从第一三维计算机断层成像数据组提供分析数据组的方法

摘要

本发明涉及一种用于从第一医学三维计算机断层成像数据组(CD1)提供分析数据组(BD1)的方法，包括：根据借助医学X射线设备(37)从检查对象(31)拍摄的不同拍摄几何特征的多个二维X射线投影图像(1)重建第一三维计算机断层成像数据组；提供伪影减少的图像数据组(AD1)，其中所述提供包括将用于减少伪影(52)的算法应用于第一计算机断层成像数据组；通过将用于识别中风症状(53)的算法应用于伪影减少的图像数据组来识别特别是出血性和/或缺血性的中风症状(SZ)；通过将用于分析所识别的中风症状的表现的算法应用于伪影减少的图像数据组来产生分析数据组；提供分析数据组。本发明还涉及一种医学X射线设备和计算机程序产品。

说明书

技术领域

本发明涉及一种用于从第一医学三维计算机断层成像数据组提供分析数据组的方法、一种医学X射线设备和一种计算机程序产品。

背景技术

通常，从将中风患者送到医院到针对性地治疗中风的持续时间对于良好的治疗效果是至关重要的。从现有技术中已知，尤其是在用于中风检查的方法中经常需要按时间顺序进行多个成像和图像分析步骤。在此，通常借助计算机断层成像设备和/或医学X射线设备和/或磁共振设备来检查中风患者的大脑。在此，用于中风检查的方法在时间上通常置于中风治疗之前。

在此，由于不同的中风类型及其相应表现的多样性，在中风检查期间通常还会浪费很多时间。操作人员经常必须执行各个方法步骤，其中由于出现的图像伪影，中风检查、特别是方法流程经常容易出错并且是耗时的。在此，在执行中风检查时，特别是通过技术和客观手段对操作人员、例如医生和/或外科医生进行支持是有帮助的。

发明内容

因此，本发明要解决的技术问题是，提出一种用于改善中风检查的特别可靠且省时的方法。

根据用于从第一医学三维计算机断层成像数据组提供分析数据组的方法的第一变形方案，该技术问题通过本发明来解决。具有合适的扩展方案的有利的实施方式是本发明的内容。

据此规定，第一三维计算机断层成像数据组根据不同拍摄几何特征的多个二维X射线投影图像重建，这些二维X射线投影图像借助医学X射线设备从检查对象拍摄。此外，还提供了伪影减少的图像数据组。在此，所述提供包括将用于减少伪影的算法应用于第一计算机断层成像数据组。此外，通过将用于识别中风症状的算法应用于伪影减少的图像数据组来识别特别是出血性和/或缺血性的中风症状。此外，通过将用于分析所识别的中风症状的表现的算法应用于伪影减少的图像数据组来产生分析数据组。此外，提供分析数据组。

在此，检查对象例如可以包括动物患者和/或人类患者。

有利地，可以将医学X射线设备设计为可旋转运动的X射线设备、特别是C形臂X射线设备和/或设计为计算机断层成像设备(CT)。在此，有利地，可以将医学X射线设备设计为，以彼此不同的拍摄几何特征、尤其是围绕共同的旋转轴线从检查对象拍摄多个二维X射线投影图像。特别地，共同的旋转轴线可以相应于检查对象的纵轴和/或在其上布置检查对象的患者安置装置的纵轴。

在此，拍摄几何特征有利地可以包括特别是相对于检查对象和/或患者安置装置的X射线投影方向，和/或X射线几何特征、特别是锥形束几何特征和/或扇形束几何特征。由此，优选在拍摄多个二维X射线投影图像时发生冗余、特别是检查对象的区域的映射的相交和/或多次采样。由此，可以实现例如借助逆Radon变换从多个二维X射线投影图像来重建第一三维计算机断层成像数据组。有利地，不同的拍摄几何特征被设计为，使得检查对象的大脑的空间区域至少部分地由多个二维X射线投影图像映射。

此外，所提出的方法可以包括借助医学X射线设备来拍摄多个二维X射线投影图像，以重建第一三维计算机断层成像数据组。此外，所提出的方法可以包括接收多个二维X射线投影图像，以重建第一三维计算机断层成像数据组。在此，接收用于重建第一三维计算机断层成像数据组的多个二维X射线投影图像可以包括采集和/或读取计算机可读的存储介质和/或从数据存储单元、例如数据库接收。

特别地，通过将用于减少伪影的算法应用于第一计算机断层成像数据组可以去除所有干扰性的图像部分，其特别是可以对诊断的图像部分进行遮盖和/或模糊。在此，伪影尤其可以包括第一三维计算机断层成像数据组中的干扰性的图像部分，例如噪声和/或金属伪影和/或运动伪影。此外，在所提供的伪影减少的图像数据组中有利地保留了诊断的图像部分。此外，伪影减少的图像数据组有利地是三维的并且具有与第一计算机断层成像数据组相同的空间分辨率。

伪影减少的图像数据组的提供尤其可以包括在计算机可读的存储介质上进行存储和/或在显示单元上进行显示和/或传输到处理单元。

此外，中风症状有利地可以包括伪影减少的图像数据组的所有特征，这些特征尤其直接和/或隐含地表征中风。在此，例如可以区分出血性和/或缺血性的中风症状。出血性中风症状例如可以包括出血，特别是在检查对象的与血管相邻的组织中。有利地，可以根据伪影减少的图像数据组中的图像对比度差异来识别出血性中风症状。此外，造影剂和由此形成的对比可以被考虑用于显示出血性中风症状。

缺血性中风症状例如可以包括血栓和/或坏死区域和/或半影区域。

在此，对特别是出血性和/或缺血性的中风症状的识别可以包括在伪影减少的图像数据组中对相应中风症状的空间延伸和/或空间走向和/或位置和/或取向和/或形态学特性和/或密度进行确定。

此外，应用于伪影减少的图像数据组以产生分析数据组的算法被设计为用于对所识别的中风症状的表现进行分析。在此，对所识别的中风症状的表现的分析例如可以包括根据“阿尔伯塔省卒中项目早期CT评分(Alberta Stroke Program Early CT Score，ASPECTS)”的分析。特别地，对所识别的中风症状的表现的分析可以包括在伪影减少的图像数据组中映射的检查对象的大脑的两个半球之间的比较。此外，对所识别的中风症状的分析还可以包括在伪影减少的图像数据组中对相应中风症状的空间延伸和/或空间走向和/或位置和/或取向和/或形态学特性和/或密度进行分析。在此，对所识别的中风症状的表现的分析有利地可以包括将(特别是度量的)值和/或值元组与至少一个、特别是所有的所识别的中风症状相关联。

有利地，通过将用于分析所识别的中风症状的表现的算法应用于伪影减少的图像数据组而产生的分析数据组包括用于分析所识别的中风症状的信息，例如相关联的(特别是度量的)值和/或值元组。此外，分析数据组尤其可以用于对所识别的中风症状进行分类。例如可以根据对所识别的中风症状的表现的分析，来区分(尤其是起因)位于大脑中动脉(MCA)和/或大脑前动脉(ACA)和/或大脑后动脉(PCA)和/或颈内动脉(ICA)和/或基底动脉(BA)和/或小脑动脉和/或椎动脉处的中风。

分析数据组的提供尤其可以包括在计算机可读的存储介质上进行存储和/或在显示单元上进行显示和/或传输到处理单元。在此，所提供的分析数据组尤其可以用于改善对操作人员、特别是医生的诊断辅助。

在另外的有利的实施方式中，所提出的方法还可以包括根据伪影减少的图像数据组或分析数据组产生三维血栓图像。在此，有利地可以将血栓识别为中风症状。此外，三维血栓图像的产生可以包括从伪影减少的图像数据组和/或分析数据组中分割血栓。此外，可以提供血栓图像。

在此，血栓尤其可以由检查对象的血管中、尤其是大脑内的血块形成。有利地，将分析数据组设计为二维和/或三维的，其中可以根据用于分析作为所识别的中风症状的血栓的表现的信息将血栓用于分割。此外，可以从伪影减少的图像数据组中分割血栓作为所识别的中风症状。在此，有利地在考虑分析数据组的情况下附加地进行分割。例如，可以将分析数据组、特别是包含在其中的值和/或值元组用于更好地区分血栓与周围组织。

此外，血栓的分割尤其可以基于伪影减少的图像数据组和/或分析数据组的体素的值进行。例如，可以预先给定至少一个阈值，其中可以从伪影减少的图像数据组和/或分析数据组中将具有低于和/或高于至少一个预先给定的阈值的值的所有体素分割为血栓体素。此外，可以预先给定值区间，其中可以从伪影减少的图像数据组和/或分析数据组中将具有在预先给定的值区间之内和/或之外的值的所有体素分割为血栓体素。在此，血栓体素有利地描述了至少部分地在空间上映射血栓的体素。

根据伪影减少的图像数据组和/或分析数据组产生的血栓图像有利地包括分割的血栓的映射，其中在血栓图像中有利地不包含特别是与不同于血栓的检查对象的组织类型相对应的其他图像部分。此外，三维血栓图像优选地可以包括多个体素。在此，体素可以由特别是三维血栓图像中的三维图像点形成。

三维血栓图像的提供尤其可以包括在计算机可读的存储介质上进行存储和/或在显示单元上进行显示和/或传输到处理单元。

在所提出的方法的另外的有利的实施方式中，用于减少伪影的算法可以包括将二维X射线投影图像彼此配准和/或应用用于减少噪声的滤波器和/或进行运动校正。

有利地，用于减少伪影的算法可以包括将多个二维X射线图像特别是彼此和/或相对于共同的参考点配准；和/或减少噪声、特别是应用噪声滤波器；和/或进行运动校正。

此外，用于减少伪影的算法有利地可以包括根据尚未公开的德国专利申请102019202878.0的、用于在计算机断层成像数据中减少噪声的方法。

多个二维X射线投影图像的运动校正例如可以借助例如来自运动传感器和/或呼吸传感器和/或心脏传感器的外部传感器信号进行，和/或根据检查对象在多个二维X射线投影图像中的映射之间的比较实现。

在所提出的方法的另外的有利的实施方式中，用于减少伪影的算法可以包括以下步骤：

-通过对第一三维计算机断层成像数据组进行欠采样来产生三维辅助数据组，

-分别沿着三维辅助数据组的两个空间方向来确定层，

其中，两个层中的每一层分别包括预定的列，并且分别包括至少一行，

-确定至少一个旋转参数和/或至少一个平移参数，以减小相对于两个层中的每一层中的分别预定的列的逐行偏差，

-通过应用至少一个旋转参数和/或至少一个平移参数来校正第一三维计算机断层成像数据组。

在此，尤其可以借助传递函数和/或窗函数对第一三维计算机断层成像数据组进行欠采样，以产生三维辅助数据组。由此，相比于例如不太适合的区域，对特别有利地适合于确定至少一个旋转参数和/或至少一个平移参数的、第一三维计算机断层成像数据组的特别显著的区域进行较少的欠采样。例如，可以基于第一三维计算机断层成像数据组的至少一个区域的基于内容的加权来进行欠采样。在此，尤其对边缘和/或角和/或高对比度对象、例如骨骼进行较少的欠采样。

此外，第一三维计算机断层成像数据组的欠采样可以沿着至少一个、特别是轴向和/或冠状和/或矢状的空间方向均匀地进行。在此，例如可以在欠采样时并且因此在产生三维辅助数据组时跳过预定数量的体素。

有利地，三维辅助数据组具有比第一三维计算机断层成像数据组更少的体素数量。

至少一个旋转参数和/或至少一个平移参数的确定尤其可以迭代地进行。在此，分别可以沿着两个空间方向确定和/或预先给定层。至少一个旋转参数和/或至少一个平移参数的确定有利地可以包括通过应用分别最新确定的至少一个旋转参数和/或至少一个旋转参数对三维辅助数据组进行迭代校正。在此，校正可以包括三维辅助数据组相对于相应的预定和/或预先给定的层的至少一个旋转和/或平移。此外，对三维辅助数据组的校正可以包括重新栅格化(Neurasterung)。

在下一个的迭代步骤中，至少一个旋转参数和/或至少一个平移参数的确定有利地可以沿着两个(特别是与之前的迭代步骤相同的)空间方向分别在相同的预定和/或预先给定的层中进行。在此，在迭代步骤之后，相应的层特别是通过对三维辅助数据组的校正可以分别具有改变的内容。

相对于预定的(特别是中央的)列的逐行偏差有利地可以通过来自同一层内的预定的列的第一侧上、特别是左侧或第二侧上、特别是右侧的相应的行的体素的值来确定。例如，特别是可以通过求和和/或乘法和/或除法，根据预定的列的第一侧上的相应的行的体素的值来形成第一值。此外，特别是可以通过求和和/或乘法和/或除法，根据预定的列的第二侧上的同一行的体素的值来形成第二值。在此，有利地可以通过对第一值和第二值进行比较来确定相应的行的偏差。此外，相应的层的预定的列可以不同于中央的列、特别是中间的列。

此外特别有利的是，逐行偏差的确定包括标准化。例如，合适的标准化可以基于预定的列的第一侧或第二侧上的相应的行的体素的值和/或数量。特别地，可以将二次标准化有利地应用于逐行偏差的确定。特别地，如果相应的层的内容在迭代步骤之后发生变化，则可以将标准化有利地用于确定逐行偏差。

此外，逐行偏差的确定可以包括对相应的层的掩蔽和/或滤波。在此，有利地可以包含例如在相应的层中映射的边缘和/或角和/或诸如骨骼的高对比度对象。

对第一三维计算机断层成像数据组的校正可以包括第一三维计算机断层成像数据组相对于相应的预定和/或预先给定的层的至少一个旋转和/或平移。在此，可以根据至少一个旋转参数和/或至少一个平移参数来确定至少一个旋转和/或平移。此外，对第一三维计算机断层成像数据组的校正可以包括重新栅格化。

在所提出的方法的另外的有利的实施方式中，用于识别中风症状的算法可以基于人工智能。在此，有利地可以通过机器学习方法来训练用于识别中风症状的算法。因此，用于识别中风症状的算法可以包括用于识别中风症状的训练函数。特别地，用于识别中风症状的算法可以是神经网络、特别是卷积神经网络(英文：convolutional neural network，CNN)或包括卷积层(英文：convolutional layer)的网络。

训练函数将输入数据映射到输出数据。在此，输出数据尤其可以进一步取决于训练函数的一个或多个参数。可以通过训练来确定和/或调整训练函数的一个或多个参数。训练函数的一个或多个参数的确定和/或调整特别是可以基于由训练输入数据和对应的训练输出数据组成的对，其中将用于产生训练映射数据的训练函数应用于训练输入数据。特别地，所述确定和/或调整可以基于训练映射数据与训练输出数据的比较。通常，还将可训练的函数，即具有一个或多个尚未调整的参数的函数称为训练函数。

针对训练函数的其他术语是训练映射规范、具有训练参数的映射规范、具有训练参数的函数、基于人工智能的算法、机器学习算法。训练函数的示例是人工神经网络，其中人工神经网络的边缘权重相应于训练函数的参数。还可以使用术语“神经网(neuronalesNetz)”来代替术语“神经网络(neuronales Netzwerk)”。特别地，训练函数也可以是深度人工神经网络(英文：deep neural network，deep artificial neural network)。训练函数的另外的示例是“支持向量机(Support Vector Machine)”，此外，尤其还可以将其他机器学习算法用作训练函数。

有利地，可以通过将特别是包括用于识别中风症状的训练函数的、用于识别中风症状的算法应用于输入数据来确定特别是出血性和/或缺血性的中风症状。在此，输入数据有利地可以基于伪影减少的图像数据组。此外，该训练尤其可以通过监督训练进行。

在此，可以通过训练数据组来训练用于识别中风症状的训练函数，其中训练数据组分别包括基于伪影减少的训练图像数据组的输入数据。此外，训练数据组分别可以包括与相应的伪影减少的训练图像数据组相对应的比较中风症状。有利地，比较中风症状尤其相应于包含在伪影减少的训练图像数据组中的所有中风症状、特别是缺血性和/或出血性的中风症状。在此，用于识别中风症状的训练函数的至少一个参数可以基于中风症状与对应的比较中风症状的比较，该中风症状通过将用于识别中风症状的训练函数应用于伪影减少的训练图像数据组来确定。

在所提出的方法的另外的有利的实施方式中，分析数据组的产生可以基于人工智能。在此，可以通过机器学习方法来训练用于分析所识别的中风症状的表现的算法。因此，用于分析所识别的中风症状的表现的算法可以包括用于分析所识别的中风症状的表现的训练函数。特别地，用于分析所识别的中风症状的表现的算法可以是神经网络、特别是卷积神经网络(英文：convolutional neural network，CNN)或包括卷积层(英文：convolutional layer)的网络。

有利地，可以通过将特别是包括用于分析所识别的中风症状的表现的训练函数的、用于分析所识别的中风症状的表现的算法应用于输入数据来确定分析数据组。在此，输入数据有利地可以基于所识别的中风症状。此外，该训练尤其可以通过监督训练进行。在此，可以通过训练数据组来训练用于分析所识别的中风症状的表现的训练函数，其中训练数据组分别可以包括基于训练中风症状的输入数据。此外，训练数据组分别可以包括与训练中风症状相对应的比较分析数据组。有利地，比较分析数据组相应于分析数据组，该分析数据组包括用于分析所有训练中风症状的表现的信息、特别是相关联的值和/或值元组。在此，用于分析所识别的中风症状的表现的训练函数的至少一个参数可以基于分析数据组与对应的比较分析数据组的比较，该分析数据组通过将用于分析所识别的中风症状的表现的训练函数应用于训练中风症状来确定。

有利地，可以通过将所提出的用于识别中风症状的算法应用于伪影减少的图像数据组来识别中风症状。

因此，特别地，又可以将应用于伪影减少的图像数据组的、用于识别中风症状的算法的输出数据用作用于分析所识别的中风症状的表现的算法的输入数据。

此外，用于分析所识别的中风症状的表现的算法的输入数据可以附加地基于伪影减少的图像数据组。在此，训练数据组分别可以包括基于伪影减少的训练图像数据组的输入数据，其中训练中风症状可以相应于包含在伪影减少的训练图像数据组中的所有中风症状。

在所提出的方法的另外的有利的实施方式中，可以将血栓识别为中风症状。在此，用于分析所识别的中风症状的表现的算法的输入数据可以基于伪影减少的图像数据组和血栓的至少一个组织参数。此外，有利地可以与第一三维计算机断层成像数据组无关地来确定血栓的组织参数。

在此，血栓的至少一个组织参数例如可以包括化学成分和/或密度和/或溶解度。此外，特别是在时间上与第一三维计算机断层成像数据组无关地来确定血栓的至少一个组织参数，这例如借助血液实验室测试和/或光谱学检查和/或成像方法进行，所述成像方法尤其是对检查对象的磁共振断层成像和/或计算机断层成像和/或正电子发射断层成像和/或特别是双源的X射线检查。在此，有利地还可以根据检查对象的至少一个组织参数、例如血液参数间接地确定血栓的化学和/或物理和/或生理特性。

特别地，除了伪影减少的图像数据组作为用于分析所识别的中风症状的表现的算法的输入数据，通过添加血栓的至少一个组织参数有利地可以实现对所识别的中风症状的表现进行分析的较高的准确性。此外，通过血栓的至少一个组织参数可以将血栓的另外的特性、特别是化学和/或物理和/或生理特性用作用于分析所识别的中风症状的表现的算法的输入数据，所述血栓的另外的特性尤其不能借助计算机断层成像检查采集。

此外，对于在伪影减少的图像数据组中识别为血栓的多个中风症状，用于分析所识别的中风症状的表现的算法的输入数据附加地分别可以基于相应血栓的至少一个组织参数。

在所提出的方法的另外的有利的实施方式中，用于分析所识别的中风症状的表现的算法的输出数据可以包括预后(Verlaufsprognose)和/或工作流指示。

在此，有利地通过监督训练来进行对用于分析所识别的中风症状的表现的算法的训练，该算法特别是包括用于分析所识别的中风症状的表现的训练函数。在此，可以通过训练数据组来训练用于分析所识别的中风症状的表现的训练函数，其中，训练数据组分别可以包括基于训练中风症状的输入数据。如果训练中风症状包括血栓，则输入数据附加地可以基于血栓的至少一个组织参数。

此外，训练数据组可以分别包括比较预后和/或比较工作流指示，其中，比较预后和/或比较工作流指示分别与至少一个训练中风症状相对应。

有利地，比较预后相应于(特别是与训练中风症状相邻的)组织的组织参数的时间进程。例如，比较预后可以包括血液灌注的时间进程和/或坏死和/或半影的空间扩散的时间进程。特别地，比较预后有利地包括(特别是与训练中风症状相邻的)组织的组织参数的时间进程，作为相应的训练中风症状的生理结果。

此外，特别是在拍摄多个二维X射线投影图像期间，用于分析所识别的中风症状的表现的算法的输入数据有利地可以附加地基于检查对象的特别是生理的实时值。在此，检查对象的实时值例如可以包括自中风症状第一次出现以来的一段时间的脉搏值和/或血压和/或时间上的度量，和/或特别是根据国立卫生研究院的卒中量表(NIH Stroke Scale)和/或根据改良的RANKIN量表(MRS)的中风表现的值。

此外，比较工作流指示有利地可以相应于给操作人员的指令。在此，给操作人员的指令尤其可以包括对适合用于去除和/或减少所识别的中风症状的外科手术仪器的指示；和/或对另外的成像模态的指示、特别是对适合于此的、用于改善所识别的中风症状的显示的造影剂的指示；和/或对例如用于缓解中风症状的药物的指示。此外，给操作人员的指令可以包括多个指示的时间进程。

如果用于分析所识别的中风症状的表现的算法的输出数据包括预后和工作流指示，则在应用工作流指示期间和/或之后，该预后有利地可以包括(特别是与训练中风症状相邻的)组织的组织参数的时间进程。

在另外的有利的实施方式中，所提出的方法进一步可以包括重建至少一个第二三维计算机断层成像数据组。在此，至少一个第二计算机断层成像数据组可以根据不同拍摄几何特征的多个二维X射线投影图像重建，这些二维X射线投影图像借助医学X射线设备从检查对象拍摄。此外，可以根据至少一个第二计算机断层成像数据组来提供至少一个另外的伪影减少的图像数据组。在此，该提供可以包括应用用于减少伪影的另外的算法。此外，可以产生三维血管图像。在此，三维血管图像的产生有利地可以包括从至少一个另外的伪影减少的图像数据组中分割血管。此外，可以通过将用于识别血管闭塞的算法应用于三维血管图像来识别血管闭塞。此外，可以根据三维血管图像产生多个最大强度投影图像(MIP)。此外，可以通过将用于分析所识别的血管闭塞的表现的算法应用于最大强度投影图像来产生另外的分析数据组。此外，可以提供另外的分析数据组。

在此，借助其拍摄多个二维X射线投影图像以重建至少一个第二三维计算机断层成像数据组的医学X射线设备特别是可以不同于用于拍摄多个二维X射线投影图像以重建第一三维计算机断层成像数据组的医学X射线设备或相应于该医学X射线设备。

此外，有利地可以将医学X射线设备设计为，特别是围绕共同的旋转轴线，以彼此不同的拍摄几何特征从检查对象拍摄多个二维X射线投影图像。特别地，共同的旋转轴线可以相应于检查对象的纵轴和/或布置有检查对象的患者安置装置的纵轴。

特别地，可以从检查对象重建多个第二三维计算机断层成像数据组。例如，可以通过多个第二三维计算机断层成像数据组来映射布置在检查对象中的造影剂的扩散运动的时间进程。

在此，拍摄几何特征尤其可以包括特别是相对于检查对象和/或患者安置装置的X射线投影方向和/或X射线几何特征、尤其是锥形束几何特征和/或扇形束几何特征。由此，在拍摄多个二维X射线投影图像时，有利地发生冗余、特别是检查对象的区域的映射的相交和/或多次采样。由此，例如可以实现借助逆Radon变换从多个二维X射线投影图像来重建至少一个第二三维计算机断层成像数据组。有利地，不同的拍摄几何特征被设计为，使得检查对象的大脑的空间区域至少部分地由多个二维X射线投影图像映射。此外，不同的拍摄几何特征有利地被设计为，映射与在第一三维计算机断层成像数据组中映射的检查对象的片段至少部分相同的检查对象的片段。

此外，所提出的方法可以包括借助医学X射线设备拍摄多个二维X射线投影图像以重建至少一个第二三维计算机断层成像数据组。此外，所提出的方法可以包括接收多个二维X射线投影图像以重建至少一个第二三维计算机断层成像数据组。在此，对用于重建至少一个第二三维计算机断层成像数据组的多个二维X射线投影图像的接收可以包括采集和/或读取计算机可读的存储介质和/或从数据存储单元、例如数据库接收。

此外，可以依据所识别的中风症状和/或分析数据组来进行对至少一个第二三维计算机断层成像数据组的重建。

通过将用于减少伪影的另外的算法应用于至少一个第二计算机断层成像数据组特别是可以实现去除所有干扰性的图像部分，干扰性的图像部分特别是可以掩盖和/或模糊诊断的图像部分。在此，伪影尤其可以包括至少一个第二三维计算机断层成像数据组中的干扰性的图像部分，例如噪声和/或金属伪影和/或运动伪影。

此外，在所提供的至少一个另外的伪影减少的图像数据组中有利地保留了诊断的图像部分。此外，至少一个另外的伪影减少的图像数据组有利地是三维的，并且具有与至少一个第二计算机断层成像数据组相同的空间分辨率。

提供至少一个另外的伪影减少的图像数据组尤其可以包括在计算机可读的存储介质上存储和/或在显示单元上显示和/或传输到处理单元。

三维血管图像的产生有利地可以包括从至少一个另外的伪影减少的图像数据组中分割血管。在此，分割尤其可以基于至少一个另外的伪影减少的图像数据组的体素的值进行。例如，可以预先给定至少一个阈值，其中可以从另外的伪影减少的图像数据组中分割出具有低于和/或高于至少一个预先给定的阈值的值的所有体素作为血管体素。此外，可以预先给定值区间，其中可以从另外的伪影减少的图像数据组中分割出具有在预先给定的值区间之内和/或之外的值的所有体素作为血管体素。在此，血管体素有利地描述了至少部分地在空间上映射血管和/或血管部段的体素。

此外，分割可以包括从现有技术中已知的用于血管分割的方法。在此，尤其可以将包含在另外的伪影减少的图像数据组中的血管的映射的形状和/或分支用于血管的分割。

有利地，三维血管图像包括关于血管的空间布置的信息，该信息映射在至少一个另外的伪影减少的图像数据组中。在此，关于血管的空间布置的信息尤其可以包括每个血管的至少一个中心线和/或延伸信息和/或分支信息和/或走向信息。例如，三维血管图像可以包括特别是抽象的三维血管树。此外，三维血管图像有利地可以包括关于其中包含的每个血管和/或血管部段的灌注信息。在此，例如可以根据对比度在另外的伪影减少的图像数据组中确定灌注信息，该对比度特别是通过在检查对象中布置的造影剂引起。例如可以分别将灌注信息与包含在三维血管图像中的各个血管部段相关联。

此外，三维血管图像可以包括多个体素。在此，多个体素中的每个体素分别可以与一个值相关联，该值例如关于灌注信息特别是相应于对比度。此外，三维血管图像的每个体素分别可以与一个值相关联，该值相应于至少部分在体素中映射和/或包含的血管的特性。例如，可以依据至少部分在体素中映射和/或包含的血管的特性，将三维血管图像的每个体素分别与颜色值、特别是RGB值和/或灰度值相关联。在此，血管的特性例如可以包括延伸信息和/或分支信息和/或走向信息和/或灌注信息。

此外，所提出的方法可以包括在显示单元、例如显示器和/或监视器上显示三维血管图像的图示。在此，有利地可以依据与三维血管图像的体素相关联的值来显示三维血管图像。

有利地，通过应用用于识别血管闭塞的算法来识别血管闭塞可以包括在另外的伪影减少的图像数据组中确定相应血管闭塞的空间延伸和/或空间走向和/或位置和/或取向和/或形态学特性和/或密度。在此，有利地可以根据三维血管图像的特征来识别血管闭塞，三维血管图像的特征尤其直接和/或隐含地表征血管闭塞、尤其是血栓和/或“大血管闭塞”(LVO)。例如，包含在三维血管图像中的灌注信息可以用于确定灌注不足的血管和/或血管部段。

多个最大强度投影图像中的每个尤其可以包括三维血管图像分别沿预定投影方向的投影。在此，多个最大强度投影图像有利地分别是二维的。在产生最大强度投影图像的情况下，有利地可以沿着预定投影方向分别确定三维血管图像的体素，三维血管图像的体素与二维最大强度投影图像的体素相对应，其中所确定的体素特别是关于灌注信息具有最大的对比度。此外，可以根据多个最大强度投影图像建立三维最大强度投影数据组。

此外，应用于多个最大强度投影图像以产生另外的分析数据组的算法可以被设计为，用于分析所识别的血管闭塞的表现。在此，对所识别的血管闭塞的表现的分析例如可以包括根据“急性卒中的多时相CT血管造影侧支评估(multiphase CT angiographycollateral score in acute stroke，mCTA Collateral)”的分析。特别地，对所识别的血管闭塞的表现的分析可以包括在多个最大强度投影图像中映射的检查对象的大脑的两个半球之间的比较。此外，对所识别的血管闭塞的分析还可以包括在多个最大强度投影图像中对相应血管闭塞的空间延伸和/或空间走向和/或位置和/或取向和/或形态学特性和/或密度的分析。在此，对所识别的血管闭塞的表现的分析有利地可以包括将特别是度量的值和/或值元组与至少一个、特别是所有所识别的血管闭塞相关联。

特别地，另外的分析数据组可以包括多个二维子分析数据组，其中多个二维子分析数据组的每个包括对分别在多个最大强度投影图像的一个中所识别的血管闭塞的表现的分析。此外，可以通过将用于分析所识别的血管闭塞的表现的算法应用于三维最大强度投影数据组来产生另外的分析数据组。此外，另外的分析数据组有利地是三维的。

另外的分析数据组的提供尤其可以包括在计算机可读的存储介质上存储和/或在显示单元上显示和/或传输到处理单元。在此，所提供的另外的分析数据组特别是能够有助于改善对操作人员、特别是医生的诊断支持。

在所提出的方法的另外的有利的实施方式中，用于减少伪影的另外的算法可以包括以下步骤：

-通过对至少一个第二三维计算机断层成像数据组进行欠采样来产生至少一个另外的三维辅助数据组，

-分别沿着至少一个另外的三维辅助数据组的两个空间方向来确定层，其中，两个层中的每一层分别包括预定的列并且分别包括至少一行，

-确定至少一个旋转参数和/或至少一个平移参数，以减小相对于两个层中的每一层中的分别预定的列的逐行偏差，

-通过应用至少一个旋转参数和/或至少一个平移参数来校正至少一个第二三维计算机断层成像数据组。

在此，用于减少伪影的另外的算法的优点基本上相应于之前描述的用于减少伪影的算法的实施方式的优点。在此提到的特征、优点或替换实施方式还可以转用到用于减少伪影的另外的算法，反之亦然。

在另外的有利的实施方式中，所提出的方法还可以包括借助医学X射线设备从检查对象拍摄至少一个另外的二维X射线投影图像。此外，可以确定第一和至少一个第二计算机断层成像数据组中的共同的层。在此，共同的层可以垂直于至少一个另外的二维X射线投影图像的投影方向延伸。此外，可以根据三维血管图像沿着共同的层来产生二维血管层图像。此外，可以根据三维血栓图像沿着共同的层来产生二维血栓层图像。此外，可以产生二维叠加图像。在此，二维叠加图像的产生可以包括血管层图像和/或血栓层图像与至少一个另外的X射线投影图像的叠加。此外，可以提供二维叠加图像。

在此，借助其拍摄至少一个另外的二维X射线投影图像的医学X射线设备特别是可以不同于用于拍摄多个二维X射线投影图像以重建第一和/或至少一个第二三维计算机断层成像数据组的医学X射线设备或相应于该医学X射线设备。

此外，至少一个另外的二维X射线投影图像有利地映射检查对象的片段，该检查对象的片段至少部分地包含在在至少一个第二三维计算机断层成像数据组中映射的检查对象的片段中。

第一和至少一个第二计算机断层成像数据组中的共同的、尤其是二维的层的确定有利地可以根据运行参数、例如位置信息和/或取向信息；和/分别用于拍摄的医学X射线设备的拍摄参数进行，和/或根据例如边缘的图像特征和/或根据解剖学特征进行。共同的层的确定尤其是可以通过以下方式实现：在第一和至少一个第二三维计算机断层成像数据组中映射的检查对象的片段至少部分相同。

通过共同的层垂直于至少一个另外的二维X射线投影图像的投影方向延伸，有利地可以确保至少一个另外的二维X射线投影图像至少部分地包括第一和至少一个第二三维计算机断层成像数据组的、包含在共同的层中的特征、特别是解剖学特征。

根据三维血管图像产生二维血管层图像有利地可以包括选择和/或关联包含在共同的层中的三维血管图像的体素。此外，根据三维血栓图像产生二维血栓层图像可以包括选择和/或关联包含在共同的层中的三维血栓图像的体素。

此外，血管层图像和/或血栓层图像与至少一个另外的X射线投影图像的叠加可以包括特别是加权的取平均。此外，可以沿着共同的层逐部段地和/或逐区域地进行叠加。此外，可以依据血管层图像和/或血栓层图像和/或至少一个另外的X射线投影图像的体素的值的预先给定的阈值来进行叠加。

二维叠加图像的提供尤其可以包括在计算机可读的存储介质上存储和/或在显示单元上显示和/或传输到处理单元。

在所提出的方法的另外的有利的实施方式中，确定第一和至少一个第二计算机断层成像数据组中的共同的层可以包括配准。在此，第一和至少一个第二计算机断层成像数据组可以彼此配准和/或特别是分别配准到至少一个另外的二维X射线投影图像。在此，配准特别是可以关于共同的层进行。如果将第一和至少一个第二计算机断层成像数据组彼此配准，则可以三维地进行配准。

此外，配准可以包括刚性和/或非刚性的变换和/或内插和/或重新栅格化。此外，配准可以基于分别用于拍摄的医学X射线设备的运行参数和/或拍摄参数；和/或根据图像特征、例如边缘；和/或根据解剖学特征。

有利地，可以借助配准来减少运动伪影，该运动伪影尤其可以通过在拍摄多个二维X射线投影图像和/或至少一个另外的二维X射线投影图像期间和/或之间的检查对象的运动引起。

在所提出的方法的另外的有利的实施方式中，用于减少伪影的另外的算法可以包括将二维X射线投影图像彼此配准和/或应用用于减少噪声的滤波器和/或进行运动校正。

在此，用于减少伪影的另外的算法的优点基本上相应于之前描述的用于减少伪影的算法的实施方式的优点。在此提到的特征、优点或替换实施方式同样还可以转用到用于减少伪影的另外的算法，反之亦然。

在所提出的方法的另外的有利的实施方式中，可以按时间顺序从检查对象拍摄多个、尤其是三个第二三维计算机断层成像数据组。在此，可以将灌注的阶段与第二计算机断层成像数据组中的每个相关联。特别地，可以根据借助医学X射线设备的至少两次旋转过程拍摄的多个二维X射线投影图像来重建多个第二三维计算机断层成像数据组。有利地，可以预先给定旋转速度和/或二维X射线投影图像的拍摄和拍摄频率，使得可以在检查对象中采集生理过程、例如血液灌注和/或造影剂灌注的时间进程。

此外，可以在预先给定的时间区间内进行例如血液灌注和/或造影剂灌注的灌注的阶段的关联。在此，特别是可以彼此不同地分别预先给定时间区间。由此通过相应的第二三维计算机断层成像数据组可以特别好地实现对灌注的相应阶段的采集。此外，可以基于外部触发信号、例如心电图和/或肌电图和/或呼吸传感器和/或运动传感器来进行对灌注的阶段的细分。在此，外部触发信号有利地可以在拍摄多个二维X射线投影图像期间映射检查对象的至少一个生理参数。

此外，可以分别相同地预先给定时间区间。由此可以实现在时间上特别均匀地采集检查对象中的灌注。

在所提出的方法的另外的有利的实施方式中，三维血管图像的产生可以包括将图像值与三维血管图像中的每个血管相关联，其中可以借助多个第二计算机断层成像数据组的阶段来确定图像值。由此可以有利地实现，三维血管图像的图像值可以包括灌注的阶段的时间进程。例如，根据多个第二计算机断层成像数据组的阶段来确定图像值可以包括将元组、特别是例如RGB值和/或灰度值的颜色值与血管图像中的每个血管相关联。此外，可以依据分别低于和/或超过灌注的相应阶段的阈值来确定图像值。由此，例如可以在三维血管图像中突出显示在各个阶段中仅形成高对比度或形成低对比度的血管。特别地，可以在三维血管图像中突出显示灌注和/或再灌注的血管。此外，通过借助多个第二计算机断层成像数据组的阶段来确定图像值，可以特别良好地将血管图像中的灌注不足的血管与特别是正常灌注的血管分界。

根据所提出的方法的之前描述的实施方式，依据与至少部分包含在体素中的血管相关联的图像值来确定三维血管图像的体素的值。在此，有利地可以考虑子体积效果。

在所提出的方法的另外的有利的实施方式中，用于减少伪影的另外的算法可以包括产生至少一个三维差图像数据组。在此，为了产生差图像数据组，可以从多个第二三维计算机断层成像数据组中的至少一个中减去三维掩模图像。

由此，例如可以从多个第二三维计算机断层成像数据组中去除组织背景和/或噪声和/或至少一个不运动的区域。特别地，可以通过手术仪器在检查对象上和/或中的运动的时间进程和/或血液灌注的时间进程和/或造影剂灌注的时间进程来识别检查对象的运动的区域、特别是运动的血管部段。此外，还可以通过在时间进程中的不变的检查对象的区域来建立检查对象的不运动的区域、特别是血管部段和/或组织部段。

在此，例如可以根据第一三维计算机断层成像数据组和/或根据伪影减少的图像数据组来产生三维掩模图像。此外，有利地可以根据多个第二三维计算机断层成像数据组中的一个来产生三维掩模图像。此外，根据对检查对象的拍摄特别是合成地产生三维掩模图像，对检查对象的拍摄与用于重建第一和多个第二计算机断层成像数据组的对多个二维X射线投影图像的拍摄无关。在此，尤其可以借助另外的成像模态、例如磁共振断层成像和/或正电子发射断层成像和/或超声检查拍摄了三维掩模图像。此外可以通过尤其是加权地对多个三维计算机断层成像数据组取平均来产生三维掩模图像。

从多个第二三维计算机断层成像数据组中的至少一个中减去三维掩模图像有利地可以限于多个第二三维计算机断层成像数据组中的至少一个的各个体素和/或区域进行。例如，可以将减去仅应用在多个第二三维计算机断层成像数据组中的至少一个的、其值低于和/或高于预先给定的阈值的体素。由此，有利地可以在三维差图像数据组中保留预定的解剖结构，其中不将掩模图像的减去应用于多个第二三维计算机断层成像数据中的至少一个的、映射预定的解剖结构的体素。

在所提出的方法的另外的有利的实施方式中，在三维血管图像中识别血管闭塞可以基于人工智能。在此，有利地可以通过机器学习方法来训练用于识别血管闭塞的算法。在此，用于识别血管闭塞的算法可以包括用于识别血管闭塞的训练函数。特别地，用于识别血管闭塞的算法可以是神经网络、特别是卷积神经网络(英文：convolutional neuralnetwork，CNN)或包括卷积层(英文：convolutional layer)的网络。

有利地，可以通过将特别是包括用于识别血管闭塞的训练函数的、用于识别血管闭塞的算法应用于输入数据来确定血管闭塞。在此，输入数据有利地可以基于三维血管图像。此外，训练尤其可以通过监督训练进行。

在此，可以通过训练数据组来训练用于识别血管闭塞的训练函数，其中，训练数据组分别包括基于三维训练血管图像的输入数据。此外，训练数据组分别可以包括与相应的三维训练血管图像相对应的比较血管闭塞数据组。在此，比较血管闭塞数据组可以包括包含在三维训练血管图像中的所有血管闭塞的信息、特别是空间延伸信息和/或位置信息和/或取向信息。有利地，包含在比较血管闭塞数据组中的血管闭塞特别是相应于包含在三维训练血管图像中的所有血管闭塞。在此，用于识别血管闭塞的训练函数的至少一个参数可以基于所识别的血管闭塞与包含在对应的比较血管闭塞数据组中的血管闭塞的比较，所述所识别的闭塞通过将用于识别血管闭塞的训练函数应用于三维训练血管图像来确定。

在所提出的方法的另外的有利的实施方式中，另外的分析数据组的产生可以基于人工智能。在此，可以通过机器学习方法来训练用于分析所识别的血管闭塞的表现的算法。在此，用于分析所识别的血管闭塞的表现的算法可以包括用于分析所识别的血管闭塞的表现的训练函数。特别地，用于分析所识别的血管闭塞的表现的算法可以是神经网络、特别是卷积神经网络(英文：convolutional neural network，CNN)或包括卷积层(英文：convolutional layer)的网络。

有利地，可以通过将特别是包括用于分析所识别的血管闭塞的表现的训练函数的、用于分析所识别的血管闭塞的表现的算法应用于输入数据来确定另外的分析数据组。在此，输入数据有利地可以基于最大强度投影图像。此外，训练尤其可以通过监督训练进行。

在此，可以通过训练数据组来训练用于分析所识别的血管闭塞的表现的训练函数，其中训练数据组分别可以包括基于训练最大强度投影图像的输入数据。此外，训练数据组分别可以包括与训练最大强度投影图像相对应的另外的比较分析数据组。有利地，另外的比较分析数据组相应于另外的分析数据组，其包括用于分析在最大强度投影图像中映射的所有血管闭塞的表现的信息、尤其是相关联的值和/或值元组。在此，用于分析所识别的血管闭塞的表现的训练函数的至少一个参数可以基于另外的分析数据组与对应的另外的比较分析数据组的比较，所述另外的分析数据组通过将用于分析所识别的血管闭塞的表现的训练函数应用于训练最大强度的投影图像来确定。

有利地，可以通过将所提出的用于识别血管闭塞的算法应用于三维血管图像来识别血管闭塞。

此外，用于分析所识别的血管闭塞的表现的算法的输入数据可以附加地基于所识别的血管闭塞。在此，训练数据组分别可以包括基于训练血管闭塞数据组的输入数据。在此，可以通过将所提出的用于识别血管闭塞的算法应用于三维训练血管图像来识别至少一个血管闭塞。此外，可以根据三维训练血管图像来产生多个训练最大强度投影图像。此外，另外的比较分析数据组可以包括用于分析包含在训练血管闭塞数据组中的所有血管闭塞的表现的信息。

此外，还提出一种医学X射线设备，其被设计为用于执行用于从第一医学三维计算机断层成像数据组提供分析数据组的方法。例如，可以将这种特别是医学的X射线设备设计为C形臂X射线设备和/或计算机断层成像设备(CT)。此外，可以将X射线设备设计为，从检查对象拍摄不同拍摄几何特征的多个二维X射线投影图像。由此可以根据不同拍摄几何特征的多个二维X射线投影图像来重建第一三维计算机断层成像数据组。此外，还可以提供伪影减少的图像数据组。在此，该提供可以包括将用于减少伪影的算法应用于第一计算机断层成像数据组。此外，通过将用于识别中风症状的算法应用于伪影减少的图像数据组可以识别特别是出血性和/或缺血性的中风症状。此外，可以通过将用于分析所识别的中风症状的表现的算法应用于伪影减少的图像数据组来产生分析数据组。此外，还可以提供分析数据组。

此外，还提出一种处理单元、特别是微处理器，其被设计为用于处理来自X射线设备和/或其他部件的信息和/或数据和/或信号。此外，处理单元被设计为，将控制命令发送到X射线设备和/或其组成部分和/或其他部件。此外，可以将医学X射线设备、特别是处理单元设计为，接收多个二维X射线投影图像以重建第一三维计算机断层成像数据组。此外，可以将医学X射线设备、特别是处理单元设计为，接收多个二维计算机断层成像数据组以重建至少一个第二三维计算机断层成像数据组。在此，尤其可以借助接口例如从计算机可读的存储介质和/或从数据库接收二维X射线投影图像。

X射线设备尤其可以包括例如显示器和/或监视器的显示单元，其被设计为，用于显示X射线设备和/或其他部件的信息和/或信息的图形显示。特别地，可以将显示单元设计为，用于显示分析数据组和/或另外的分析数据组的图形显示。

所提出的X射线设备的优点基本上相应于所提出的用于从第一医学三维计算机断层成像数据组提供分析数据组的方法的优点。在此提到的特征、优点或替换的实施方式同样还可以转用到其他要求保护的内容，反之亦然。

此外，还提出了一种计算机程序产品，该计算机程序产品包括程序并且可以将其直接加载到可编程的计算单元的存储器中，并且具有程序装置、例如程序库和辅助函数，以便在执行计算机程序产品时，执行用于从第一医学三维计算机断层成像数据组提供分析数据组的方法。在此，计算机程序产品可以包括具有仍须进行编译和连接或者仅须进行解释的源代码的软件，或者为了执行仅需要加载到处理单元中的可执行的软件代码。通过计算机程序产品可以快速、可相同重复且鲁棒地执行用于从第一医学三维计算机断层成像数据组提供分析数据组的方法。计算机程序产品被配置为，可以借助处理单元来执行根据本发明的方法步骤。在此，处理单元分别必须具有诸如相应的内存系统、相应的显卡或相应的逻辑单元的前提条件，从而可以有效地执行相应的方法步骤。

计算机程序产品例如存储在计算机可读的存储介质上或存储在网络或服务器上，从那里可以将其加载到处理单元的处理器中，该处理器直接与处理单元连接或可以将其设计为处理单元的一部分。此外，计算机程序产品的控制信息可以存储在电子可读的数据载体上。可以将电子可读的数据载体的控制信息设计为，使得在处理单元中使用数据载体时，控制信息执行根据本发明的方法。电子可读的数据载体的示例是DVD、磁带或USB棒，在其上存储有电子可读的控制信息、特别是软件。当从数据载体中读取该控制信息并将其存储在处理单元中时，可以执行上面描述的方法的所有根据本发明的实施方式。因此，本发明还可以基于上述的计算机可读的存储介质和/或上述的电子可读的数据载体。

附图说明

在附图中示出了本发明的实施例，并且下面对本发明的实施例进行了更详细地描述。在不同的附图中针对相同的特征使用相同的附图标记，附图中：

图1至图7示出了所提出的用于从第一医学三维计算机断层成像数据组提供分析数据组的方法的不同实施方式的示意图；

图8示出了用于减少伪影的算法的实施方式的示意图；

图9示出了用于执行所提出的方法的医学C形臂X射线设备的示意图。

具体实施方式

图1示出了所提出的用于从第一医学三维计算机断层成像数据组提供分析数据组的方法的实施方式的示意图。在此，第一三维计算机断层成像数据组CD1可以根据不同拍摄几何特征的多个二维X射线投影图像1重建51，这些二维X射线投影图像借助医学X射线设备从检查对象拍摄。此外，可以提供伪影减少的图像数据组AD1。在此，该提供有利地可以包括将用于减少伪影52的算法应用于第一计算机断层成像数据组CD1。此外，尤其是出血性和/或缺血性中风症状SZ可以通过将用于识别中风症状53的算法应用于伪影减少的图像数据组AD1来识别。此外，可以通过将用于分析所识别的中风症状SZ的表现的算法应用于伪影减少的图像数据组AD1来产生61分析数据组BD1。此后，可以进行分析数据组BD1的提供。

此外，用于减少伪影的算法可以包括将多个二维X射线投影图像1彼此配准和/或应用用于减少噪声的滤波器和/或进行运动校正。

图2示出了所提出的方法的另外的实施方式，其中用于减少伪影的算法可以包括通过对第一三维计算机断层成像数据组CD1进行欠采样来产生71三维辅助数据组HD1。此外，可以沿着三维辅助数据组HD1的两个空间方向分别确定72层S1和S2。在此，两个层S1和S2中的每一层分别可以包括预定的列并且分别可以包括至少一行。此外，可以确定73至少一个旋转参数P和/或至少一个平移参数P，以减小相对于两个层S1和S2中的每一层中的分别预定的列的逐行偏差。此后，可以通过应用至少一个旋转参数P和/或至少一个平移参数P来校正K第一三维计算机断层成像数据组CD1。

至少一个旋转参数P和/或至少一个平移参数P的确定尤其可以迭代地进行。在此，至少一个旋转参数P和/或至少一个平移参数P的确定有利地可以包括通过应用分别最新确定73的至少一个旋转参数P和/或至少一个平移参数P对三维辅助数据组HD1进行迭代校正K。在此，校正K可以包括三维辅助数据组HD1相对于相应的预定和/或预先给定的层S1或S2的至少一个旋转和/或平移。此外，对三维辅助数据组HD1的校正K可以包括重新栅格化、尤其是重新栅格化为与第一三维计算机数据组CD1相同的空间分辨率。

在每个迭代步骤之后，通过校正K可以产生三维中间数据组CD1′。借助迭代标准B可以确定进一步的迭代步骤和/或提供伪影减少的图像数据组AD1，迭代标准B例如可以包括迭代步骤的最大数量和/或关于分别预定和/或预先给定的层S1或S2内的逐行偏差的质量标准。在此，有利地可以提供最新产生的三维中间数据组CD1′作为伪影减少的图像数据组AD1。

此外，用于识别中风症状的算法可以基于人工智能。

图3中示意性示出了所提出的方法的另外的实施方式。在此，分析数据组BD1的产生61可以基于人工智能。在此，可以将血栓识别53为中风症状SZ，其中用于分析所识别的中风症状SZ的表现的算法的输入数据基于伪影减少的图像数据组AD1和血栓的至少一个组织参数GP。此外，可以与第一三维计算机断层成像数据组CD1无关地来确定血栓的组织参数GP。

图4示出了所提出的方法的另外的实施方式的示意图，其中用于分析所识别的中风症状SZ的表现的算法的输出数据AD包括预后VP和/或工作流指示WF。

图5中示意性示出了所提出的方法的另外的实施方式。在此，尤其是在产生分析数据组BD1之后，所提出的方法可以包括重建至少一个第二三维计算机断层成像数据组CD2。在此，至少一个第二计算机断层成像数据组CD2可以由不同拍摄几何特征的多个二维X射线投影图像2重建，这些二维X射线投影图像借助医学X射线设备从检查对象拍摄。此外，可以根据至少一个第二计算机断层成像数据组CD2来提供51′至少一个另外的伪影减少的图像数据组AD2。在此，该提供可以包括应用用于减少伪影52′的另外的算法。此外，可以产生55三维血管图像GB。在此，产生55可以包括从至少一个另外的伪影减少的图像数据组AD2中分割血管。在此，可以通过将用于识别血管闭塞的算法应用56于三维血管图像来识别血管闭塞GV。此外，可以根据三维血管图像GB来产生57多个最大强度投影图像MIP。此外，可以通过将用于分析所识别的血管闭塞GV的表现的算法应用于最大强度投影图像MIP来产生61′另外的分析数据组BD2。此后，可以提供另外的分析数据组BD2。

此外，用于减少伪影的另外的算法可以包括产生至少一个三维差图像数据组(在此未示出)。在此，为了产生三维差图像数据组，可以从至少一个第二三维计算机断层成像数据组CD2中减去58三维掩模图像MB。

此外，用于减少伪影的另外的算法可以包括将二维X射线投影图像2彼此配准以重建至少一个第二计算机断层成像数据组CD2和/或应用用于减小噪声的滤波器和/或进行运动校正。

此外，至少一个第二三维计算机断层成像数据组CD2的重建可以依据所识别的中风症状SZ和/或分析数据组BD1来进行。在此，至少一个第二三维计算机断层成像数据组CD2的重建尤其可以根据决策标准E进行。在此，决策标准E例如可以基于从第一三维计算机断层成像数据组CD1出发所识别的、特别是缺血性和/或出血性的中风症状SZ和/或基于在分析数据组BD1中对所识别的中风症状SZ的分析。

此外，可以按时间顺序拍摄多个第二三维计算机断层成像数据组CD2。在此，可以将灌注的阶段与第二计算机断层成像数据组CD2中的每个相关联。此外，三维血管图像GB的产生可以包括将图像值关联到三维血管图像GB中的每个血管。在此，可以借助多个第二计算机断层成像数据组CD2的阶段来确定图像值。

此外，对三维血管图像GB中的血管闭塞GV的识别56可以基于人工智能。

此外，另外的分析数据组BD2的产生61′可以基于人工智能。

图6中示出了所提出的方法的另外的实施方式的示意图。在此，用于减少伪影的另外的算法可以包括通过对至少一个第二三维计算机断层成像数据组CD2进行欠采样来产生71至少一个另外的三维辅助数据组HD2。此外，可以沿着至少一个另外的三维辅助数据组HD2的两个空间方向分别确定72层S1′和S2′。在此，两个层S1′和S2′中的每一层可以分别包括预定的列并且分别包括至少一行。此外，可以确定73至少一个旋转参数P和/或至少一个平移参数P，以减小相对于两个层S1′和S2′中的每一层中的分别预定的列的逐行偏差。此外，可以通过应用至少一个旋转参数P和/或至少一个平移参数P来校正K至少一个第二三维计算机断层成像数据组CD2。

在此，校正K可以包括至少一个另外的三维辅助数据组HD2相对于相应的预定和/或预先给定的层S1′或S2′的至少一个旋转和/或平移。此外，对至少一个另外的三维辅助数据组HD2的校正K可以包括重新栅格化、尤其是重新栅格化为与至少一个第二三维计算机数据组CD2相同的空间分辨率。

在每个迭代步骤之后，通过校正K可以产生至少一个另外的三维中间数据组CD2′。借助迭代标准B′可以确定进一步的迭代步骤和/或提供至少一个另外的伪影减少的图像数据组AD2，迭代标准B′例如可以包括迭代步骤的最大数量和/或关于分别预定和/或预先给定的层S1′或S2′内的逐行偏差的质量标准。在此，可以提供最新产生的至少一个另外的三维中间数据组CD2′作为至少一个另外的伪影减少的图像数据组AD2。

图7中示意性示出了所提出的方法的另外的实施方式。在此，可以借助医学X射线设备从检查对象拍摄至少一个另外的二维X射线投影图像PB。此外，可以在第一计算机断层成像数据组CD1和至少一个第二计算机断层成像数据组CD2中确定81共同的层S。在此，共同的层可以垂直于至少一个另外的二维X射线投影图像PB的投影方向延伸。此外，可以根据三维血管图像GB沿着共同的层S来产生82二维血管层图像GS。在此没有示出用于从至少一个第二三维计算机断层成像数据组CD2出发来产生血管图像的所有中间步骤。

此外，所提出的方法还可以包括根据伪影减少的图像数据组AD1和/或分析数据组BD1来产生三维血栓图像TB。在此，可以将血栓识别为中风症状SZ。此外，三维血栓图像TB的产生可以包括从伪影减少的图像数据组AD1和/或分析数据组BD1中分割血栓。此后，可以进行三维血栓图像TB的提供。在此，没有示出用于从第一三维计算机断层成像数据组CD1出发来产生血栓图像的所有中间步骤。在此，可以根据三维血栓图像TB沿着共同的层S来产生83二维血栓层图像TS。

此外，可以产生84二维叠加图像UB，其中该产生84可以包括血管层图像GS和/或血栓层图像TS与至少一个另外的X射线投影图像PB的叠加。此外，可以提供二维叠加图像UB。

此外，确定81第一计算机断层成像数据组CD1和至少一个第二计算机断层成像数据组CD2中的共同的层S可以包括配准。在此，第一计算机断层成像数据组CD1和至少一个第二计算机断层造影数据组CD2可以彼此配准和/或特别是分别配准到至少一个另外的二维X射线投影图像PB。

图8中示出了用于减少伪影的算法的实施方式的示意图。在此，所示的实施方式既可以应用于用于减少伪影的算法，也可以以类似的方式应用于用于减少伪影的另外的算法。

下面对用于减少伪影的算法的所示的实施方式进行描述。在第一步骤中，可以通过对第一三维计算机断层成像数据组CD1进行欠采样71来产生三维辅助数据组HD1。在此，检查对象的映射AB有利地包含在第一三维计算机断层成像数据组CD1中。特别地，三维辅助数据组71可以具有比第一三维计算机断层成像数据组CD1更少数量的体素v′。此外，三维辅助数据组HD1的体素v′的在空间上的体积可以大于第一三维计算机断层成像数据组CD1的体素v的体积。此外，可以沿着三维辅助数据组HD1的两个空间方向分别确定72层S1和S2。在此，两个层S1和S2中的每一层可以分别包括预定的列91和91′，并且分别包括至少一行Z1、Z2和Z1′、Z2′。此外，两个层S1和S2中的每一层可以分别具有检查对象的映射AB1和AB2。

至少一个旋转参数P和/或至少一个平移参数P的确定有利地可以包括通过应用分别最新确定的至少一个旋转参数P和/或至少一个平移参数P对三维辅助数据组HD1进行迭代校正92。在此，尤其可以迭代地减小相对于两个层S1和S2中的每一层中的预定的列91和91′的逐行偏差。特别是最新确定73的至少一个旋转参数P和/或至少一个平移参数P可以用于校正K第一三维计算机断层成像数据组CD1。

图9示出了医学C形臂X射线设备37的示意图，其被设计为，用于执行根据本发明的方法的实施方式。在此，医学C臂X射线设备37包括检测器单元34、X射线源33和处理单元22。为了拍摄多个二维X射线投影图像1以重建第一计算机断层成像数据组CD1，和/或为了拍摄多个二维X射线投影图像2以重建至少一个第二计算机断层成像数据组CD2，和/或为了拍摄至少一个另外的二维X射线投影图像PB，C形臂X射线设备的臂38可以围绕一个或多个轴可动地安置。由此可以利用分别不同、特别是彼此不同的拍摄几何特征来拍摄用于重建第一计算机断层成像数据组CD1的多个二维X射线投影图像1和/或用于重建至少一个第二计算机断层成像数据组CD2的多个二维X射线投影图像2和/或至少一个另外的二维X射线投影图像PB。此外，医学C形臂X射线设备37可以包括运动设备39，其可以实现C形臂X射线设备37在空间中的运动。

为了从布置在患者安置装置32上的检查对象31的待成像的区域拍摄用于重建第一计算机断层成像数据组CD1的多个二维X射线投影图像1和/或用于重建至少一个第二计算机断层成像数据组CD2的多个二维X射线投影图像2和/或为了拍摄至少一个另外的二维X射线投影图像PB，处理单元22可以向X射线源33发送信号24。然后，X射线源33可以发射X射线束、特别是锥形束和/或扇形束。当X射线束在与检查对象31的待成像的区域相互作用之后出现在检测器单元34的表面上时，检测器单元34可以向处理单元22发送信号21。处理单元22例如可以根据信号21来产生用于重建第一计算机断层成像数据组CD1的多个二维X射线投影图像1和/或用于重建至少一个第二计算机断层成像数据组CD2的多个二维X射线投影图像2和/或至少一个另外的二维X射线投影图像PB。然后，处理单元22可以执行根据本发明的用于从第一医学三维计算机断层成像数据组CD1提供分析数据组的方法的实施方式。在此，有利地可以产生分析数据组BD1。在此，特别是可以借助处理单元22的接口从医学C形臂X射线设备37、例如从计算机可读的存储介质和/或从数据库接收用于重建第一计算机断层成像数据组CD1的多个二维X射线投影图像1和/或用于重建至少一个第二计算机断层成像数据组CD2的多个二维X射线投影图像2。

此外，医学C形臂X射线设备37可以包括输入单元41、例如键盘，和/或显示单元42、例如监视器和/或显示器。优选地，例如在电容式输入显示器的情况下，输入单元41可以集成在显示单元42中。在此，通过操作人员在输入单元41上的输入可以实现对所提出的方法和/或医学C形臂X射线设备37的控制。

包含在所描述的附图中的示意图不反映任何比例或尺寸比。

最后再次指出，上面详细描述的方法和所示的设备仅仅是实施例，其可以由本领域技术人员以不同方式修改，而不脱离本发明的范围。此外，不定冠词“一”或“一个”的使用不排除所涉及的特征可以多次出现。同样的，术语“单元”不排除所涉及的组件由多个共同作用的部分组件构成，这些部分组件必要时也可以空间地分布。