变形和其他差异。由于这些变化通常是局部的和非各向同性的，因此变换函数也将是局部的和非各向同性的。因此，由子单元23提供的计算结果可以是二维或三维变换矩阵或变形场的形式。为了执行图像配准，子单元23可以应用包括刚性图像配准、仿射图像配准、非刚性图像配准及其任意组合的一种或更多种图像配准技术。为了改进配准的结果，子单元23可以可选地被配置成将计算结果数学上拟合到用于软组织变形的一个或更多个运动模型。此外，子单元23可以被配置成例如根据身体部位中包括的解剖部或器官将(参考)生物特征数据EBD、RBD划分或聚类为多个片段或聚类。为此，子单元23可以被配置成运行一个或更多个分割过滤器，例如肺分割过滤器、骨分割过滤器、肝脏分割过滤器等。替选地，子单元23可以根据参考生物特征数据RBD和提取的生物特征数据EBD中包括的各个数据的语义描述，简单地将生物特征数据EBD、RBD聚类。子单元23还可以被配置成使用各自的图像配准和运动模型(可能针对相应片段或聚类中包括的器官或解剖部被优化)针对每个聚类生成各自的变形场。

子单元24是结果生成和可视化模块或单元。子单元24被配置成使用由子单元23提供的结果将所接收的图像数据集IM与参考数据集RDS进行比较。特别地，子单元24可以被配置成应用配准的结果，以便使从所接收的图像数据集IM中提取的以及参考数据集RDS中包括的相应医学发现EMF、RMF匹配。为此，子单元24可以被配置成将所提取的医学发现EMF映射到参考医学发现RMF上(或将参考医学发现RMF映射到所提取的医学发现EMF上)。“映射”的另一种表达是使所提取的医学发现EMF和参考医学发现RMF对准(或共对准)。这可以由子单元24通过应用子单元23输出的变换函数将参考医学发现RMF变换成所提取的医学发现EMF的坐标系或将所提取的医学发现EMF变换成参考医学发现RMF的坐标系来完成。子单元24还可以被配置成在此基础识别相应的医学发现EMF、RMF。这可能意味着在所提取的医学发现EMF和参考医学发现RMF中识别相应医学发现的对。这还可以包括识别在所提取的医学发现EMF或参考医学发现RMF中没有对应部分的任何医学发现，因为这表明有新形成的医学发现或消失的医学发现。子单元24还可以被配置成基于映射/对准来识别和/或量化医学发现EMF、RMF的变化，并在此基础上生成结果R。此外，子单元24还可以被配置成将这些结果R变换或转换成合适的表示以将其显示给用户。合适的表示可以是其中医学发现的变化被视觉编码的辅助图像的形式。这可能意味着在可视化中变化得到了增强。子单元24可以例如被配置成运行或执行用于根据量化的/识别出的医学发现变化来渲染半透明覆盖图像的算法，该半透明覆盖图像被叠加在图像数据集IM的相应渲染图像上。此外，子单元24可以被配置成以图像数据集IM中的符号形式来突出显示变化。

不同的子单元21至24的指定将通过示例而非限制的方式来解释。因此，子单元21至24可以被集成以形成一个单个单元，或者可以由被配置成执行在处理系统20的处理器等上运行的相应方法步骤的计算机代码段来实现。对于客户端处理系统13同样如此。每个子单元21至24和客户端处理系统13可以单独地连接至系统1的需要数据交换以执行方法步骤的其他子单元和/或其他组件。例如，子单元21可以连接至数据库30以检索参考数据集RDS，以及连接至客户端处理系统13和/或用户接口12以将一个或更多个候选参考数据集RDS转发给用户以供审查。处理系统20和接口计算单元13一起可以构成如上所述的计算单元。值得注意的是，该计算单元的物理布局，即接口计算单元13和子单元21至24的物理分布，原则上是任意的。例如，子单元24(或其单个元素或具体算法序列)可以同样地位于客户端10处。对于其他子单元21至23也是如此。具体地，处理系统20也可以集成在用户接口10中。

如已经提到的，处理系统20可以替选地被实现为服务器系统例如云服务器，或本地服务器例如位于医院或放射站点上的服务器。在图2中示出了云服务器形式的实现，图2描绘了根据实施方式的用于后续读取的分布式系统2。在此，相对于图1，类似的附图标记表示相同的部分。根据图2所示的实施方式，可以将用户接口12指定为面向用户的“前端”或“客户端”，而中央处理系统100则可以被视为“后端”。用户接口10与处理系统20之间的通信可以例如通过使用超文本传输协议在网络200上进行。系统2的计算能力可以分布在中央处理系统100与客户端10之间。在“瘦客户端”系统中，大多数计算能力存在于中央处理系统100中。在“厚客户端”系统中，客户端10上存在更多的计算能力以及可能的数据。

系统1、2的各个组件可以至少临时地彼此连接以用于数据传输和/或交换。客户端10经由接口单元40与中央处理系统100通信以交换例如图像数据集IM、参考数据集RDS和/或处理结果R。例如，中央处理系统100可以基于请求被激活，其中，请求是由客户端10例如通过将图像数据集IM上传至中央处理系统100而被发送的。此外，中央处理系统100可以经由接口单元40与数据库14或30或其他数据存储装置通信。具体地，至数据库14、30的连接可以包括与DICOM标准(医学数字成像和通信)兼容的接口(作为接口单元40的一部分)，并且参考数据集RDS的检索可以通过DICOM查询和检索应用程序类来进行。同样，可以使用DICOM查询和检索应用程序类来存档另外的参考数据集。用于数据交换的接口单元40可以被实现为硬件或软件接口，例如，PCI总线、USB或火线。接口单元40可以与网络200对接。可以使用网络连接来实现经由接口单元40的数据传输。网络连接也可以是无线的，例如作为无线LAN(WLAN或WiFi)。用于数据交换的接口以及用于与用户对接的组件也可以被视为上述接口单元的一部分。

图3描绘了根据本发明的实施方式的用于后续医学图像数据的发明方法。相应的数据流如图4所示。该方法包括若干步骤。步骤的顺序不一定与步骤的编号相对应，而是也可以在本发明的不同实施方式之间变化。可选步骤或子步骤在图3中以虚线框示出。

在第一步骤M10中，接收对于其请求进行后续读取的图像数据集IM。可以由用户(可以是放射医生、病理学家或其他医师和保健人员)通过将图像数据集IM上传至中央处理系统100的方式将图像数据集IM提供至中央处理系统100。

第二步骤M20涉及从数据库14和/或30中检索与图像数据集IM相对应的至少一个参考数据集RDS。为此，可以在可选的子步骤M21中读取医学图像数据集IM，以从图像数据集IM中提取信息，可以基于该信息向可用的数据库14、30查询合适的参考数据集RDS。该信息可以包括例如以登录号或患者ID的形式的数据标识符；指示患者、病例和/或疾病类型的信息；医学图像数据集的类型(2D、3D、MR数据、CT数据等)；所使用的成像模态和成像参数；获取图像数据集的时间点；对患者施用的治疗等。可以从图像数据集IM的(DICOM)头或正文中读取此信息。替选地，用户可以在上传时补充全部或部分该信息(这使得子步骤M21是可选的)。在任何情况下，这样收集的信息可以用于向可用的数据库14和/或30发送特定查询。例如，可以向数据库14和30查询与和图像数据集IM的患者相同的患者有关的所有参考数据集。另外或替选地，可以在可选的子步骤M22中定义一个或更多个选择标准，借助选择标准可以进一步使搜索查询具体化。这样的选择标准可以包括：在图像数据集IM的获取(在第一时间)与构成参考数据集RDS的基础的参考图像数据集的获取(在第二时间)之间的期望时间窗；是否需要先前检查和/或后续检查以进行比较；是否应考虑来自不同或类似医学成像模态的结果；是否以及如何将参考数据集用作后续读取的参考的信息等。除了过滤可用参考数据集RDS之外，选择标准还可以用于在可选子步骤M23中计算相关性得分并根据相关性得分选择参考数据集。例如，相关性得分可以使得较老的参考数据集RDS得分低于较新的参考数据集的得分。如此检索到的参考数据集可以在可选子步骤M24中作为“候选参考数据集”被转发给客户端10。如在图5中进一步详细描述的，子步骤M24可以如下划分为各个步骤M24.1至M24.4：在M24.1中，从数据库14和/或30中检索一个或更多个候选参考数据集；在M24.2中，向用户提供一个或更多个候选参考数据集，以从一个或更多个候选参考数据集中选择用户选择的参考数据集；在M24.3中，接收用户选择；以及在M24.4中，使用用户选择的参考数据集作为参考数据集RDS。在客户端10处，候选参考数据集可以在M24.2中例如经由用户接口12被呈现给用户，并且优选地与某些关键信息(时间戳、相关性得分等)的指示一起被呈现给用户。然后，用户可以选择她或他要使用哪个(些)参考数据集进行由中央处理系统100进行的后续读取以及进一步处理。至于在步骤M20中从其检索参考数据集的数据库，这可以是本地数据库14(例如，位于已经提交医学图像数据集IM的站点处)或中央处理系统100的数据库30(参见图4)。本身来讲，也可以在步骤M20中查询数据库14和30二者或者其他(外部)数据库。可以至少部分地在客户端10侧上或在中央处理系统100处执行步骤M20。在必要时，在该步骤中包括相应的数据交换。优选地，步骤M20主要在中央处理系统100中执行，其中涉及客户端的动作由中央处理系统100发起。

步骤M30是涉及从图像数据集IM中提取用于随后的与参考数据集RDS的配准和特征比较的信息的图像处理步骤。这样从图像数据集IM提取的数据的集合被称为提取数据集EDS。提取数据集EDS至少部分地对应于参考数据集RDS。步骤M30可以并行执行或在步骤M20之后执行。在后一种情况下，在可选的子步骤M31中，可以读取所检索的参考数据集RDS的特征，并且可以基于所读取的特征来处理图像数据集IM。因此，特征可以与参考数据集RDS中包括的生物特征数据RBD和医学发现RMF的类型有关。以此方式，当在子步骤M31中确定参考数据集RDS包括给定的解剖标志的集合时，可以谨慎地处理图像数据集IM以自动提取与参考数据集RDS中的解剖标志最佳相对应的解剖标志。然而，尤其是如果所依赖于的生物特征数据被高度标准化，则也可以省略子步骤M31。就像参考数据集RDS一样，在步骤M30中从图像数据集IM提取的数据可以包括两种类型的信息：一种是生物特征信息(“提取生物特征数据”EBD)，另一种是医学发现(“所提取的医学发现”EMF)。然而，如上所述，提取生物特征数据EBD也可以包括一个或更多个医学发现EMF。优选地，在中央处理系统100中执行步骤M30。

一旦完成步骤M30的图像处理，则从图像数据集IM提取的数据EDS原则上处于将其与参考数据集RDS进行比较的良好状态。为了量化从参考数据集RDS到提取数据集EDS的变化，必须对分别包括的结构化结果进行映射。换言之，要确定医学发现RMF、EMF中的哪个(些)彼此对应，哪些是新的以及哪些消失了。如果将相对于相同的坐标系来定义医学发现RMF、EMF的位置，则该映射将相当于简单的叠加。然而，正如已经说明的那样，基础坐标系远非相同。因此，需要计算变换函数，该变换函数能够将相应的参考数据集RDS变换成提取数据集EDS的坐标系，或将提取数据集EDS变换成相应的参考数据集RDS的坐标系。这通过在步骤M40中执行配准REG来完成。在步骤M40中，将相应参考数据集RDS的至少一部分与提取数据集EDS的至少一部分进行配准。本质上，这可以包括在可选的子步骤M41中识别相应参考数据集RDS和提取数据集EDS中的对应数据点。已经识别出这样的对应数据点，可以计算这些对应点之间的局部偏移，这提供了坐标系中的从参考数据集RDS到提取数据集EDS的局部偏移的指示。对于已经充分分布在基础图像体中的多个相应数据点进行该操作提供相应的参考数据集RDS和提取数据集EDS之间的位移和变形的很好的指示。为了将这些单独的贡献适当地聚集到相干的二维或三维变换函数或变形场中，可以使用各种配准技术。这些技术可以包括刚性配准、仿射配准、非刚性配准、非仿射配准及其任意组合。

该配准试图找到一个变换T，该变换T使两个数据集的标志位置的空间距离(根据实现：点的欧几里得范数和网格的表面距离度量)最小化。根据实现，该任务可以如下被表述：假设在两个数据集中都找到了N个(广义的)标志，并且让x

其中w

此外，配准可以涉及模型拟合操作和分割，或者如上所述的聚类策略。变换函数的计算可以在表示为M42的指定子步骤中进行。根据一种实施方式，该配准具体地基于将参考数据集RDS和提取数据集EDS中分别包括的生物特征数据EBD、RBD彼此配准。优选地，在中央处理系统100中执行步骤M40。

在随后的步骤M50中，使用配准REG将提取数据集EDS与参考数据集RDS进行比较——并且随后将从图像数据集IM提取的信息与从基础参考医学图像数据集提取的信息进行比较。为了自动量化基础检查之间的病理变化并帮助用户交付医学诊断，必须对从后续图像数据集中提取的观察(发现、测量结果等)进行匹配。这可以涉及在子步骤M51中使用配准REG的结果将医学发现EMF、RMF的位置变换为公共坐标系。以此方式，医学发现EMF和RMF彼此映射，换言之彼此(共)对准。随后，可以识别出医学发现EMF、RMF的相应的对，并且可以确定医学发现新形成或是消失。在示例实施方式中，对于来自参考医学发现RMF的发现和来自所提取的医学发现EMF的发现的每个对，可以例如考虑在步骤M51中的映射之后它们的空间接近性、它们是否是相同类型以及其他参数如何相似来计算两个发现描述相同病理的概率。在示例实施方式中，对最可能描述相同发现的对进行匹配/关联，直到达到某个阈值。其余的发现则很可能与例如早前未出现的新病变或通过外科手术切除的旧病变有关。一旦将医学发现EMF、RMF匹配，就可以在可选的子步骤M53中量化医学发现的变化。量化变化可能意味着要比较医学发现EMF、RMF的测量参数。例如，可以将图像数据集IM中的由病变占据的体积与从参考医学图像数据集提取的相同病变的体积进行比较，并且可以量化体积差。这样，可以提供病变的缩小或生长速率的指示。优选地，在中央处理系统100中执行步骤M50。

在随后的步骤M60中，使用医学发现的量化变化来生成结果R。结果R可以是用户可见结果的形式，即人类可读的格式。这样，结果R可以是其中指示医学发现的变化的结构化报告的形式。例如，结构化报告可以是由系统预先填充有先前步骤M50的比较结果的放射报告的形式。该报告可以被配置成使得用户可以例如通过指示进一步的观察和他/她的表现来完成该报告。结构化报告的生成可以在可选的子步骤M61中进行。此外，在步骤M60中生成的结果R可以是可视化的形式。可视化可以在可选的子步骤M62中生成。可视化可以包括使用对于用户突出显示的变化例如通过在所提取的医学发现EMF附近引入符号或数字、应用颜色图或热图和/或调整渲染的亮度或发光值来渲染图像数据集IM的一个或更多个表示。渲染的结果可以是一个或更多个辅助图像的形式，辅助图像向用户指示发生变化的位置和/或变化有多大。渲染可以是基于图像数据集IM的适当表示的二维渲染，例如穿过图像体的截面或切片。表示可以由用户例如通过滚动图像体手动选择，或由系统(半)自动选择。此外，可以采用已知的体渲染技术，例如射线追踪或射线投射等。就这一点而言，用户可以指定诸如视角或观看距离的参数。优选地，这可以在合适的图形用户接口的帮助下经由用户接口12以交互方式完成。变化的大小可以被可视化为热图，例如被可视为图像数据集IM上的覆盖图像，以帮助引导用户读取图像。在此，可以将具有给定色谱的色梯度分配给变化的大小，以使大的正变化(生长、新出现的病变等)与色谱的一端相关联，而大的负变化(收缩、消失)与色谱的另一端相关联。通过以表格或趋势图的形式提供或创建相关发现的表示或历史，可以在可选子步骤M63中生成结果R的另一种形式。值得注意的是，结果R不仅可以反映图像数据集IM与一个参考数据集RDS的比较，而且可以反映与多个数据集的比较。因此，结构化报告、辅助图像和趋势图可以示出医学发现在多次后续检查之间的变化。根据实施方式，结果R的类型(例如，结构化报告、辅助图像、趋势图)可以由用户经由用户接口12交互地选择。另一可选子步骤M64涉及例如经由用户接口12将结果R转发至用户。可以至少部分地在用户接口12上或在中央处理系统100上执行步骤M60。必要时，在此步骤中包括相应的数据交换。优选地，步骤M60主要在中央处理系统100中执行，涉及客户端的动作由中央处理系统100发起。换言之，由中央处理系统100控制步骤M60。

可选步骤M70是存储或存档步骤。它可以处理所生成的结果R(可选的子步骤M71)以及从图像数据集IM提取的数据，即提取生物特征数据EBD和提取医学发现EMF(可选的子步骤M72)两者。如图4所示，在两种情况下的存档可以在本地数据库13以及系统的数据库40中进行。优选地，步骤M70被实现为使得用户有机会主动地决定她或他是否希望将结果R和/或提取数据集EDS存档。例如，这可以通过在用户接口12中运行的图形用户接口中的相应按钮来实现。在导入时，可以对提取数据集EDS进行格式化，以使其对应于已经存储在数据库14和/或30中的参考数据集RDS。此外，数据导入还可以包括标记数据以及将导入的数据映射至已经存档的数据的自动化操作。标记和映射的动作可以基于附着于图像数据集IM的任何元数据和/或与医学图像数据集一起上传的任何补充信息。例如，可以从元数据或任何其他补充信息中提取登录号、患者ID、使用的图像模态和/或进行检查的时间，并将其用于将提取数据集EDS以系统的且易于检索的方式存档在数据库14和/或30中。在存档之前，可以对任何数据进行适当的过滤过程，以确保对存档的数据进行匿名处理。步骤M70可以至少部分地在用户接口12上或在中央处理系统100上执行。在必要时，在该步骤中包括相应的数据交换。优选地，主要在中央处理系统100中执行步骤M70，其中涉及客户端的动作由中央处理系统100发起。换言之，由中央处理系统100控制步骤M70。

只要有意义，各个实施方式或其各个方面和特征可以彼此组合或交换，而不限制或扩大本发明的范围。在适用的情况下，关于本发明的一个实施方式描述的优点对本发明的其他实施方式而言也是有利的。

以下要点也是本公开内容的一部分：

1.一种用于比较后续医学检查的计算机实现的方法，所述方法包括：

接收示出在第一时间处患者的身体部位的医学图像数据集；

从数据库中检索与所述图像数据集相关联的至少一个参考数据集，其中，所述参考数据集包括从描绘在与所述第一时间不同的第二时间处所述患者的身体部位的参考图像数据集中提取的参考生物特征数据，所述参考生物特征数据定义所述身体部位的解剖部在所述参考图像数据集中的位置；

从所述图像数据集中提取生物特征数据，所述生物特征数据定义所述身体部位的解剖部在所述图像数据集中的位置，并且至少部分地对应于所述参考生物特征数据；

基于所述参考生物特征数据和所提取的生物特征数据将所述参考数据集与图像数据集配准；以及

根据所述配准将所述图像数据集与所述参考数据集进行比较。

2.根据要点1所述的方法，

其中，所述参考数据集包括从所述参考图像数据集中提取的一个或更多个参考医学发现，所述参考医学发现分别与所述参考图像数据集中的位置相关联；

其中，提取的步骤还包括从所述医学图像数据集中提取与所述图像数据集中的位置相关联的一个或更多个医学发现；并且

其中，比较的步骤包括将所提取的医学发现与所述参考医学发现进行比较，特别地包括对所述医学发现的变化进行量化。

3.一种用于比较后续医学图像数据的计算机实现的方法，所述方法包括：

接收示出在第一时间处患者的身体部位的医学图像数据集；

从数据库中检索与所述图像数据集相关联的至少一个参考数据集，其中，所述参考数据集包括：

从描绘在与所述第一时间不同的第二时间处所述患者的身体部位的参考图像数据集中提取的参考生物特征数据；以及

从所述参考图像数据集中提取的一个或更多个参考医学发现，所述参考医学发现与所述参考图像数据集中的位置相关联；

从所述图像数据集中提取生物特征数据和一个或更多个医学发现，所述生物特征数据至少部分地对应于所述参考生物特征数据，所述一个或更多个医学发现与所述图像数据集中的位置相关联；

使用所述参考生物特征数据和所提取的生物特征数据执行所述参考数据集与所述图像数据集的配准；以及

基于所述配准将所提取的医学发现与所述参考医学发现进行比较，特别地包括对所述医学发现的变化进行量化。

4.根据要点2或3所述的方法，还包括以下步骤：

基于所提取的生物特征数据和所提取的医学发现，编制另外的参考数据集；以及

将所述另外的参考数据集转发至所述数据库以将所述另外的参考数据集存储在所述数据库中。

5.根据要点2至4中任一要点所述的方法，其中，比较的步骤包括使用所述配准将所提取的医学发现与所述参考医学发现进行匹配。

6.根据要点2至5中任一要点所述的方法，其中，比较的步骤包括使用所述配准将所提取的医学发现与所述参考医学发现进行对准。

7.根据要点2至6中任一要点所述的方法，还具有以下步骤：

基于量化的变化来计算结果；

将所述结果转发给用户，以及/或者

将所述结果存储在数据库中；

所述结果优选地为以下形式：

趋势图，其示出量化的医学发现的变化，

结构化医学报告，其包括量化的医学发现的变化的指示，所述指示优选地为一个或更多个DICOM SR对象的形式，

用户能够查看的可视化，其将量化的医学发现的变化可视化，和/或

上述的任何组合。

8.根据要点2至7中的任一项所述的方法，还具有以下步骤：

基于所量化的变化，优选地通过以突出显示所述变化的方式渲染所述医学图像数据集的图像来生成用户看得见的结果。

9.根据前述要点中的任一项所述的方法，其中，执行配准包括：将所述参考生物特征数据的至少一部分与所提取的生物特征数据的至少一部分进行配准。

10.根据前述要点中的任一项所述的方法，其中，执行配准包括：在所述参考生物特征数据和所提取的生物特征数据中分别确定相互对应的数据，并且基于所述相互对应的数据执行配准。

11.根据前述要点中的任一项所述的方法，其中，所述参考数据集根据所述DICOM标准被格式化。

12.根据前述要点中的任一项所述的方法，其中，所述后续医学图像数据以上传的方式被用户接收。

13.根据前述要点中任一项所述的方法，其中，检索的步骤包括：

从所述医学图像数据集中提取数据标识符；以及

使用所述数据标识符在所述数据库中查询所述参考数据集。

14.根据前述要点中的任一项所述的方法，还具有以下步骤：提供存储从医学图像数据集中提取的多个参考数据集的数据库，其中，在检索的步骤中，所述至少一个参考数据集从所述数据库中被检索到。

15.根据前述要点中的任一项所述的方法，还具有从所述数据库中检索与所述图像数据集相关联的第二参考数据集的步骤，其中，所述第二参考数据集包括从描绘在与所述第一时间不同的第三时间处所述患者的身体部位的第二参考图像数据集提取的第二参考生物特征数据，所述参考生物特征数据定义所述身体部位的解剖部在所述第二参考图像数据集中的位置；

从所述图像数据集中提取生物特征数据，所述生物特征数据定义所述身体部位的解剖部在所述图像数据集中的位置，以及至少部分地对应于所述第二参考生物特征数据；

基于所述参考生物特征数据和所提取的第二生物特征数据执行所述参考数据集与所述图像数据集的配准；以及

基于所述配准将所述图像数据集与所述第二参考数据集进行比较。

16.根据要点15所述的方法，还包括：

基于所述参考生物特征数据和所提取的第二生物特征数据执行所述第二参考数据集与所述参考数据集的第二配准；以及

基于所述配准将所述参考数据集与所述第二参考数据集进行比较。

17.一种用于比较后续医学图像数据的计算机实现的方法，所述方法包括：

接收示出在第一时间处患者的身体部位的医学图像数据集；

从数据库中检索与所述图像数据集相关联的参考数据集，其中：

所述参考数据集是从描绘在与所述第一时间不同的第二时间处所述患者的身体部位的参考图像数据集中提取的，以及

所述参考数据集包括分别与所述参考图像数据集中的位置有关的多个位置特定参考值；

从所述图像数据集中提取包括多个位置有关的提取值的提取数据集，所述多个位置有关的提取值分别与所述身体部位在所述图像数据集中的位置有关，并且至少部分地对应于所述参考数据集；

通过将所述参考数据集的至少一部分与所提取的数据集的至少一部分配准来执行所述参考数据集与所提取的数据集的配准；以及

基于所述配准、特别地通过对从所述参考数据集到所提取的数据集的变化进行量化来比较所述参考数据集和所提取的数据集。

18.根据要点17所述的方法，其中：

所述参考值和所提取的值分别包括分别与所述身体部位中的位置相关联的医学发现；以及

比较包括对从所述参考数据集到所提取的数据集的医学发现的变化进行量化。

19.根据要点17或18所述的方法，其中：

所述参考值和所提取的值分别包括解剖部的多个解剖标志和/或表面网格；以及

执行配准的步骤基于所述解剖标志和/或表面网格。

20.根据要点17至要点19中的任一项所述的方法，还具有将所提取的数据集作为另外的参考数据集上传至所述数据库的步骤。

21.一种用于比较后续医学图像数据的计算机实现的方法，所述方法包括：

接收示出在第一时间处患者的身体部位的医学的图像数据集；

从数据库中检索与所述图像数据集相关联的参考数据集；

其中，所述参考数据集包括：

从描绘在与所述第一时间不同的第二时间处所述患者的身体部位的参考图像数据集中提取的参考解剖标志的集合，以及

从所述参考图像数据集中提取的一个或更多个参考医学发现，所述参考医学发现与所述参考图像数据集中的位置相关联；

从所述图像数据集中提取至少部分地对应于所述参考解剖标志的解剖标志的集合以及与所述图像数据集中的位置相关联的一个或更多个医学发现；

通过将所述参考解剖标志的至少一部分与所提取的解剖标志的至少一部分配准来执行所述参考数据集与所述图像数据集的配准；以及

基于所述配准，特别地通过对医学发现的变化进行量化将所提取的医学发现与所述参考医学发现进行比较。