DE19920300A1

DE19920300A1 - Detecting pathological changes in human body using magnetic resonance scanners

Info

Publication number: DE19920300A1
Application number: DE19920300A
Authority: DE
Inventors: Rainer Kuth; Robert Krieg
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 1999-05-03
Filing date: 1999-05-03
Publication date: 2000-11-16

Abstract

The method involves comparing a three-dimensional image data set with older image data sets for the same patient and/or with anatomical references to determine pathological changes. Also claimed is an MR scanner which is provided with a image data analyser for automatically comparing an actual three-dimensional image data set with an older data set or reference and/or for comparing symmetries and asymmetries of two body halves in the three-dimensional image data set.

Description

Viele pathologische Veränderungen im menschlichen Körper er folgen sehr langsam über einen Zeitraum von Jahren oder Jahr zehnten und sind für den Betroffenen erst erkennbar, bzw. werden häufig erst einer Diagnose durch den Arzt zugeführt, wenn wertvolle Zeit für eine wirksame Verhaltensänderung oder Therapie verloren ist.Many pathological changes in the human body follow very slowly over a period of years or years tenth and are only recognizable to those affected, or are often diagnosed by the doctor first, if valuable time for an effective behavior change or Therapy is lost.

Heute werden Menschen nur in einer Magnet-Resonanz-Anlage ge scannt, wenn ein konkreter Verdacht auf eine pathologische Veränderung besteht oder bereits Anzeichen einer Krankheit vorhanden sind. Die in der Magnet-Resonanz-Anlage gewonnenen Bilder werden von einem Radiologen interpretiert, der dann die Diagnose stellt und optional Therapieempfehlungen gibt.Today people are only ge in a magnetic resonance system scans when a specific suspicion of a pathological There is change or already signs of illness available. Those obtained in the magnetic resonance system Images are interpreted by a radiologist who then makes the diagnosis and optionally gives therapy recommendations.

Diese ständige grundsätzliche Beurteilung aller durch die Ma gnet-Resonanz gewonnenen Bilder durch einen Radiologen ver kompliziert und verteuert diese Art der Untersuchung, so dass eine häufigere Magnet-Resonanz-Untersuchung zur Vermeidung der eingangs beschriebenen Nachteile eines häufig jahrzehnte langen Abwartens nicht sinnvoll behebbar ist.This constant fundamental assessment of all by Ma gnet resonance obtained by a radiologist complicated and expensive this kind of investigation, so that a more frequent magnetic resonance examination to avoid this of the disadvantages described at the beginning of a frequently decades long wait is not usable.

Der Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren und eine hierzu geeignete Anordnung in Verbindung mit Magnet- Resonanz-Scannern zu schaffen, die eine häufigere Untersu chung und eine einfachere Auswertung zulässt.The invention is therefore based on the object of a method and a suitable arrangement in connection with magnetic To create resonance scanners that are a more common exam and a simpler evaluation.

Zur Lösung dieser Aufgabe ist erfindungsgemäß vorgesehen, dass ein 3D-Bildsatz automatisch mit älteren Bilddatensätzen des gleichen Patienten und/oder mit anatomischen Atlanten zur Ermittlung krankhafter Veränderungen verglichen wird. To achieve this object, the invention provides that a 3D image set automatically with older image data sets of the same patient and / or with anatomical atlases Identification of pathological changes is compared.

Durch das erfindungsgemäße Verfahren, bei dem ein Patient in regelmäßigen Abständen, z. B. einmal jährlich, mit einem MRI- Scanner gescannt wird, der vorzugsweise mittels Vielkanal technik, Panoramik-Array und schneller Bildgebungssequenz das rasche 3D-Scannen des gesamten Körpers erlaubt, und die auto matische Auswertung des 3D-Bilddatensatzes lassen sich patho logische Änderungen mit relativ geringem Aufwand bereits we sentlich früher feststellen als bei dem bisherigen Verfahren, bei dem diese pathologischen Veränderungen erst soweit gedie hen sein mussten, dass sie durch ein davon ausgelöstes Krank heitsbild äußerlich erkennbar waren.By the method according to the invention, in which a patient in regular intervals, e.g. B. once a year, with an MRI Scanner is scanned, preferably using a multi-channel technology, panoramic array and fast imaging sequence Fast 3D scanning of the whole body allowed, and the auto The evaluation of the 3D image data record can be patho logical changes with relatively little effort already determine considerably earlier than with the previous method, in which these pathological changes only flourished so far must be that they were ill due to an illness were visible from the outside.

Zur Durchführung des erfindungsgemäßen Verfahrens kann ein MRI-Scanner eingesetzt werden, der mit einer Bilddatenanaly seeinrichtung zum automatisierten Vergleichen eines aktuellen 3D-Bilddatensatzes eines Patienten mit älteren 3D-Bilddaten sätzen des gleichen Patienten und/oder mit elektronisch ge speicherten anatomischen Atlanten und/oder zum Vergleichen von Symmetrien und Unsymmetrien der beiden Körperhälften im 3D-Bilddatensatz versehen ist.To carry out the method according to the invention, a MRI scanners can be used with an image data analyzer Se device for automated comparison of a current 3D image data record of a patient with older 3D image data sets of the same patient and / or with electronically ge saved anatomical atlases and / or for comparison of symmetries and asymmetries of the two body halves in the 3D image data record is provided.

Der Magnet-Resonanz-Scanner zur Durchführung des erfindungs gemäßen Verfahrens weist vorzugsweise einen 3D-Bilddaten speicher auf, wobei bei der üblichen Auslegung von Magnet- Resonanz-Scannern zum abschnittsweisen Scannen des Körpers an den Magnet-Resonanz-Scanner ein Hochleistungscomputer zum Zu sammensetzen des in einzelnen Abschnitten gewonnenen Bildma terials zum 3D-Bilddatensatz angeschlossen ist.The magnetic resonance scanner for performing the Invention According to the method preferably has a 3D image data memory, with the usual design of magnetic Resonance scanners for scanning the body in sections the magnetic resonance scanner a high-performance computer compose the image dimensions obtained in individual sections terials is connected to the 3D image data set.

Das Zusammensetzen der Bildabschnitte erfolgt dabei anhand von natürlichen Landmarken im Körper des Patienten oder an hand von auf die Haut des Patienten aufgeklebten MR-sicht baren Fiducial-Markern. Der Bilddatenanalyseeinrichtung ist bevorzugt eine Bewertungs- und Auswerteeinheit zur Erarbei tung von Diagnosen und geeigneten Therapievorschlägen, ein schließlich gegebenenfalls Empfehlungen für gesundheitsrele vante Verhaltensänderungen des Patienten, nachgeschaltet. The image sections are put together on the basis of this from natural landmarks in the patient's body or at hand from MR view glued to the patient's skin fiducial markers. The image data analysis device is preferably an evaluation and evaluation unit for development diagnosis and suitable therapy proposals finally, where appropriate, recommendations for health care vante changes in behavior of the patient, downstream.

In weiterer Ausgestaltung der Erfindung kann dabei vorgesehen sein, dass die Bewertungs- und Auswerteeinheit so ausgebildet ist, dass sie - bei noch im Gerät befindlichen Patienten - selbsttätig weitere Messungen unter Zugabe von Kontrastmittel und/oder mit speziellen MR-Sequenztechniken zur Erhöhung des Kontrastes hinsichtlich bestimmter physikalischer Daten und/ oder unter radiologischer Kompetenz und/oder die Durchführung einer Biopsie vorschlägt und/oder einleitet.In a further embodiment of the invention can be provided be such that the evaluation and evaluation unit is designed in this way is that - with patients still in the device - automatic further measurements with the addition of contrast medium and / or with special MR sequence techniques to increase the Contrast with regard to certain physical data and / or under radiological competence and / or implementation suggests and / or initiates a biopsy.

Zu den ermittelten pathologischen Veränderungen gegenüber Normwerten und gegenüber den historischen Datensätzen gehören beispielsweise einzeln und/oder in Kombination: Volumenände rungen der inneren Organe, Änderungen im Kontrast des betref fenden Organs im Verhältnis zu umgebenden Organen und Binde gewebe, Änderungen innerhalb des Organs, Änderungen des Ver laufs und der Durchmesser der Blutgefäße sowie der Strömungs geschwindigkeit, Änderungen im Anreicherungsverhalten von Kontrastmittel, Änderungen Perfusion/Diffusion, Änderung in funktionellen Daten, Verschiebung von Landmarken, Symmetrien und Unsymmetrien zum gleichen Organ auf der gegenüberliegen den Körperhälfte, Fließverlauf von getrunkenem Wasser, 3D- Oberfläche/Surface Rendering und MR-Spektroskopie.Compared to the pathological changes identified Standard values and belong to historical records for example individually and / or in combination: volume changes internal organs, changes in the contrast of the affected organs in relation to the surrounding organs and bandage tissue, changes within the organ, changes in ver course and the diameter of the blood vessels as well as the flow speed, changes in the enrichment behavior of Contrast medium, changes perfusion / diffusion, change in functional data, displacement of landmarks, symmetries and asymmetries to the same organ on the opposite the body half, flow of drinking water, 3D Surface rendering and MR spectroscopy.

Gemäß einer Weiterbildung kann die Auswertungs-(Bewertungs-) und Auswerteeinheit so ausgebildet sein, dass sie eine neuro nale Netzwerkdatenbank mit eingespeicherten normalen, ver dächtigen und pathologischen Fällen zur Interpretation der 3D-Bilddatensätze enthält. Durch diese neuronale Netzwerkda tenbank hat man ein selbstlernendes System.According to a further training, the evaluation (assessment) and evaluation unit can be designed so that they have a neuro nale network database with stored normal, ver suspicious and pathological cases for the interpretation of the Contains 3D image data sets. Through this neural network da tenbank you have a self-learning system.

Die computergestützte Auswertung der 3D-Bilddatensätze kann auf verschiedene Art realisiert werden. Entsprechend der üb lichen Arbeitsweise in der klinischen Radiologie, bei der pa thologische Veränderungen der Leber oder der Prostata heutzu tage im wesentlichen über die Grauwertunterschiede im MR-Bild diagnostiziert werden, kann auch die Bilddatenanalyseeinrich tung eines erfindungsgemäßen MR-Scanners eine Grauwertanaly seeinrichtung enthalten.The computer-aided evaluation of the 3D image data sets can can be realized in different ways. According to the usual way of working in clinical radiology, with pa Thological changes in the liver or prostate today days mainly about the gray value differences in the MR image The image data analysis device can also be diagnosed device of an MR scanner according to the invention a gray value analysis included.

Darüber hinaus kann zweckmäßigerweise vorgesehen sein, dass die Bilddatenanalyseeinrichtung eine Bildsegmentiereinrich tung und einen, vorzugsweise auf einem neuronalen Netz basie renden Pathologieklassifikator umfasst.In addition, it can advantageously be provided that the image data analysis device has an image segmentation device device and one, preferably based on a neural network pathology classifier.

Als optimale Analyseeinrichtung hat sich dabei eine Wavlet basierte Bildsegmentierung mit einem auf einem neuronalen Netz aufgebauten Klassifikator erwiesen.A Wavlet has proven to be the optimal analysis device based image segmentation with one on a neural Network-based classifier proved.

Es gibt eine hohe Zahl von Möglichkeiten, die Bildsegmentie rung als auch die Klassifikation algorithmisch zu implemen tieren. Kein Verfahren erreicht dabei vermutlich eine hun dertprozentige Zuverlässigkeit, obgleich die Zuverlässigkeit für den Erfolg eines Vorsorge-Scanners natürlich eine ent scheidende Rolle spielt. Andererseits ist aber zu berücksich tigen, dass auch bei einer konventionellen Magnet-Resonanz- Untersuchung und einer anschließenden Befundung durch den Ra diologen eine hundertprozentige Zuverlässigkeit nie gegeben sein kann.There are a large number of ways that image segmentation works algorithmically implement the classification as well animals. No procedure will probably reach a hun 100% reliability, although reliability for the success of a preventive scanner, of course, a plays a crucial role. On the other hand, it is too considerate that even with a conventional magnetic resonance Examination and a subsequent diagnosis by the Ra diologists have never been 100% reliable can be.

Weitere Vorteile, Merkmale und Einzelheiten der Erfindung er geben sich aus der nachfolgenden Beschreibung einiger Ausfüh rungsbeispiele sowie anhand der Zeichnungen. Dabei zeigen:Further advantages, features and details of the invention he give some information from the following description Example and based on the drawings. Show:

Fig. 1 den grundsätzlichen Aufbau der computergestützten Auswertung der 3D-Bilddatensätze, FIG. 1 shows the basic structure of the computer-aided analysis of the 3D image data sets,

Fig. 2 das Schema der Anwendung einer multiskalen Analyse im Zuge einer Wavelt-basierten Bildsegmentierung, und Fig. 2 shows the scheme of the application of a multiresolution analysis in the course of Wavelt-based image segmentation, and

Fig. 3 den diagrammatischen Ablauf der automatisierten Bildinterpretation. Fig. 3 shows the diagrammatic end of the automated image interpretation.

Zur Detektion einer Pathologie über eine Grauwertanalyse des MR-Bildes wird prinzipiell ein Aufbau nach Art der Fig. 1 ge wählt.In principle, a structure according to the type of FIG. 1 is selected for the detection of a pathology via a gray value analysis of the MR image.

Dabei wird in der Stufe 1 das Magnet-Resonanz-Bild erstellt, das anschließend in der Stufe 2 über eine Bildsegmentierein richtung segmentiert wird zur Erkennung des Organs und even tueller Auffälligkeiten. Auf dieses segmentierte Bild in der dritten Stufe 3 wird ein Pathologieklassifikator angewandt, also ein Algorithmus, der bestimmte pathologische Auffällig keiten in Klassen einteilt und mit den segmentierten Bildtei len vergleicht.The magnetic resonance image is created in stage 1 , which is then segmented in stage 2 via an image segmentation device to detect the organ and any abnormalities. A pathology classifier is applied to this segmented image in the third stage 3 , i.e. an algorithm which divides certain pathological abnormalities into classes and compares them with the segmented image parts.

In der Literatur sind verschiedene Beispiele von Verfahren zur Organsegmentierung bekannt. Neben Verfahren, bei denen die Grauwertbilder als topographische Oberflächen betrachtet werden und zusammenhängende Gebiete nach Anwendung eines al gorithmischen Flutungsprozesses erkannt werden, sind auch Er gänzungen mit einem lernfähigen System möglich, wobei das ge messene Magnet-Resonanz-Bild mit Referenzbildern einer Daten bank korreliert wird.Various examples of methods are in the literature known for organ segmentation. In addition to procedures in which the gray scale images are viewed as topographical surfaces and related areas after applying an al gorithmic flooding process are also recognized additions possible with a system capable of learning, whereby the ge measured magnetic resonance image with reference images of a data bank is correlated.

Nach der erfolgreichen Segmentierung des Organs erfolgt im zweiten Schritt die Erkennung einer eventuellen Pathologie. Auch dies ist letztlich eine Segmentierungsaufgabe, jedoch in Kombination mit einem Klassifikator. Nach der Segmentierung kann bei Erkennung einer Auffälligkeit, wie z. B. dunkle Be reiche im Leber-Magnet-Resonanz-Bild, dann mittels des Klas sifikators entschieden werden, ob es sich um eine Pathologie handelt, oder ob zufälligerweise eine Lebervene durch die Bildebene verläuft.After the successful segmentation of the organ takes place in the second step the detection of a possible pathology. Ultimately, this is also a segmentation task, however in Combination with a classifier. After segmentation If an abnormality is detected, such as B. dark be range in the liver magnetic resonance image, then by means of the class sificators can be decided whether it is a pathology acts, or whether by chance a liver vein through the Image plane runs.

Es gibt eine hohe Anzahl von Möglichkeiten, sowohl die Bild segmentierung als auch die Klassifikation algorithmisch in das System zu implementieren. Dabei dürfte nach den der vor liegenden Erfindung zugrunde liegenden Untersuchungen eine Wavelet-basierte Bildsegmentierung mit einem auf einem neuro nalen Netz aufgebauten Klassifikator die höchste Zuverlässig keit erreichen. Wavelets sind der Oberbegriff für eine Funk tionenfamilie. Dabei wirkt ein Parameter a als Skalierungs faktor und ein Parameter b als Translation. Die Diskretisie rung der Wavelets kann dabei so erfolgen, dass die Wavelets eine orthogonale Basis darstellen. Dieser Weg wird meist in Aufgaben der Datenkompression gegangen. Die Diskretisierung kann aber auch in der Weise erfolgen, das sie eine Multiska lenanalyse der Funktion erlauben.There are a high number of options for both the picture segmentation as well as the classification algorithmically in to implement the system. It should be after the one before underlying invention underlying investigations Wavelet-based image segmentation with one on a neuro nal network built classifier the highest reliability reach. Wavelets are the generic term for a radio tion family. A parameter a acts as a scaling factor and a parameter b as translation. The discretion The wavelets can be set so that the wavelets represent an orthogonal base. This path is mostly in Data compression tasks gone. The discretization can also be done in such a way that it is a Multiska Allow function analysis.

Die Anwendung der Multiskalenanalyse auf z. B. ein Bild er zeugt eine Folge von Teilbildern, die jeweils geglättete Bil der des Eingangsbildes auf verschiedenen Skalen sowie den entsprechenden Detailinformationen (Wavelet-Bildern) erzeu gen. Dies ist schematisch in Fig. 2 dargestellt. Ein Bild der Größe 2^N × 2^N kann auf n Skalen zerlegt werden. Die Segmen tierung der Leber kann dabei auf relativ einfache Weise ge schehen. Man errechnet ein geglättetes Bild auf einer groben Skala, wobei aufgrund der Magnet-Resonanz-Sequenzdaten die ungefähr zu erwartende Größe des Organs vorher bekannt ist. Ausgehend von dem Original-Bild OB wird dann in einem der ge glätteten Bilder der unterschiedlichen Stufen GB1 . . . GBn das Organ segmentiert. Durch die Glättung wird die Segmentation ganz einfach, wobei teilweise schon ein Schwellwertverfahren genügt. Dies wird dann als binäre Maske für die Detektion des Organs im Original-Bild verwendet.The application of multiscale analysis on e.g. B. an image he produces a sequence of partial images, the smoothed image of the input image on different scales and the corresponding detailed information (wavelet images). This is shown schematically in FIG. 2. An image of size 2 ^N × 2 ^N can be broken down into n scales. The segmentation of the liver can be done in a relatively simple manner. A smoothed image is calculated on a coarse scale, the roughly expected size of the organ being known beforehand on the basis of the magnetic resonance sequence data. Starting from the original picture OB, GB1 is then in one of the smoothed pictures of the different stages. . . GBn the organ segmented. The smoothing makes segmentation very easy, although a threshold value method is sometimes sufficient. This is then used as a binary mask for the detection of the organ in the original image.

Anschließend wird die Pathologie bestimmt. Hierzu müssen Strukturen in dem sonst eher homogenen Gewebe, z. B. des Le berparenchyms erkannt werden. Nach der Wavelet-Zerlegung lie gen n-Bilder mit Detailinformationen DB1 . . . DBn auf ver schiedenen Skalen vor. Die Detailinformationen entsprechen direkt den Strukturänderungen in den Bildern. Es ist aus der Literatur bekannt, dass sich z. B. Rauschen von echten Struk turen dadurch unterscheiden lässt, dass das Rauschen nur auf der ersten oder zweiten Skala vorkommt, während eine Struktur meist Komponenten auch noch in höheren Skalen enthält. Somit ist eine effiziente Rauschfilterung durch eine einfache Kopp lung einer Schwellwertdetektion mit einer Multiskalenanalyse erreichbar.The pathology is then determined. To do this Structures in the otherwise more homogeneous tissue, e.g. B. of Le berparenchyma can be recognized. After the wavelet decomposition lie gen n pictures with detailed information DB1. . . DBn on ver different scales. The detailed information corresponds directly the structural changes in the pictures. It is from the Literature known that z. B. Real structure noise differentiates by the fact that the noise only on the first or second scale occurs while a structure mostly contains components even in higher scales. Consequently is an efficient noise filtering by a simple coupling threshold detection with a multi-scale analysis reachable.

Die bekannten anatomischen und pathologischen Strukturen ha ben eine jeweils für sie typische Darstellung im Wavelet-Raum der MSA (Wavelet-Koeffizienten). Diese wird in einer Daten bank hinterlegt. Nach Anwendung der MSA auf das Testbild wer den Auffälligkeiten nach Übereinstimmung mit der Datenbank klassifiziert. Wie bereits oben erwähnt, kann eine andere Er kennung von Auffälligkeiten auch darin bestehen, dass die Wavelet-Koeffizienten mit denen früher Aufnahmen desselben Patienten verglichen werden, um so beispielsweise das Wachs tum einer verdächtigen Region festzustellen. Dabei ist natür lich durch geeignete Maßnahmen sicherzustellen, dass der Pa tient relativ zum Magnet-Resonanz-Koordinatensystem genauso positioniert ist und dieselben Sequenzparametereinstellungen verwendet werden. Dies kann z. B. dadurch erreicht werden, dass eine anatomische Landmarke, z. B. die Nasenwurzel, regi striert und ins Zentrum des Magneten gebracht wird.The well-known anatomical and pathological structures ha ben a typical representation for them in the wavelet space the MSA (wavelet coefficients). This is in a data bank deposited. After applying the MSA to the test pattern, who the abnormalities in accordance with the database classified. As mentioned above, another He detection of abnormalities also consist in the fact that the Wavelet coefficients with those of earlier recordings Patients are compared, for example the wax of a suspicious region. It is natural appropriate measures to ensure that the Pa tient also relative to the magnetic resonance coordinate system is positioned and the same sequence parameter settings be used. This can e.g. B. can be achieved that an anatomical landmark, e.g. B. the bridge of the nose, regi and placed in the center of the magnet.

Insgesamt stellt sich der Ablauf, wie er in Fig. 3 darge stellt ist, wie folgt dar:
In der Stufe S1 erfolgt zunächst eine Wavelet-Transformation des Magnet-Resonanz-Bildes, von dem ausgehend in der Stufe S2 eine Schwellwertdetektion des Organs auf dem Skalierungsbild der Skala n stattfindet. Das in der Stufe S2 gewonnene Bild wird in der Stufe S3 als binäre Maske auf die Multiskalenana lyse der Wavelet-Bilder angewandt, wobei optional entspre chend der Stufe S4 auch eine Schwellwertfilterung der Multis kalenanalyse der Wavelet-Bilder zur Datenreduktion erfolgen kann. Darauf erfolg entweder gemäß der Stufe S5A eine Klassifika tion der Pathologien anhand eines Vergleichs mit Wavelet- Koeffizienten aus seiner Datenbank, oder aber die Bestimmung von Auffälligkeiten durch Vergleich der Wavelet-Koeffizienten mit Ergebnissen aus früheren Bildern desselben Patienten (Stufe S5B).Overall, the process as shown in FIG. 3 is as follows:
In step S1, a wavelet transformation of the magnetic resonance image takes place, from which a threshold value detection of the organ on the scaling image of the scale n takes place in step S2. The image obtained in stage S2 is applied in stage S3 as a binary mask to the multiscale analysis of the wavelet images, with threshold filtering of the multiscale analysis of the wavelet images optionally also corresponding to stage S4 for data reduction. This is followed either by a classification of the pathologies based on a comparison with Wavelet coefficients from its database in accordance with stage S5A, or the determination of abnormalities by comparison of the wavelet coefficients with results from previous images of the same patient (stage S5B).

Claims

1. Method for detecting pathological changes in the human body using magnetic resonance scanners, characterized in that a 3D image data set is automatically compared with older image data sets of the same patient and / or with anatomical atlas to determine pathological changes.

2. MR scanner for performing the method according to claim 1, characterized, that with an image data analysis device for automatic based comparison of a current 3D image data set Patients with older 3D image data sets from the same patient ten and / or with electronically stored anatomical At and to compare symmetries and asymmetries trien of the two body halves in the 3D image data set is.

3. MR scanner according to claim 2, characterized ge indicates that it has a 3D image data file cher.

4. MR scanner according to claim 2 or 3, characterized characterized that he was using an MR scanner segmental scanning of the body with attached High-performance computer to assemble the individual cut the captured image material into a 3D image data set sums up.

5. MR scanner according to claim 4, characterized ge indicates that the assembly of the Image sections based on natural landmarks in the body of the patient based on the patient's skin glued MR-visible fiducial markers.

6. MR scanner according to one of claims 2 to 5, ge characterized by one of the image da downstream analysis and evaluation Unit for developing diagnoses and suitable Thera pie suggestions.

7. MR scanner according to one of claims 2 to 6, there characterized in that the Be evaluation and evaluation unit is designed so that it - for patients still in the device - automatically wide re measurements with the addition of contrast agents and / or with special MR sequence techniques to increase the contrast regarding certain physical data and / or under radiological competence and / or the implementation of a Biopsy suggests and / or initiates.

8. MR scanner according to one of claims 2 to 7, ge characterized by a neural Network database with stored normal, suspect and pathological cases for interpreting the 3D Image records.

9. MR scanner according to one of claims 2 to 8, there characterized by that the Image data analysis device a gray value analysis device contains.

10. MR scanner according to one of claims 2 to 9, there characterized by that the Image data analysis device an image segmentation device and one, preferably based on a neural network includes the pathology classifier.

11. MR scanner according to claim 10, characterized net through a wavelet-based image segment animal facility.