Siemens Healthineers

The invention relates to a computer-implemented method to detect corrupted diffusion-weighted magnetic resonance imaging (DW-MRI) data, comprising: receiving at least one DW-MRI data set (7) describing at least a part of an object and comprising multiple sectional images; determining at least one segmented data set (10) describing for each one of the multiple sectional images of the DW-MRI data set (7) a part assigned to an object part (30) of interest of the object; - for each sectional image of the segmented data set (10): determining a first corruption verification value (12); if the first corruption verification value (12) fulfills a first corruption condition (13), classifying the sectional image as corrupted; and/or - for the segmented data set (10): determining a second corruption verification value (15); if the second corruption verification value (15) fulfills a second corruption condition (16), classifying the segmented data set (10) as corrupted.

Die Erfindung betrifft eine Magnetsteuerung für einen supraleitenden Feldmagneten eines Magnetresonanztomographen, den Magnetresonanztomographen und ein Verfahren zum Betrieb. Es wird eine Verfügbarkeit einer Ressource zum Kühlen des supraleitenden Magneten durch die Magnetsteuerung erfasst, ein erster Betriebsmodus in Abhängigkeit von der Verfügbarkeit eingestellt und der supraleitenden Feldmagneten gemäß dem ersten Betriebsmodus gekühlt, wobei keine Bilderfassung durch den Magnetresonanztomographen erfolgt.

Computer-implemented methods and corresponding systems for providing medical findings depending on a classification are disclosed. The method comprises obtaining the medical image. The method further comprises identifying a user from a plurality of users. The method further comprises obtaining at least one medical finding in the medical image. The method further comprises providing a first trained machine learning model. The first trained machine learning model being configured to classify the at least one medical finding based on the prior actions of the identified user. The method further comprises applying the first trained machine learning model to the at least one medical finding to obtain a first classification of the at least one medical finding according to prior actions of the user. The method further comprises providing the at least one medical finding to the user depending on the first classification.

The invention relates to a method of generating control data for a printer device (12) to generate a phantom object (14) of a source object, comprising the following steps performed by a control device (10): receiving a parameter map of the source object, the parameter map comprising input voxels, each input voxel being assigned a respective input parameter value; generating a parameter map of the phantom object (14) based on the parameter map of the source object; generating a printing map of the phantom object (14), the printing map of the phantom object (14) comprising the output voxels (20), each output voxel (20) being assigned a respective printing material to be applied by the printer device (12); generating control data for the printer device (12) to print the phantom object (14) using the printing materials according to the printing map.

Die Erfindung betrifft eine Lokalspulenanordnung, einen Patiententisch und eine Magnetresonanzvorrichtung. Die Lokalspulenanordnung umfasst ein anteriores Teil, das eine Tragstruktur und eine anteriore Hochfrequenzsendeeinheit umfasst. Die Tragstruktur weist eine Auflageseite und eine, insbesondere der Auflageseite gegenüberliegende, Oberseite auf. Dabei ist die anteriore Hochfrequenzsendeeinheit an der Oberseite der Tragstruktur angeordnet. Die die Tragstruktur weist ein Innenvolumen aufweist, wobei das Innenvolumen ausgebildet ist, darin den Rumpfabschnitt des Patienten zu positionieren.

Systems and methods for performing a medical imaging analysis task are provided. 1) One or more input medical images each in a domain and 2) a domain code for each of the one or more input medical images identifying its domain are received. Each particular input medical image of the one or more input medical images is downsampled using a dynamic convolutional layer based on the domain code for the particular input medical image. A first set of features is extracted from each particular downsampled input medical image of the one or more downsampled input medical images using the dynamic convolutional layer based on the domain code for the particular downsampled input medical image. The first set of features is encoded into a second set of features using a machine learning based encoder. A medical imaging analysis task is performed based on the second set of features using a machine learning based decoder. Results of the medical imaging analysis task are output.

Computerimplementiertes Verfahren zur Positionierung eines Patienten (1) bezüglich wenigstens einer Komponente (2) einer medizinischen Bildgebungseinrichtung (3) zur Erfassung von Ergebnisbilddaten (4), umfassend die Schritte:- Erfassen vorläufiger Bilddaten (5), die wenigstens ein vorgegebenes anatomisches Merkmal (6) des Patienten (1) zumindest zum Teil abbilden, während der Patient (1) oder ein das anatomische Merkmal (6) umfassender Abschnitt des Patienten (1) durch eine Lagereinrichtung (7) der medizinischen Bildgebungseirichtung (3) gelagert ist,- Ermitteln einer Merkmalsposition (8) des vorgegebenen anatomischen Merkmals (6) in den vorläufigen Bilddaten (5), und, stets oder bei Erfüllung einer von der Merkmalsposition (8) abhängigen Auslösebedingung (9),- Ansteuern eines Aktors (10) der Bildgebungseinrichtung (3) zur Bewegung der Lagereinrichtung (7) in eine auf Basis der Merkmalsposition (8) ermittelte Sollposition (11) und/oder Ausgabe eines die Sollposition (11) betreffenden Hinweises (12) an einen Nutzer der Bildgebungseinrichtung (1).

The invention relates to a system (20) for processing medical image data, the system (20) comprising: - a data interface (21), configured for receiving a pair of image-datasets, the pair of image-datasets comprising an R-image-dataset (13) with a high signal-to-noise ratio and an N-image-dataset (14) with a low signal-to-noise ratio, - a mixing-unit (23), configured for mixing, in particular adding, the R-image-dataset (13) to the N-image-dataset (14) in a weighted mixing manner, - an untangling-unit (24), configured for untangling, in particular subtracting, a reference-dataset (15) from a processed-dataset (17) in a weighted untangling manner, - an output-unit (25), configured for outputting an output-dataset (18), wherein the system (20) is configured for a) applying an Al model (22) to the R-image-dataset (13), wherein the reference-dataset (15) is generated, b) mixing the R-image-dataset (13) and the N-image-dataset (14) by the mixing-unit (23), wherein a work-dataset (16) is generated, c) applying the Al model (22) to the work-dataset (16), wherein the processed-dataset (17) is generated, d) untangling the reference-dataset (15) from the processed-dataset (17) by the untangling-unit (24), wherein the output-dataset (18) is generated, e) outputting the output-dataset (18) by the output-unit (25).

The invention relates in one aspect to a computer-implemented method for handling drifting geometric misalignments in a projection data set of 3D X-ray imaging for reconstructing a 3D image data set, the method comprising:- receiving the projection data set, wherein the projection data set comprises a sequence of projection images (I₁, I₂, I₃, ... I_N) and a sequence of geometry information (P₁, P₂, P₃, ... P_N), wherein each geometry information (P₁, P₂, P₃, ... P_N) is associated with the respective projection image (I₁, I₂, I₃, ... I_N),- processing all projection images (I₂, I₃, ... I_N) except the first projection image iteratively image-by-image in the order of the sequence, wherein the processing includes- calculating a cost function C(I_A,P_A) for the current projection image (I_k) being processed depending on those projection images (I₁, I₂, I₃, ... I_k) and associated geometry information (P₁, P₂, P₃, ... P_k) in the sequence up to and including the current projection image (I_k), where A = {1, ... k} and k is the index of the current projection image (I_k) being processed,- modifying the geometry information (P_k) associated with the current projection image (I_k) to numerically minimize the cost function,- repeating the calculating step and modifying step the current projection image (I_k) until a stopping criterium is met,- reconstructing a 3D image data set on basis of the projection images (I₂, I₃, ... I_N) and the associated modified geometry information (P₁, P₂, P₃, ... P_N) after the processing step.

Die Erfindung betrifft eine Vorrichtung (1) zur Lagerung eines Patienten. Dabei weist die Vorrichtung (1) eine Säule (5), eine Patientenauflage (4) und ein Hardwaremodul (6) auf. Das Hardwaremodul (6) weist eine Steuerungselektronik (8) zur Ansteuerung wenigstens eines Aktorelements zur räumlichen Lageveränderung der Patientenauflage (4) auf. Das Hardwaremodul (6) weist außerdem einen Träger (9) auf, auf dem die Steuerungselektronik (8) angeordnet ist. Das Hardwaremodul (6) ist dabei um eine Rotationsachse (7) schwenkbar an der Säule (5) befestigt. Das Hardwaremodul (6) ist in eine erste Schwenkstellung positionierbar, in der sich die Steuerungselektronik (8) in einem Innenraum der Säule (5) befindet und in eine zweite Schwenkstellung positionierbar, in der die Steuerungselektronik (8) von außerhalb der Säule (5) zugänglich ist.