一种用于估计对象的体表面积的方法和医学成像设备与流程

本发明涉及一种用于估计对象(诸如，人或动物)的体表面积的方法、相应的计算机程序、体表估计系统和相应的医学成像设备。独立于语法术语的使用，具有男性、女性或其他性别身份的个人也包含在该术语中。

背景技术：

1、为患者确定用于治疗和/或检查的适当药物剂量(例如，用于施加可用于医疗成像的(化学)治疗剂或对比剂)是医疗工作流程和患者结果的重要因素。一种相对简单且因此方便的方法是基于患者体重的药物缩放(drug-scaling)。这种方法特别方便，是因为对于确定药物缩放，仅需要患者的体重。为此，可以从医院系统(例如医院信息系统(his)或放射信息系统(ris))或通过使用个人秤获取重量。因此，基于患者体重的药物缩放在许多临床工作流程中是常见的做法。但是，这种方法的缺点是可靠性和准确性有限。例如，特别是当基于从医院系统获取的信息时，体重信息可能已经过时，并且患者的体重可能已经改变，例如由于疾病影响。此外，患者体重并不直接与患者的血容量成比例，而血容量是药物缩放的决定性因素。也就是说，这种基于患者体重的药物缩放并不考虑相应的药物通过血管系统、内脏器官和肌肉的程度大于其通过体脂的程度。因此，采用这种基于称重的方法可能并未考虑不同患者身体大小和形状的差异。特别是对于肥胖患者而言，这种对药物分散和稀释的贡献减少可能导致药物过量，潜在地导致治疗效果受损或(例如，由于过度造影而产生伪影所导致的)基于图像的诊断质量不佳的风险增加。作为使用患者体重作为药物缩放的基础的一种替代是使用患者的身体质量指数(body mass index或bmi)。然而，当通过使用患者的bmi确定药物缩放时，可能会发生类似的效果，因为bmi也可能受到身体脂肪量的严重影响，因此，bmi通常更多地是身体脂肪的度量，而非患者血容量的相关度量。

2、已经发现，基于患者体表面积(bsa)的线性药物缩放可能比基于患者体重或bmi的药物缩放更精确和可靠，因为bsa往往与血容量呈大约线性关系。此外，即便在药物缩放之外，体表面积(bsa)也可能是医疗环境中用于诊断和治疗计划的重要变量，例如在皮肤烧伤的情况下。

3、但是，人工计算bsa可能非常耗时，并且会妨碍工作流程的顺利进行。此外，妨碍患者视野的物品，例如衣服、呼吸器或管子，可能使人工确定bsa变得更加困难。例如，系统地过高估计是一种后果。这在紧急情况下尤其重要，例如涉及创伤的情况。bsa可使用早期和近期文献中提出的多种不同公式之一进行估计。这些公式大多依赖于患者的变量，例如身高、体重，有时甚至性别和年龄。然而，这些公式往往缺乏指示身体或其他特征变化的额外变量，特别是关于患者的个体特点，例如侏儒症、巨人症、厌食症、截肢。此外，为这些公式收集必要的变量可能仍是一项相对繁重的工作。

技术实现思路

1、因此，本发明的一个目的是提供一种以更自动且优选地更可靠的方式确定体表面积的手段，该手段优选地同时适用于个体患者的特性。

2、这个目的通过根据权利要求1的方法、根据权利要求13的计算机程序、根据权利要求14的体表面估计系统和根据权利要求15的医学成像设备达到或超越该目的。

3、根据本发明的第一方面，提供了一种用于估计对象尤其是患者的体表面积的方法。例如，对象可以是人或动物。该方法包括以下步骤:

4、(a)用至少一个传感器设备对对象进行采样，以获取对象的样本数据，尤其是三维样本数据；

5、(b)将样本数据传输至处理设备；

6、(c)在处理设备上，对样本数据应用至少一种算法，以便基于样本数据确定对象的体表面积。

7、因此，本发明的构思是使用由传感器设备获取的对象的样本数据，以确定对象的体表面积(bsa)。传感器设备可以有利地是已经存在于临床侧的传感器设备，因为传感器设备通常包含在医学检查室中。传感器可以是三维(3d)传感器或二维(2d)传感器。3d传感器例如是3d相机，而2d传感器可以是普通(2d)光学相机。另一方面，将这种传感器设备添加到临床位置可能相对容易且便宜。有利的是，通过传感器设备对对象的采样可以自动或半自动进行，例如通过手动激活传感器设备，然后自动采集和传输样本数据。因此，医务人员的工作量可能保持在较低水平。此外，在常规临床工作流程中，可以快速、可靠地获得bsa。除了常规临床工作流程的步骤之外，对象甚至可能不需要执行任何额外的动作，例如踩在秤上、采取特定的姿势或脱衣服。可选地，基于所确定的体表面积，可以在规划治疗和/或确定药物缩放(例如对比剂缩放)的方法中增加额外的步骤。可选地，所确定的体表面积可被传输至另一设备，例如成像设备，特别是医学成像设备、对比剂注入器、医院信息系统和/或放射信息系统。成像设备可以是例如磁共振断层摄影系统、计算机断层摄影系统和/或超声波系统。

8、例如，样本数据可通过数据线或无线连接传输至处理设备。处理设备可以是或可以包括例如计算机，诸如个人计算机、云计算机、服务器。此外，和/或可替换地，处理设备可以是成像系统的处理单元。有利的是，已经发现样本数据对于所应用的算法而言可以是足够的信息，以便确定对bsa的可靠且准确的估计。有不同的可应用的算法选择。下文给出了相应的实施例。可选地，可以应用一种以上的算法。可以连续或同时应用至少两种算法。例如，可以设想得到同时应用两种算法，并且之后或之前应用另一种算法。至少两种不同的算法可以基本上相互独立地确定bsa。另一种算法可以比较两种不同算法的结果，或者基于两种不同算法的结果确定bsa。有利的是，通过这种独立算法的组合甚至可以实现更高的可靠性。

9、样本数据尤其可以包括对象的光学、声学、电磁、形貌和/或断层数据。因此，传感器设备可以是例如光学传感器设备、声传感器设备、电磁传感器设备或形貌传感器设备。传感器设备尤其被配置为对对象的表面(通常是对象表面的一部分，尤其是对象的一侧，即面向传感器设备的对象)进行采样。通常，对象将躺在患者台上，并且传感器设备被配置为从上方获取样本数据，捕获对象的上侧或上侧的一部分。传感器设备可以自动获取对象的样本数据。例如，传感器设备可以被配置为在临床工作流程的定义步骤自动获取样本数据。定义的步骤可以例如包括患者躺在患者台上，例如医学成像系统的患者台上，或者患者例如通过门进入检查室。可选地，多个传感器设备可用于独立获取多组三维样本数据。有利的是，冗余信息可用于最小化由于传感器设备的个体准确性而导致的整体误差。特别是，互补样本数据可以融合在一起。例如，互补样本数据可以是从对象的不同角度测量的样本数据。

10、根据一个实施例，至少一个传感器设备包括光学传感器，特别是3d相机，和/或雷达传感器和/或声传感器。例如，光学传感器可以是光学相机，特别是光学3d相机，或基于激光雷达(lidar)(光检测和测距)的激光采样设备。声传感器可以例如基于超声波。3d相机可以有利地允许直接获取三维样本数据，特别是使用固定的传感器设备。基于激光雷达的采样可以通过发送光脉冲和检测从对象反射的信号来执行。光的运行时间可用于计算与光从其反射的对象的每一部分的距离。光脉冲可以是例如激光脉冲或红外光脉冲。优选地，基于计算的距离，确定对象的形状。光学传感器可以包括结构光扫描仪，并且适于将结构光投射到对象上。结构光尤其可以是结构化图案，例如网格，并且传感器设备可以适于将结构化图案投射到对象上。结构化光扫描仪可被配置为测量投射在对象上的结构化图案的失真。对象的不同表面点的位置可以从对象上测量的结构化图案中计算，特别是为了确定对象的形状。

11、根据一个实施例，通过移动传感器设备或对象、通过三角测量或通过传感器设备应用对象的飞行时间测量来获取三维样本数据。特别地，传感器设备可以包括至少一个二维传感器。该至少一个二维传感器可适于通过移动到相对于对象的不同位置来获取三维样本数据，并获取对象的位置相关样本数据。位置相关样本数据可用于确定三维样本数据。为了执行三角测量，可以提供至少两个传感器设备，尤其是二维传感器设备。飞行时间测量可以例如基于雷达(无线电探测和测距)或激光雷达。飞行时间测量可以基于发送辐射(特别是红外光)并计算反射辐射的相差。

12、根据一个实施例，医学成像设备，特别是基于x射线的医学成像设备，被用作提供医学图像数据作为样本数据或样本数据的一部分的传感器设备，特别是使得医学成像设备进行的预扫描被用作医学图像数据。预扫描可以例如是在主检查扫描之前获取的形貌图(topogram)。预扫描可以是初步的非造影剂扫描。基于x射线的成像设备尤其可以是计算机断层扫描仪。样本数据可以例如从形貌x射线扫描或平面x射线扫描(例如在横向和/或前后方向)获得。有利的是，在医疗工作流程中无论如何要测量的数据可以用于样本数据。样本数据的采集可以这样基本无缝地集成到医疗工作流程中。可选地，来自医学成像设备的样本数据可用于支持用另一传感器设备获取的样本数据。因此，来自医学成像设备和另一传感器设备的样本数据可被用作冗余信息，以最小化数据的整体误差。来自医学成像设备的样本数据可用于调整用另一传感器设备采集的样本数据。

13、根据一个实施例，确定对象的体表面积包括:

14、-基于样本数据和统计形状模型创建对象表面的虚拟化身模型，使得化身模型的形状和姿态是针对样本数据的拟合，其中该拟合遵从统计形状模型所定义的边界条件，

15、其中所述统计形状模型包括一系列标准对象形状和姿态的数据库，所述一系列标准对象形状和姿态定义了所述化身模型必须遵从的一系列形状和姿态；

16、-计算化身模型的表面积，并将计算的化身模型的表面积用作对体表面积的估计。

17、化身模型尤其是描述对象表面的模型。所应用的算法尤其可以被配置为确定化身模型，使得化身模型呈现被观察对象的姿态和身体比例两者。具体而言，化身模型被确定为使得其遵从统计形状模型。统计形状模型可以优选地基于真实对象(尤其是真实的人或动物)的身体变化的数据库。例如，化身模型可由singh、vivek&ma、kai&tamersoy、birgi&chang、yao-jen&wimmer、andreas&o’donnell、thomas和chen，terrence在“darwin:deformable patient avatar representation with deep image network”，497-504，10.1007/978-3-319-66185-8_56；2017中所述的确定。统计形状模型可以优选地包括包含多个特征对象变化的形状和位置。特征对象变化可包括不同对象的个体属性，例如对象的大小。个体属性可优选包括极端属性，例如包括特别小或特别大、特别瘦或超重和/或缺少肢体。已经发现，将该化身模型作为中间步骤进行应用以便计算表面积可以导致准确和可靠的结果。此外，与被训练成直接确定表面积的经训练的算法相比，所应用的算法可能仅需要相对少量的训练数据，以实现表面积确定的有用结果。此外，已经发现，这样可以快速确定表面积，特别是使得其可以集成到临床工作流程中，而通常不会导致工作流程的任何有害延迟。

18、根据一个实施例，创建虚拟化身模型包括将标记分配给样本数据中对象的至少一些特征部分，特别是通过应用第一经训练的神经网络，其中通过将化身模型映射到标记，特别是通过应用第二经训练的神经网络来创建化身模型。特征部分可包括头部的定义部分(例如头部的顶部和/或底部)、肩、肘、腕、躯干(例如躯干的中心)、腹股沟、膝盖和脚踝。例如，可以使用10至20个标记。第一和/或第二经训练的神经网络可以优选地是卷积神经网络。第一/第二神经网络尤其可以按照singh、vivek&ma、kai&tamersoy、birgi&chang、yao-jen&wimmer、andreas&o’donnell、thomas和chen，terrence在“darwin:deformablepatient avatar representation with deep image network”，497-504，10.1007/978-3-319-66185-8_56；2017中的描述进行配置和训练。

19、根据一个实施例，第一经训练的神经网络被训练以：尽管对象至少部分被覆盖元素(特别是被衣服和/或其他对象)覆盖，分配标记；其中第一经训练的神经网络被特别训练，使得所应用的训练数据包括这样的至少一些输入样本数据，其中对象至少部分地被覆盖元素覆盖。覆盖元素尤其可以包括衣服和/或毯子。覆盖元素还可以包括诸如氧气罐或医疗成像设备的部件之类的物体。因此，有利地，该实施例可以允许现实地估计对象的表面积，而无需对象脱衣服。现有的医疗工作流程可能有利地无需进行适配，例如通过移除毯子或脱衣服。这可以节省工作流程中的时间。此外，不需要脱衣服对于生病和/或虚弱并因此可能难以脱衣服的人或患者可能特别有利。第一经训练的神经网络可以用包含具有不同覆盖物的不同对象的数据集进行训练。训练数据可以包括不同位置的对象的样本数据。训练数据可以优选地包括具有和不具有覆盖物的样本数据，特别是使得训练数据包括这样的样本数据，其中处于相同姿态的相同对象包括具有和不具有覆盖物。

20、根据一个实施例，在将化身模型映射到标记之后且在计算表面积之前，应用模型拟合算法，使得化身模型被适配更好地在统计形状模型所定义的边界内针对样本数据进行拟合，其中统计形状模型特别包括允许调节对象的关节和关节的当前定向的自由度。因此，优选地，可以应用三种算法或具有三个部分的一种算法。第一算法或算法的第一部分可以定义标记，第二算法或算法的第二部分可以执行化身模型到标记的映射，并且第三算法或算法的第三部分(即模型拟合算法)可以调整化身模型。可选地，模型拟合算法可被配置为遵从化身模型的关节可在其中调节的自由度。化身模型的关节可以例如包括对象的一个、多个或全部的肩、肘、腕、膝和脚踝。

21、根据一个实施例，化身模型是体表面的三维几何网格或由体表面的三维几何网格表示，特别是三角形网格。网格非常适合用于计算表面。例如，网格的个体元素(尤其是角点)的坐标可用于计算个体元素的面积。个体元素的面积可以相加，以便计算对象的整个表面积。网格的元素尤其可以是网格的单元。已经发现，为了可靠且准确地计算表面积，三角形网格可能特别有利。例如，网格可以包括n个数目的三角形ti，每个三角形由三个角点vi,1,vi,2,vi,3定义。角点可以是定义角点位置的向量。网格元素的面积可以通过应用定义元素的坐标的向量积来计算。bsa可基于元素的面积计算，特别是通过将元素的面积相加。例如，三角形ti的个体面积可通过以下公式计算

22、ai＝0,5(vi,2–vi,1)×(vi,3–vi,1),

23、×是向量的向量积。因此，可以通过以下计算来确定化身模型的表面积bsa。

24、

25、根据一个实施例，应用至少一种算法包括应用卷积神经网络(cnn)，该卷积神经网络被训练为基于样本数据导出体表面积的估计。当大量训练数据可用时，该实施例尤其有用。例如，当拥有数十万数量级的来自对象的数据量的训练数据库可用时，该实施例可以提供特别可靠和稳健的结果。因此，对于该实施例，不必确定化身模型，而是可以直接从样本数据中确定表面积。cnn可以是残差卷积神经网络。例如，cnn可以包括一系列残差块，每个残差块由一系列卷积块组成。每一个卷积块可以由以下组成：一系列的卷积操作符，随后是激活函数，随后是标准化函数。归一化层可确保有效的训练。卷积块之间的残差连接可确保网络中有足够的梯度流。每个残差块后可跟随一个平均池化操作符。cnn可优选包括执行体表面回归并产生体表面积形式的单个输出的完全连接层。输出表面积可以是z-归一化的bsa估计值。

26、cnn可通过监督训练进行训练。cnn可以通过使用成对的数据元组进行训练，例如<x，y>。数据元组可各自包括输入图像(例如x)和目标变量(例如y)。输入图像可从传感器设备(诸如光学或声传感器)获得。目标变量尤其是表面积(bsa)。因此，目标变量可能是训练过程的实际真值(ground truth)。用于训练的bsa可通过既定公式进行测量或估计，例如基于患者的体重和身高。可替代地，目标变量的bsa可基于对象形貌进行估计。对象形貌可以提供对患者表面的准确测量。可替代地，目标变量可基于采用化身模型的任何实施例导出。因此，需要较少训练数据的化身模型的实施例可用于为本实施例建立训练数据库。这里所述的用于获取目标变量的部分或全部替代方案可以被组合，例如为了通过不同的方式获取更大量的训练数据。有利地，已经发现，在训练期间，cnn可以自动导出相关标准，例如根据其他实施例的统计形状模型所定义的标准。给定足够大量的训练数据，cnn可能能够胜过训练数据的质量，特别是通过推广除患者体重和身高以外的bsa因素，例如不太常见的患者几何形状或肢体缺失。

27、根据一个实施例，在应用卷积神经网络之前，生成样本数据的正投影，并且将卷积神经网络应用于正投影。已经发现，正投影可以导致更可靠的结果，因为到cnn的输入因此可以独立于传感器设备的特定定位，特别是关于传感器设备和对象之间的距离。因此，通过应用正投影，到cnn的输入数据可以被标准化，因此cnn可能不得不处理更小范围的不同数据。优选地，正投影总是从与对象基本相同的视角进行。

28、根据一个实施例，基于卷积神经网络的估计和通过化身模型导出的估计，特别是通过确定两个估计的平均值或加权平均值，计算体表面积。优选地，两种估计方法可各自独立地应用于相同的样本数据，并且结果可随后组合。这种结合可能导致更准确和可靠的结果。当发现两种估计中的一种倾向更准确时，可以特别应用加权平均值。在这种情况下，权重可以使得对更准确的替代方案施加更大的权重。加权可由其他因素决定。例如，加权可以取决于对象属性。例如，当其中一个独立估计对于某些特定属性更可靠但对于其他特定属性不太可靠时，这可能是有利的。

29、根据一个实施例，将从卷积神经网络导出的体表面积的估计与通过化身模型导出的体表面积的估计进行比较，其中，在发现估计的体表面积的差异大于预定义阈值的情况下，向用户发送警告。有利的是，两个独立得出的bsa可用于进行可靠性检查。因此，当两个估计的bsa之差大于阈值时，可以假设至少有一个估计是错误的。因此，可能有利地是重复整个方法，特别是使用新的样本数据或放弃其中一个估计。

30、根据本发明的另一方面，一种包括指令的计算机程序，当该程序在包括处理设备和至少一个传感器的系统上执行时，该指令使得该系统执行本文所述方法的步骤。该方法的所有特征和优点可适用于计算机程序，反之亦然。

31、根据本发明的另一方面，提供了一种体表面估计系统。体表面估计系统包括至少一个传感器设备，特别是如本文所述的传感器设备。体表面估计系统进一步包括处理设备，其被配置为从至少一个传感器设备接收传感器信号。可选地，体表面估计系统可以包括输出设备，该输出设备被配置为输出来自处理设备的导出信息。处理设备被配置为应用至少一种算法，以便基于样本数据确定对象的体表面积。具体而言，体表面估计系统可被配置为执行如本文所述的用于估计对象体表面积的方法的方法步骤。该方法和体表面估计系统的所有特征和优点均可适用于计算机程序，反之亦然。

32、根据本发明的另一方面，提供了一种包括如本文所述的体表面估计系统的医学成像设备。该方法、体表面估计系统和计算机程序的所有特征和优点均可适用于医学成像设备，反之亦然。

33、除非另有说明，本文所述的实施例可以相互组合。。

技术特征：

1.一种用于估计对象(5)特别是患者的体表面积的方法，所述方法包括以下步骤:

2.根据权利要求1所述的方法，其中确定所述对象(5)的所述体表面积包括:

3.根据权利要求2所述的方法，其中创建所述虚拟化身模型包括将标记分配给所述样本数据(20)中的所述对象(5)的至少一些特征部分，特别是通过应用第一经训练的神经网络，

4.根据权利要求3所述的方法，其中所述第一经训练的神经网络被训练以：尽管所述对象(5)至少部分地被覆盖元素、特别是衣服和/或其他物体所覆盖，仍分配标记；

5.根据权利要求3或4所述的方法，其中在将所述化身模型映射到所述标记之后并且在计算所述表面积之前，应用模型拟合算法，使得所述化身模型被适配为更好地在所述统计形状模型所限定的所述边界内针对所述样本数据(20)进行拟合，

6.根据权利要求2至5中任一项所述的方法，其中所述化身模型是体表面的三维几何网格(11)，特别是三角形网格。

7.根据前述权利要求中任一项所述的方法，其中应用至少一种算法包括应用卷积神经网络，所述卷积神经网络被训练为基于所述样本数据(20)导出所述体表面积的估计。

8.根据权利要求7所述的方法，其中在应用所述卷积神经网络之前，生成所述样本数据(20)的正投影，并且将所述卷积神经网络应用于所述正投影。

9.根据权利要求7或8以及权利要求2至6中任一项所述的方法，

10.根据前述权利要求中任一项所述的方法，其中所述至少一个传感器设备(2)包括光学传感器，特别是3d相机，和/或声传感器。

11.根据前述权利要求中任一项所述的方法，其中通过三角测量、通过移动所述传感器设备(2)或所述对象(5)、或通过所述传感器设备(2)应用所述对象(5)的飞行时间测量来获取三维样本数据(20)。

12.根据前述权利要求中任一项所述的方法，其中医学成像设备(1)，特别是基于x射线的医学成像设备(1)被用作传感器设备(2)，所述传感器设备(2)提供医学图像数据作为样本数据(20)或所述样本数据(20)的一部分，特别地使得所述医学成像设备(1)进行的预扫描被用作医学图像数据。

13.一种包括指令的计算机程序，当所述程序在包括处理设备(3)和至少一个传感器的系统上执行时，所述指令使得所述系统执行根据权利要求1至12中任一项所述的方法的步骤。

14.一种体表面估计系统，包括：

15.一种医学成像设备(1)，包括根据权利要求14所述的体表面估计系统。

技术总结
一种用于估计对象(5)的体表面积的方法和成像设备的相应系统，所述方法包括以下步骤:(a)用至少一个传感器设备(2)对对象(5)进行采样，以获取对象(5)的样本数据(20)；(b)将样本数据(20)传输至处理设备(3)；(c)在处理设备(3)上，应用至少一种算法，以便基于样本数据(20)确定对象(5)的体表面积。

技术研发人员：R·古特雅尔,A·维默尔,A·卡茨曼
受保护的技术使用者：西门子医疗股份公司
技术研发日：
技术公布日：2024/12/5