[发明专利]训练机器学习算法的方法、机器学习算法和设备复合体

权利要求书

1.一种用于训练机器学习算法(A)的方法，所述方法包括以下步骤：

-提供具有要训练的机器学习算法(A’)的训练装置(6)，所述训练装置(6)具有与医学技术成像系统(1)的安全数据连接(9)，

-提供中央计算装置(20)，所述中央计算装置(20)设计为用于在网络(17)中运行经训练的机器学习算法(A)，而无需直接访问所述安全数据连接(9)，

-提供数据接口(19)，所述数据接口(19)设计为用于从所述训练装置(6)将数据发送至所述中央计算装置(20)，

-创建多个基于图像记录(B)的训练数据集(T)，所述训练数据集(T)分别配备有基本事实(G)或者在数据技术方面与基本事实(G)链接，

-经由所述安全数据连接(9)将所述训练数据集(T)发送给所述训练装置(6)，

-借助于所述训练装置(6)利用所述训练数据集(T)训练所述机器学习算法(A’)，

-经由所述数据接口(19)将经训练的所述机器学习算法(A)的参数数据集(PD)发送给所述中央计算装置(20)。

2.根据权利要求1所述的方法，其中在将所述训练数据集(T)发送给所述训练装置(6)之前，基于预定的标准分析所述图像记录(B)的质量，并且在所述质量不符合预定的标准的情况下，将所述图像记录(B)调整为，使得所述图像记录(B)对应于所述标准，或者将所述图像记录(B)丢弃，

优选其中在所述图像记录(B)已经被调整的情况下，这并入相应的基本事实(G)中，并且优选其中在图像记录(B)不能被调整为使得所述图像记录(B)对应于所述标准或者将其丢弃的情况下，则相应的训练数据集(T)被丢弃或者被标识为反面示例。

3.根据权利要求2所述的方法，其中借助于已经被训练的检查算法(U)，仅仅或除了通过用户进行分析之外，还基于预定的标准对所述图像记录(B)执行分析，所述已经被训练的检查算法(U)基于预定的标准评价相应的图像记录(B)的质量，和

优选附加地在相应的所述图像记录(B)不符合预定的标准的情况下，

-将所述图像记录(B)调整为，使得其对应于所述标准，

和/或

确定：哪些记录参数在记录时必须如何改变，以便所述图像记录(B)符合标准，优选其中根据所调整的图像记录(B)确定：在初始图像记录(B)时应如何实现所述患者(P)的定位，尤其是定位和/或等中心化，以便其符合所述标准。

4.根据上述权利要求中任一项所述的方法，其中与图像记录(B)相关联的基本事实(G)尤其是仅包括关于以下内容的信息：进行何种设定来记录相应的所述图像记录(B)和/或对所述图像记录(B)进行何种改变，

例如患者(P)的准直或定位和/或校正，尤其是在事后裁切所述图像记录(B)时，

其中在进行相应的设定时优选自动地记录所述信息。

5.根据上述权利要求中任一项所述的方法，其中所述机器学习算法(A’、A)是CAD算法，并且关于图像记录(B)的基本事实包括诊断和优选附加地包括关于所述图像记录(B)的后处理的信息，尤其是关于结构的对比度、亮度、高亮的变化或像素的位置的变化的信息。

6.根据上述权利要求中任一项所述的方法，所述方法设计为用于，尤其关于所述机器学习算法(A’、A)和所述训练数据集(T)的选择，训练所述机器学习算法(A’、A)，以患者特定的方式给出用于放射学检查的参数，尤其是模态和/或所述患者位置的自由度的参数，优选如下组中的参数，所述组包括：准直，空间轴线的确定尺寸，坐标系的定向，管电压，X射线电流，X射线束的强度，患者或检查床的位置，患者或检查床的取向，记录窗口的位置和记录时间。

7.根据上述权利要求中任一项所述的方法，其中在创建所述训练数据集(T)的过程中，除了所述图像记录(B)之外，传感器数据由相应的所述医学技术成像系统来记录，尤其是关于患者(P)的位置的位置数据，其中所述传感器数据尤其包括相机的图像数据，优选3D相机(22)的数据和/或超声检测器的数据和/或雷达检测器的数据。