專利名稱：用于自動識別3d數(shù)據(jù)集中圖像視圖的方法和設(shè)備的制作方法
技術(shù)領(lǐng)域：
一般來說，本發(fā)明涉及超聲波，更具體來說，涉及從三維(3D)數(shù)據(jù)集(dataset)中 自動識別圖像視圖。
背景技術(shù)：
用于3D心回波圖(echocardiogram)的定量分析的許多工具是可用的。具體來說， 左心室的評估受到關(guān)注。通過3D心回波描記術(shù)，可從可作為包含心動周期的一系列圖像幀 來獲取的所獲取體(volume)提取任意圖像切片(slice)。但是需要來自用戶的某種等級的 輸入。例如，現(xiàn)有工具要求左心室長軸的手動對齊(alignment)，這增加了檢查時間。由于 所需的時間，用戶可在一個圖像幀上識別心臟的頂點(diǎn)和基部(base)、即頂部和底部。然后將 這些界標(biāo)(landmark)應(yīng)用到其余圖像幀。因此，其余圖像幀或切片在整個心動周期保持在 圖像體中的固定空間位置。但是，心臟在收縮期間移動，因而心臟的位置在圖像幀內(nèi)移動。因此，所顯示的 心肌組織在心動周期期間有所不同。這對于其中縱向縮短在心動周期期間可高達(dá)1.2 厘米的基部短軸切片特別成問題。所產(chǎn)生的平面外運(yùn)動可引起與心收縮不相關(guān)的人為 (artificial)壁增厚，并且基部切片在收縮末期可結(jié)束于心房。

發(fā)明內(nèi)容
在一個實(shí)施例中，一種用于自動識別三維數(shù)據(jù)集中的圖像視圖的方法包括用處 理器訪問包含多個圖像幀的三維數(shù)據(jù)集，并且用處理器使至少一個可變形模型與圖像幀中 每個圖像幀內(nèi)的至少一個結(jié)構(gòu)擬合(fit)。該方法還包括用處理器根據(jù)至少一個可變形 模型在所述圖像幀中每個圖像幀內(nèi)識別至少一個特征點(diǎn)，并且根據(jù)所述至少一個特征點(diǎn)在 顯示器上顯示至少一個圖像視圖。在另一個實(shí)施例中，一種用于自動識別三維數(shù)據(jù)集中的圖像視圖的系統(tǒng)包括處理 器和顯示器。處理器配置成訪問包含多個圖像幀的三維數(shù)據(jù)集，使至少兩個耦合的可變形 模型與所述圖像幀中每個圖像幀內(nèi)的結(jié)構(gòu)擬合，并且根據(jù)可變形模型中至少之一在所述圖 像幀中每個圖像幀內(nèi)識別至少一個特征點(diǎn)。顯示器配置成根據(jù)所述至少一個特征點(diǎn)顯示至 少一個圖像視圖。


圖1示出根據(jù)本發(fā)明的一個實(shí)施例形成的超聲波成像系統(tǒng)的框圖。圖2示出根據(jù)本發(fā)明的一個實(shí)施例使用基于可變形模型的對齊算法來自動創(chuàng)建 預(yù)期圖像視圖的方法。圖3示出根據(jù)本發(fā)明的一個實(shí)施例、裝入示出多個控制頂點(diǎn)的線框網(wǎng)格(wire frame mesh)的 Doo-Sabin 細(xì)分模型。圖4示出根據(jù)本發(fā)明的一個實(shí)施例、其上具有所識別特征點(diǎn)的在舒張末期和收縮末期的示范分段相交切片。圖5示出根據(jù)本發(fā)明的一個實(shí)施例、基于特征點(diǎn)來識別短軸切片的一個示例。圖6示出根據(jù)本發(fā)明的一個實(shí)施例、基于短軸切片的一系列中間壁圖像視圖。圖7示出根據(jù)本發(fā)明的一個實(shí)施例、基于短軸切片的一系列基部圖像視圖。圖8示出根據(jù)本發(fā)明的一個實(shí)施例、多個模型如何按照跟蹤分級結(jié)構(gòu)中的相互關(guān) 系進(jìn)行排列。圖9示出根據(jù)本發(fā)明的一個實(shí)施例、包括跟蹤分級結(jié)構(gòu)的示范卡爾曼(Kalman)跟 蹤框架。圖10示出根據(jù)本發(fā)明的一個實(shí)施例、基于來自耦合模型的特征點(diǎn)提取標(biāo)準(zhǔn)頂端 視圖的一個示例。圖11示出根據(jù)本發(fā)明的一個實(shí)施例所形成的三個標(biāo)準(zhǔn)頂端視圖。圖12示出根據(jù)本發(fā)明的一個實(shí)施例、在獲取期間可用于指導(dǎo)用戶調(diào)整探頭取向 的心臟圖像的比較。圖13示出根據(jù)本發(fā)明的一個實(shí)施例、來自應(yīng)力回波檢查的頂端長軸圖像的后處 理(post-processing)。圖14示出根據(jù)本發(fā)明的一個實(shí)施例、來自應(yīng)力回波檢查的短軸圖像的后處理。
具體實(shí)施例方式上述發(fā)明內(nèi)容以及對本發(fā)明的某些實(shí)施例的以下詳細(xì)描述在結(jié)合附圖閱讀時，將 會被更好地理解。在附圖示出各個實(shí)施例的功能塊的簡圖的意義上，功能塊不一定表示硬 件電路之間的劃分。因此，例如，這些功能塊中的一個或多個(例如處理器或存儲器)可在 單片硬件(例如，通用信號處理器或隨機(jī)存取存儲器、硬盤等)中實(shí)現(xiàn)。類似地，程序可以 是獨(dú)立程序，可以結(jié)合為操作系統(tǒng)中的子程序(subroutine)，可以是已安裝軟件包中的功 能，等。應(yīng)當(dāng)理解，各個實(shí)施例并不局限于附圖所示的布置和工具。本文所使用的、以單數(shù)形式所述并且冠有詞“一個”的單元或步驟應(yīng)該被理解為不 排除多個所述單元或步驟的情況，除非明確說明了這種排除情況。此外，本發(fā)明的“一個實(shí) 施例”的引用不是意在被解釋為排除也結(jié)合了所述特征的其它實(shí)施例的存在。此外，除非明 確相反地說明，否則，“包括”或“具有”含特定性質(zhì)的一個單元或多個單元的實(shí)施例可包括 附加的不具有該性質(zhì)的這類單元。本文所公開的至少一個實(shí)施例利用用于使可變形模型自動適合結(jié)構(gòu)的方法。在一 些實(shí)施例中，這些方法可以是有計(jì)算效率的。例如，結(jié)構(gòu)可以是左心室、右心室、左心室流出 道和/或其它心臟結(jié)構(gòu)。在另一個示例中，該結(jié)構(gòu)可以是將對其生成一組標(biāo)準(zhǔn)化視圖的人 體或其它對象中的另一種結(jié)構(gòu)。在轉(zhuǎn)讓給同一申請人、于2007年7月11日提交的標(biāo)題為“Methodfor Real-Time Tracking of Cardiac Structures in 3D Echocardiography"的美國專利申請涉及11/775903中描述了一種方法，并且通過引用將其完整地結(jié)合于此。11/775903專利申請涉 及一種跟蹤與體測(volumetric)圖像序列的邊緣擬合的可變形模型的運(yùn)動和形狀變化的 方法。該方法利用擴(kuò)展的卡爾曼濾波器來估計(jì)可變形模型的位置、取向和變形參數(shù)。首先使 用運(yùn)動學(xué)(kinematic)模型對每個新幀預(yù)測可變形模型的形狀和位置。然后在這個模型附近執(zhí)行邊緣檢測。通過在模型上的常規(guī)間隔位置搜索與模型表面垂直的邊緣來進(jìn)行邊緣檢 測?？勺冃文Ｐ偷乃A(yù)測邊緣與所測量邊緣之間的所確定距離被看作是對最小平方算法、 如卡爾曼濾波器的測量。將距離測量與指定局部邊緣檢測的空間不確定性的關(guān)聯(lián)測量噪聲 值相耦合。對各邊緣檢測點(diǎn)計(jì)算關(guān)于邊緣測量的模型參數(shù)靈敏度。將靈敏度與邊緣測量組 合。隨后測量數(shù)據(jù)在信息空間中被合計(jì)在一起，并且被與卡爾曼濾波器中的預(yù)測相組合以 便估計(jì)可變形模型的位置和變形參數(shù)。在轉(zhuǎn)讓給同一申請人、于2008年3月18日提交的標(biāo)題為“Methods for Using Deformable Models for Tracking Structures inVolumetric Data，，的美國專利申請?zhí)?12/050715中描述了另一種方法，通過引用將其完整地結(jié)合于此。12/050715專利申請涉及 一種用于跟蹤3D圖像中的3D結(jié)構(gòu)的計(jì)算機(jī)化方法，所述3D圖像包含其中之一是當(dāng)前圖像 幀的多個順序圖像幀。該方法包括采用具有局部形狀變形的參數(shù)的參數(shù)模型來表示被跟蹤 的3D結(jié)構(gòu)。使用運(yùn)動學(xué)模型對參數(shù)模型創(chuàng)建預(yù)測狀態(tài)向量。使用預(yù)測狀態(tài)向量使參數(shù)模 型變形，并且使用3D圖像的當(dāng)前幀來確定3D結(jié)構(gòu)的多個實(shí)際點(diǎn)，以及使用多個實(shí)際點(diǎn)與多 個預(yù)測點(diǎn)之間的差來確定位移(displacement)值和測量向量。位移值和測量向量經(jīng)過濾 波以生成更新狀態(tài)向量和更新協(xié)方差矩陣，并且使用更新狀態(tài)向量對當(dāng)前圖像幀生成更新 的參數(shù)模型。以上結(jié)合的專利申請可利用卡爾曼濾波器跟蹤框架來執(zhí)行模型與圖像數(shù)據(jù)的擬 合?？柭鼮V波器跟蹤框架是有計(jì)算效率的，也就是說，模型以單次迭代(iteration)被更 新或者與圖像數(shù)據(jù)擬合。因此，擬合可實(shí)時或者準(zhǔn)實(shí)時地實(shí)現(xiàn)。應(yīng)當(dāng)理解，可用其它擬合方 法來實(shí)現(xiàn)本發(fā)明的至少一個實(shí)施例，例如但不限于利用最小平方方法的其它方法?？墒褂?能夠以單次迭代或數(shù)次迭代使模型與圖像數(shù)據(jù)擬合、從而允許擬合實(shí)時或準(zhǔn)實(shí)時地進(jìn)行的 其它擬合方法。在另一個實(shí)施例中，可用沒有實(shí)時或準(zhǔn)實(shí)時操作的其它擬合方法和算法來 使模型與心臟結(jié)構(gòu)或其它結(jié)構(gòu)擬合。圖1示出根據(jù)本發(fā)明的一個實(shí)施例形成的超聲波成像系統(tǒng)100的框圖。超聲波成 像系統(tǒng)100包括超聲波發(fā)送器102和超聲波接收器104，超聲波接收器104配置成接收從對 象106的感興趣區(qū)域所反射的反射超聲波輻射并將接收的超聲波輻射轉(zhuǎn)換成圖像數(shù)據(jù)。對 象106可以是例如醫(yī)療患者，并且感興趣區(qū)域例如可包括患者的心臟。為了將超聲波輻射 發(fā)射到對象106并從其接收反射的超聲波輻射，使用超聲波探頭108來獲得連續(xù)的圖像數(shù) 據(jù)幀。超聲波成像系統(tǒng)100還包括配置成分析圖像數(shù)據(jù)的處理器110以及配置成顯示來自 圖像數(shù)據(jù)分析的結(jié)果的顯示器。處理器110可以是包括圖1中未單獨(dú)示出的計(jì)算/邏輯引 擎(例如微處理器或CPU)連同存儲器的模塊?？商峁┯脩艚涌?118，以便允許用戶輸入數(shù) 據(jù)、選擇圖像、調(diào)整和細(xì)化圖像數(shù)據(jù)和成像參數(shù)等。用戶接口 118可以是任何已知的輸入裝 置，包括但不限于鍵盤、軌跡球(trackball)、鼠標(biāo)、觸摸屏、撥動(toggle)開關(guān)、滑塊和按 鈕。在本發(fā)明的一些實(shí)施例中，存儲裝置116配置成從例如⑶-ROM、DVD、軟盤或者本 領(lǐng)域已知的其它類型的機(jī)器可讀媒體的外部介質(zhì)或媒體114讀取指令。介質(zhì)或媒體114上 的指令配置成例如經(jīng)由處理器110指示超聲波成像系統(tǒng)100執(zhí)行本發(fā)明的方法實(shí)施例。本發(fā)明的一些實(shí)施例不一定通過使用超聲波成像系統(tǒng)來實(shí)現(xiàn)。對于某些實(shí)施例， 圖1所示系統(tǒng)的子集就足夠。例如，包括處理器、存儲器和顯示器的計(jì)算機(jī)適合實(shí)現(xiàn)本發(fā)明的許多實(shí)施例。在充分提供計(jì)算機(jī)的一些實(shí)施例中，適當(dāng)?shù)姆椒捎糜趥鬟f來自例如圖1 的超聲波成像系統(tǒng)100的成像系統(tǒng)的圖像數(shù)據(jù)。在其它實(shí)施例中，圖像數(shù)據(jù)的傳遞可實(shí)時 實(shí)現(xiàn)。此外，只要可提供圖像幀序列，成像系統(tǒng)不需要是超聲波成像系統(tǒng)或醫(yī)療成像系統(tǒng)。 在其中至少一個實(shí)施例在超聲波成像系統(tǒng)100中實(shí)現(xiàn)的情況下，成像系統(tǒng)的物理尺寸不受 限制。例如，超聲波成像系統(tǒng)100可按照控制臺形式、便攜形式或手持形式來提供。圖2示出使用基于可變形模型的對齊算法來自動創(chuàng)建預(yù)期圖像視圖的方法。術(shù)語 “圖像視圖”是一般術(shù)語，它可用于表示例如來自體測(volumetric)圖像的2D切片等2D切 片、體測切片、例如心瓣或其它預(yù)期解剖體的透視圖(rendering)的體透視圖、解剖M模式 圖像、彎曲的解剖M模式圖像、時間運(yùn)動曲線(例如位移、速度、應(yīng)變率、應(yīng)變、扭力等)或者 可在評估和/或比較圖像數(shù)據(jù)時使用的任何其它所提取圖像視圖或表示或可視化技術(shù)。圖 像視圖還可表示由于可能作為下文所述對齊的結(jié)果的位移、縮放和/或旋轉(zhuǎn)而被校正的成 像視圖。例如，可創(chuàng)建由于平面外運(yùn)動(例如心跳周期期間的位移)而被校正的短軸切片。 可從多個圖像提取一個或多個這類經(jīng)校正的切片。在150，在一些實(shí)施例中，系統(tǒng)100可獲取N個圖像幀的序列。在一些實(shí)施例中，圖 像幀可包括體測圖像數(shù)據(jù)，或者可稱作三維(3D)數(shù)據(jù)集。在一個實(shí)施例中，3D數(shù)據(jù)集可包 括灰度級數(shù)據(jù)，標(biāo)量(scalar)的灰度級數(shù)據(jù)，例如顏色、位移、速度、溫度、材料應(yīng)變的參 數(shù)或分量(component)，或者可編碼到圖像的其它信息或信息源。例如，可在心動周期的持 續(xù)時間獲取圖像幀。圖像幀的數(shù)量N可從患者到患者而變化，并且可取決于單個患者的心 動周期的長度以及成像系統(tǒng)100的幀率(frame rate)。在一個實(shí)施例中，可用先前獲取的圖像來在獲取期間指導(dǎo)用戶獲取大致具有相同 探頭取向的圖像幀。探頭取向是探頭108相對于感興趣解剖體、如心臟的相對取向。探頭 取向是用戶相關(guān)的，并且可基于用戶的知識、經(jīng)驗(yàn)、技術(shù)、可用設(shè)備以及其它因素而改變。另 外，心臟(或其它解剖體)的不同部分可被成像，并且圖像體可因探頭108旋轉(zhuǎn)而旋轉(zhuǎn)例如 90或180度。探頭取向?qū)τ诶鐟?yīng)力心回波描記術(shù)(應(yīng)力回波)的研究是相關(guān)的，其中靜息 (rest)圖像和應(yīng)力圖像被大致相同地定向，即心臟的同一部分沒有相對旋轉(zhuǎn)地進(jìn)行成像。 例如，為了獲取頂端四室視圖，探頭108可通過在患者的肋骨之間進(jìn)行成像并且沿左心室 長軸的方向、即大致通過頂點(diǎn)和通過二尖瓣中間進(jìn)行指向來定向，并且被旋轉(zhuǎn)使得通過右、 左心室和右、左心房的切片被顯示在顯示器112上。隨當(dāng)前圖像數(shù)據(jù)同時在顯示器112上查看先前獲取的圖像幫助用戶在獲取期間 對齊圖像。圖12示出可用于指導(dǎo)用戶在獲取期間調(diào)整探頭取向使得新獲取的圖像與參考 圖像對齊的心臟圖像的比較。先前獲取的參考圖像400與即時(live)圖像402并排示出。 雖然在400和402的每個中示出4個不同圖像，但是應(yīng)當(dāng)理解，可使用一個或者一個以上圖 像。在一個實(shí)施例中，參考圖像400可以是先前獲取的基線(baseline)圖像，而即時圖像 402是應(yīng)力圖像。在另一個實(shí)施例中，參考圖像400可以是應(yīng)力圖像，而即時圖像402是基 線圖像或者其它應(yīng)力級的圖像。圖像可來自相同的檢查或者不同的檢查。在一個實(shí)施例 中，參考圖像400可來自另一患者，從而提供一般圖像來指導(dǎo)用戶以特定探頭取向獲取圖 像。另外，圖像400和402可以是靜止(still)圖像或電影環(huán)(cine-loop)或者捕捉活動 對象的運(yùn)動的其它電影剪輯(movie clip)?？稍陲@示器112上顯示例如關(guān)聯(lián)ECG軌跡404和406的其它信息，以及可識別心臟周期中的位置的圖像408或其它指示。探頭取向可基于定義圖像順序以及圖像間關(guān)系的協(xié)議。因此，可指示用戶以第一 探頭取向獲取一組圖像幀，然后附加的一組或多組圖像幀可使用不同的探頭取向來獲取。 在另一實(shí)施例中，可自動設(shè)置例如幾何形狀、頻率、幀率、增益等的成像參數(shù)，使得基線和任 何關(guān)聯(lián)應(yīng)力圖像使用相同的獲取參數(shù)來獲取，因而指導(dǎo)用戶獲取近似相等對齊的圖像。在152，處理器110使一個或數(shù)個可變形模塊與第一圖像幀中例如左心室、右心室 和/或左心室流出道的結(jié)構(gòu)擬合。在一個實(shí)施例中，為了實(shí)現(xiàn)左心室的擬合，可使用卡爾曼 濾波器框架來執(zhí)行跟蹤，以便使用可變形Doo-Sabin細(xì)分模型對心內(nèi)膜壁進(jìn)行分段。類似 擬合可采用右心室和左心室流出道的可變形模型來實(shí)現(xiàn)。下文在圖8和圖9中進(jìn)一步論述 多個可變形模型相互之間的跟蹤。在一些實(shí)施例中，由于跟蹤框架有計(jì)算效率，因此，當(dāng)獲取圖像幀時，可實(shí)時地實(shí) 現(xiàn)擬合。在另一個實(shí)施例中，可對先前已經(jīng)獲取的圖像數(shù)據(jù)實(shí)現(xiàn)擬合。例如，圖像數(shù)據(jù)可在 系統(tǒng)100獲取，然后被傳遞給不同系統(tǒng)并在其上進(jìn)行處理，或者可在獲取完成之后的任何 時間在系統(tǒng)100進(jìn)行處理。在一些實(shí)施例中，附加信息可用作發(fā)起擬合的輸入，這可因而增加擬合的魯棒性。 雖然在大多數(shù)情況下，探頭108相對調(diào)查對象的取向可通過對齊算法來確定，但是在一些 檢查中，圖像可采用已知探頭取向來獲取。因此，探頭取向的知識可用作到對齊算法的輸 入，以便例如初始化用于對齊圖像的模型。在另一個實(shí)施例中，用作發(fā)起擬合的輸入的附加信息可基于相對調(diào)查對象大致具 有相同探頭取向的先前所獲圖像數(shù)據(jù)。例如，一個圖像的所產(chǎn)生對齊可用于初始化用于對 齊另一圖像的模型。圖像的對齊在例如應(yīng)力回波的研究中較為重要，使得相似切片可被顯 示并且在應(yīng)力圖像與靜息之間進(jìn)行比較。圖像可來自同一研究(例如遵循規(guī)定在靜息且接 著在一個或多個應(yīng)力級的圖像獲取的協(xié)議)，或者來自不同的研究(例如可例如在不同日 期或在不同時間進(jìn)行獲取的兩個不同協(xié)議)。因此，不同圖像數(shù)據(jù)集的擬合大致相同。例如，如果被處理的當(dāng)前研究是應(yīng)力心臟 研究，則與擬合同一患者的靜息心臟研究時所使用的可變形模型相關(guān)的數(shù)據(jù)可用于提高擬 合的魯棒性。例如，使用來自源于靜息的擬合模型的信息來初始化應(yīng)力的模型擬合(或者 反過來)可產(chǎn)生比開始于圖像中心的平均模型更好的初始化。在各個實(shí)施例中，先前獲取 的圖像可以是在前一次檢查時獲取的來自同一患者的圖像、來自同一患者和同一次檢查的 圖像或者甚至來自另一患者的圖像。例如，在應(yīng)力回波中，基線圖像通常以低或靜息心率來獲取。因此，相對于心率的 時間圖像分辨率(resolution)比以受應(yīng)力或較高心率所獲取的圖像更好。例如，與以每分 鐘180次心搏每秒獲取20幀相比，以每分鐘60次心搏每秒獲取20幀可產(chǎn)生更好的時間圖 像分辨率，因?yàn)楹笳咴趲g產(chǎn)生更大的心肌運(yùn)動。因此，在一些實(shí)施例中，可能希望在處 理應(yīng)力圖像時使用與基線圖像關(guān)聯(lián)的數(shù)據(jù)。即使用戶可利用先前的圖像來增加獲取間探頭取向之間的相似性，但也可能存在 一些差異。例如，當(dāng)獲取應(yīng)力圖像時，用戶可能具有較少時間來將探頭108調(diào)整到預(yù)期成像 位置。因此，算法可使用擬合模型來改進(jìn)圖像對齊，使得來自不同研究的圖像顯示或者基于 相同的解剖結(jié)構(gòu)。
與擬合相關(guān)，圖3示出裝入示出多個控制頂點(diǎn)184的線框網(wǎng)格182的Doo-Sabin 細(xì)分模型180。例如，34個控制頂點(diǎn)184可按這種方式來建模網(wǎng)格182可與心內(nèi)膜表面準(zhǔn) 確擬合。跟蹤完全是自動的，并且可通過將具有平均形狀的模型放入圖像扇區(qū)的中心和/ 或通過上文所述輸入來初始化。在各圖像幀中執(zhí)行邊緣檢測測量，以便按照在表面上均勻 分布的搜索法線(normal)檢測心內(nèi)膜壁。將模型形狀的參數(shù)與全局平移(translation)、 旋轉(zhuǎn)和縮放的參數(shù)進(jìn)行組合，以便形成狀態(tài)空間表示。卡爾曼濾波器可用于吸收所有邊緣 檢測測量，并且可根據(jù)邊緣測量和來自運(yùn)動學(xué)模型的預(yù)測來計(jì)算模型的貝葉斯(Bayesian) 最小平方估計(jì)。
回到圖2，在154，處理器110從分段模型識別特征點(diǎn)或界標(biāo)。特征點(diǎn)可以是例如 左心室模型上分別識別頂點(diǎn)和基部或者頂部和底部的預(yù)定義點(diǎn)。例如，頂點(diǎn)可對應(yīng)于在模 型180的頂部186的點(diǎn)，而基部可對應(yīng)于在模型180的底部188的中心或者近似中心。應(yīng) 當(dāng)理解，可使用任何其它預(yù)定點(diǎn)，例如模型質(zhì)心、力矩/中心軸等。另外，預(yù)定點(diǎn)可從其它模 型提取，例如右心室模型中的頂點(diǎn)、基部或者任何其它預(yù)定點(diǎn)、左和/或右心房模型中的預(yù) 定點(diǎn)、左心室流出道模型中的預(yù)定點(diǎn)或者其它感興趣結(jié)構(gòu)的其它模型中的其它點(diǎn)。圖4示出其上具有所識別特征點(diǎn)的在舒張末期(end diastole :ED) 190和收縮末 期(end systole :ES) 192的示范分段相交切片。在ED切片190中已經(jīng)識別頂點(diǎn)194和基 部196，可從ED切片190提取頂點(diǎn)-基部長軸(LA)線202。同樣，在ES切片192中識別頂 點(diǎn)198和基部200，并且可提取頂點(diǎn)-基部LA線204。頂點(diǎn)194和頂點(diǎn)198沒有位于同一位 置，并且基部196和基部200沒有位于同一位置。與頂點(diǎn)-基部LA線202相比，頂點(diǎn)-基 部LA線204反映頂點(diǎn)198與基部200之間的更短距離。這種距離差別表示可在心臟周期 期間在短軸切片經(jīng)歷的平面外運(yùn)動?；氐綀D2，在156，處理器110可自動識別圖像視圖。在一些實(shí)施例中，關(guān)于先前所 獲研究中圖像視圖之間的相似取向的知識可用于識別另一研究中的圖像視圖。例如，由于 平面外運(yùn)動而被校正的LV短軸切片可被識別并且顯示在顯示器112上。下文進(jìn)一步詳細(xì) 論述LV短軸切片以及其它不同類型的示范圖像視圖。在一些實(shí)施例中，例如通過利用彩色 編碼或其它指示，前面所述的例如溫度、位移、速度、應(yīng)變等的附加維度可被包含在圖像視 圖內(nèi)。在158，處理器110確定是否應(yīng)當(dāng)處理任何其它圖像幀。如果不是，則該方法完 成，并且圖像視圖可被顯示在顯示器112上、保存到存儲裝置116等。如果將要處理更多圖 像幀，則在160，處理器110使可變形模型與下一圖像幀中的結(jié)構(gòu)擬合，并且該方法返回到 154，以便根據(jù)當(dāng)前圖像幀識別模型中的特征點(diǎn)。圖5示出根據(jù)特征點(diǎn)來識別短軸切片的一個示例。示出擬合模型210，并且頂點(diǎn) 212和基部214已經(jīng)被處理器110識別。在模型210上相對特征點(diǎn)、頂點(diǎn)212和基部214識 別多個短軸切片216。在一個實(shí)施例中，短軸切片216可在頂點(diǎn)212與基部214之間彼此均 勻間隔。圖5示出數(shù)據(jù)的單個圖像幀。在N個圖像幀的每個上，多個短軸切片216根據(jù)在 特定圖像幀內(nèi)識別的頂點(diǎn)和基部來定義。因此，短軸切片216跟蹤心臟的組織和/或解剖 結(jié)構(gòu)，因而解剖體是逐幀一致的。圖6示出基于短軸切片的一系列中間壁圖像視圖。圖像視圖230和240表示與在 ED的第一圖像幀對應(yīng)的圖像切片內(nèi)的圖像數(shù)據(jù)。圖像視圖232和242表示第四圖像幀內(nèi)
8的圖像數(shù)據(jù)，圖像視圖234和244表示第七圖像幀內(nèi)的圖像數(shù)據(jù)，而圖像視圖236和246表 示與ES對應(yīng)的第十圖像幀內(nèi)的圖像數(shù)據(jù)。圖像視圖230、232、234和236未經(jīng)校正，也就是 說，圖像視圖230-236基于通過選擇一個圖像幀內(nèi)例如頂點(diǎn)和基部的特征點(diǎn)并且將相同特 征點(diǎn)應(yīng)用到其它N個圖像幀進(jìn)行處理的圖像數(shù)據(jù)。圖像視圖240、242、244和246由于左心 室的縱向縮短所引起的平面外運(yùn)動而被校正，也就是說，處理器110已經(jīng)在圖像幀中的每 個內(nèi)識別了特征點(diǎn)，并且在生成圖像視圖240-246之前自動調(diào)整了短軸切片的位置。經(jīng)校 正的中間壁圖像視圖240-246表明，乳頭肌250的同一部分被跟蹤，而在未經(jīng)校正的中間壁 圖像視圖230-236中，乳頭肌250移入和移出圖像視圖230-236。圖7示出基于短軸切片的一系列基部圖像視圖。與圖6相似，圖像視圖260和270 表示與ED對應(yīng)的第一圖像幀內(nèi)的圖像數(shù)據(jù)。圖像視圖262和272表示第四圖像幀內(nèi)的圖 像數(shù)據(jù)，圖像視圖264和274表示第七圖像幀內(nèi)的圖像數(shù)據(jù)，而圖像視圖266和276表示與 ES對應(yīng)的第十圖像幀內(nèi)的圖像數(shù)據(jù)?；谠贜個圖像幀中僅一個圖像幀內(nèi)已被識別的特 征點(diǎn)，圖像視圖260,262,264和266再次未被校正。圖像視圖270、272、274和276由于平 面外運(yùn)動而被校正，其中在N個圖像幀的每個上已經(jīng)識別特征點(diǎn)，并且短軸切片基于對應(yīng) 的特征點(diǎn)。經(jīng)校正的基部圖像視圖270-276表明，在整個圖像視圖270-276中跟隨二尖瓣 280，而未經(jīng)校正的基部圖像視圖260-266顯示收縮期間的心房。在一些實(shí)施例中，一些標(biāo)準(zhǔn)視圖的自動對齊可通過使若干耦合的可變形模型與心 臟結(jié)構(gòu)擬合來實(shí)現(xiàn)。如前面所述，可使用同樣有計(jì)算效率的跟蹤框架。跟蹤框架可使用擴(kuò) 展卡爾曼濾波器來執(zhí)行時間預(yù)測，并且可吸收來自各模型的邊緣檢測測量，以便以非迭代 方式計(jì)算模型的貝葉斯最小平方擬合。然后，可從擬合模型提取特征點(diǎn)，并且將其用作提取 對齊的標(biāo)準(zhǔn)視圖的基礎(chǔ)。為了使用自動對齊來生成某些標(biāo)準(zhǔn)視圖，可能需要與心室長軸和心臟的圓周取向 有關(guān)的信息。在一些情況下，僅從LV模型提取的圓周信息可能不充分，因?yàn)樵搱A周信息只 基于形狀的不對稱屬性，其可在受檢者之間變化并且取決于病理學(xué)。因此，兩個或更多可變 形模型的耦合可用于同時跟蹤若干心臟結(jié)構(gòu)。通過計(jì)算不同結(jié)構(gòu)的模型之間的角度，可實(shí) 現(xiàn)取向的更可靠評估。在一個實(shí)施例中，為了實(shí)現(xiàn)長軸和圓周取向二者的檢測，可將LV模型與右心室 (RV)下壁的帆狀(sail-like)結(jié)構(gòu)耦合。在另一實(shí)施例中，左心室流出道(ourflow tract 0T)的管線結(jié)構(gòu)可與LV模型和帆狀結(jié)構(gòu)耦合在一起?？勺冃蜠oo-Sabin細(xì)分表面可用作 LV模型，如前面所述。對于RV，可選擇RV下壁，因?yàn)榕c可能遭受漏失(drop-out)的前壁相 比，這是RV中通常最可見的部分。所有模型可共享平移、旋轉(zhuǎn)和縮放的全局變換。流出道 模型另外還可連接到鉸接(hinge)變換(H)，它允許模型旋轉(zhuǎn)以便適合流出道的解剖體中 的受檢者間(inter-subject)差異。圖8示出模型可如何按照跟蹤分級結(jié)構(gòu)中的相互關(guān)系來排列。示出全局變換Tg 300、RV帆Mrv 302、LV模型Mlv 304、LV流出道Mot306和鉸接變換Th 308。跟蹤分級結(jié)構(gòu)的 狀態(tài)空間表示可通過把來自所有變換和模型的參數(shù)級聯(lián)到狀態(tài)向量來構(gòu)成。RV帆和流出 道柱面(cylinder)沒有任何形狀參數(shù)，并且僅受其關(guān)聯(lián)變換影響，因此級聯(lián)的狀態(tài)向量變 成
雖然圖8中未示出，但是例如基于先前獲取的一系列圖像的知識或者前面所述的 與探頭108的取向相關(guān)的知識的知識可被輸入到全局變換300。在一個實(shí)施例中，用戶可 用用戶接口 118來輸入?yún)?shù)，例如可由對齊算法用于最好地對齊模型的探頭108的當(dāng)前取 向。在另一實(shí)施例中，可使用來自先前獲取的一系列圖像、如靜息圖像的知識來提供用于處 理應(yīng)力圖像的輸入，并且還可將其用于更新例如旋轉(zhuǎn)的全局參數(shù)。圖9示出包括跟蹤分級結(jié)構(gòu)的示范卡爾曼跟蹤框架。如圖9所示，在預(yù)測步驟324 中使用先前圖像幀的狀態(tài)向量320和協(xié)方差矩陣322來創(chuàng)建預(yù)測狀態(tài)向量326和預(yù)測協(xié)方 差矩陣328。如下文所述，在測量步驟330使用預(yù)測狀態(tài)向量326和預(yù)測協(xié)方差矩陣328生 成信息向量332和信息矩陣334。信息向量332和信息矩陣334在更新步驟336中使用。使用運(yùn)動學(xué)模型來預(yù)測連續(xù)圖像幀之間的輪廓(contour)狀態(tài)。這類模型通過利 用先驗(yàn)知識、產(chǎn)生狀態(tài)向量和協(xié)方差矩陣的預(yù)測、指定預(yù)測不確定性來起作用。然后，預(yù)測 可用作被稱作更新的更準(zhǔn)確細(xì)化的起始點(diǎn)，其中預(yù)測與來自當(dāng)前幀的測量組合，以便形成 更準(zhǔn)確的估計(jì)。因此，在預(yù)測步驟324，合成狀態(tài)向量的時間預(yù)測 可基于來自前一幀的更新狀態(tài)和預(yù)測函數(shù)f，協(xié)方差矩陣322中有關(guān)聯(lián)增加，以便 生成預(yù)測狀態(tài)向量326和協(xié)方差矩陣328。在一個實(shí)施例中，時間函數(shù)可以是線性自回歸 (auto-regressive)模型。如圖9所示，對于模型步驟338、測量步驟330和吸收步驟340，存在相互之間堆疊 的三個框。這些框中的每個表示不同的可變形模型，因此，在一個實(shí)施例中可存在兩個模 型，而在另一實(shí)施例中可存在超過三個模型。在本例中使用的三個模型如圖8所示，即RV 帆302、LV模型304以及LV流出道306和鉸接變換308的組合。因此，對于各模型，單獨(dú)執(zhí) 行跟蹤分級結(jié)構(gòu)中的模型步驟338、測量步驟330和吸收步驟340。在模型步驟，處理器110可根據(jù)預(yù)測狀態(tài)向量326來對跟蹤分級結(jié)構(gòu)中的所有 模型評估表面點(diǎn)P 350、法向量η 342和雅可比(Jacobian)矩陣J。在測量步驟330，處 理器110可根據(jù)圖像體中的邊緣檢測相對于來自預(yù)測模型中每個的表面點(diǎn)來檢測法線 (normal)位移測量v344、測量噪聲r 346和測量向量h 348，其中h = nTJ。在吸收步驟340， 處理器110通過在信息空間中合計(jì)來自各模型的測量結(jié)果、例如下式來吸收這些結(jié)果 在更新步驟336，處理器110根據(jù)預(yù)測和測量信息、例如下式來計(jì)算更新狀態(tài)估 計(jì) 跟蹤可被完全自動地執(zhí)行，以及在一個實(shí)施例中，可通過將具有平均形狀的模型 定位在圖像扇區(qū)的中心來初始化。在其它實(shí)施例中，可根據(jù)用戶輸入、其它圖像、來自協(xié)議 的輸入等使用其它初始化數(shù)據(jù)。在各幀中執(zhí)行邊緣檢測測量，以便按照在表面上均勻分布 的搜索法線檢測心內(nèi)膜壁。將模型形狀的參數(shù)與全局平移、旋轉(zhuǎn)和縮放的參數(shù)進(jìn)行組合，以便形成分段問題的狀態(tài)空間表示。然后，處理器110可從可用于生成標(biāo)準(zhǔn)頂端和短軸切片的所耦合擬合模型來識別 特征點(diǎn)。如前面隨單模式所述，在各幀中進(jìn)行跟蹤之后自動更新短軸切片，以便對LV的縱 向縮短所引起的平面外運(yùn)動進(jìn)行校正。在跟蹤期間，在各幀中進(jìn)行擬合之后，從分段模型提取來自LV模型的頂點(diǎn)和基部 的特征點(diǎn)。這與如圖2的154所述的特征點(diǎn)的識別相似。因此，可生成與頂點(diǎn)-基部長軸 垂直的均勻分布的短軸切片，如前面所述以及如圖5所示。另外，LV模型、RV帆和流出道柱面上特征點(diǎn)之間的角度和/或取向也根據(jù)N個圖 像幀中的每個來計(jì)算，以便推斷心臟的圓周取向。僅作為示例，可創(chuàng)建從LA線202(如圖4 所示)到其它結(jié)構(gòu)中的每個(例如RV帆和流出道柱面)的向量。向量是取向相關(guān)的。然 后，圓周取向可用于自動生成通過頂點(diǎn)_基部長軸向量居中的標(biāo)準(zhǔn)頂端4室、2室和長軸視 圖。圖10示出根據(jù)來自耦合模型的特征點(diǎn)提取標(biāo)準(zhǔn)頂端視圖的一個示例。在這個示 例中，LV模型370、RV帆模型372和LV流出道模型374耦合在一起。如圖10所示，與預(yù)期標(biāo)準(zhǔn)視圖對應(yīng)的三個切片376、378和380可根據(jù)模型之間的 角度和/或距離來定位。不存在切片376、378和380之間的固定角度的假設(shè)，以及在一些 實(shí)施例中角度382、384和386可相互不同?；谀Ｐ椭g的相對距離或角度、例如RV帆與 LV流出道模型372、374之間的距離，角度382、384和386也可以是自適應(yīng)的。因此，切片 376,378,380之間的角度382、384、386至少部分與模型370、372、374之間的角度相關(guān)。另 外，其它結(jié)構(gòu)可用于定位和調(diào)整切片376、378、380，例如乳頭肌、左和/或右心房、右心室和 其它結(jié)構(gòu)、特征點(diǎn)和/或界標(biāo)。圖11示出三個標(biāo)準(zhǔn)頂端視圖，與三個切片376、378、380對應(yīng)的頂端4室視圖282、 頂端2室視圖284和頂端長軸視圖286。例如，N個圖像視圖的自動對齊可確保二尖瓣288 和三尖瓣290均在對應(yīng)于4室視圖282的每個圖像中示出。N個圖像視圖的自動對齊還可 確保二尖瓣288和流出道292均在對應(yīng)于長軸視圖286的每個圖像中示出。在一些實(shí)施例中，用戶可能想要手動調(diào)整對齊。例如，自動對齊可能不正確地對齊 模型，因而所得圖像可能沒有包含預(yù)期圖像數(shù)據(jù)。例如，用戶可審視4室視圖，并且尋找左、 右心室和左、右心房以及二尖瓣和三尖瓣的存在。如果預(yù)期解剖體沒有包含在視圖中，則用 戶可手動調(diào)整對齊。在一個實(shí)施例中，處理器110可在顯示器112上顯示兩個或三個長軸切片。例如， 與切片376、378和380對應(yīng)的三個長軸切片可被顯示在顯示器112上。也可顯示一個或多 個短軸切片、例如與圖5的短軸切片216對應(yīng)的圖像。用戶則可使用用戶接口 118來旋轉(zhuǎn)、 拖曳(drag)、平移和/或以其它方式調(diào)整視圖之間的圖像，以便校正對齊。換言之，用戶可 通過相對于感興趣對象旋轉(zhuǎn)和平移模型來調(diào)整或校正對齊。在另一實(shí)施例中，手動校正可 包括相對于感興趣對象旋轉(zhuǎn)、平移和/或縮放模型。在又一實(shí)施例中，手動校正可包括相對 于感興趣對象調(diào)整各個控制頂點(diǎn)184(如圖3所示)的位置。在又一實(shí)施例中，圖像、如應(yīng)力圖像可根據(jù)來自生成靜息圖像所用的模型的對齊 信息來生成。因此，可不用對齊算法來使模型與應(yīng)力數(shù)據(jù)擬合。例如，對于瓣和其它解剖體， 例如心臟的大小或長度的參數(shù)以及坐標(biāo)或其它位置信息可能是已知的。因此，可假定幾何形狀、大小、位置和取向?qū)τ陟o息和應(yīng)力情況是相同的，即使后一種情況中心臟跳動更快。 相應(yīng)地，可用已知對齊位置生成例如長軸、4室和2室的視圖。因此，可僅對一個記錄或者一 組圖像幀進(jìn)行模型擬合，然后將參數(shù)應(yīng)用于其它組的圖像幀。在一些情況下，可能希望探頭 取向?qū)D像幀中的每個相同或者近似相同。經(jīng)對齊的切片可在后處理期間示出，以便比較來自不同研究、序列或視頻剪輯的 圖像。例如，如果探頭取向相對左心室縱軸不正確(即探頭主軸沒有沿著LV主縱軸)，或者 如果探頭取向在不同應(yīng)力級所獲取的研究之間不相等，則可能需要對齊。應(yīng)當(dāng)理解，許多不 同類型的圖像可被生成、顯示和進(jìn)行比較，因而并不局限于本文所述的那些特定示例。圖13示出來自應(yīng)力回波檢查的頂端長軸圖像的后處理。在這個示例中，應(yīng)力回波 檢查包括在不同應(yīng)力級獲取多組圖像幀?；€圖像420、低劑量(low dose)圖像422、峰值 劑量圖像424和恢復(fù)圖像426在顯示器上一起示出。從圖像幀的4個不同序列自動提取了 圖像420-426。還示出壁運(yùn)動記分圖428，其中用戶可輸入分段壁運(yùn)動分析的結(jié)果。因此， 用戶能夠比較包括相同解剖數(shù)據(jù)但在不同應(yīng)力級和/或時間獲取的圖像。還可顯示ECG軌跡430、432、434和436。例如，當(dāng)調(diào)查對象(例如心臟)具有循環(huán) 運(yùn)動模式時，則圖像電影環(huán)或電影可隨時間被同步。當(dāng)根據(jù)心回波描記術(shù)來查看圖像時，例 如在獲取期間以及在處理期間，通過使用ECG信號或其它檢測方法使圖像同步。因此，所有 圖像電影環(huán)的收縮部分被同時顯示在顯示器上，并且舒張部分被同時顯示。在另一實(shí)施例中，例如，圖像420-426中的一個或多個可與來自同一患者、在例如 相隔數(shù)月的不同時間拍攝的相似圖像一起顯示，因而與所述相似圖像、與另一患者或者與 示例正常圖像進(jìn)行比較。圖14示出來自應(yīng)力回波檢查的短軸圖像的后處理。在這個示例中，短軸圖像來自 LV的中間級，但是可類似地顯示其它位置?；€圖像440、低劑量圖像442、峰值劑量圖像 444和恢復(fù)圖像446在顯示器112上一起示出。從圖像幀的4個不同序列自動提取了圖像 440-444。還可顯示壁運(yùn)動記分圖448 (即例如牛眼(Bulls-Eys)圖，但可使用其它圖)，從 而允許用戶通過用戶接口 118輸入分段壁運(yùn)動分析的結(jié)果。至少一個實(shí)施例的技術(shù)效果是使用基于可變形模型的對齊來自動創(chuàng)建預(yù)期圖像 視圖。在一些實(shí)施例中，基于可變形模型的算法可以具有計(jì)算效率?？捎靡粋€模型來創(chuàng)建 圖像視圖，或者可將一個以上模型耦合在一起。在一些實(shí)施例中，因而可生成隨時間、例如 隨心跳周期來顯示相似解剖體的圖像視圖。在另一實(shí)施例中，可生成并相互比較來自不同 組或序列的圖像幀的相似解剖體的圖像視圖。大家要理解，以上描述只是說明性的而不是限制性的。例如，上述實(shí)施例(和/或 其方面)可相互結(jié)合使用。另外，在沒有背離其范圍的情況下，可對本發(fā)明的理論進(jìn)行多種 修改以適合具體情況或材料。雖然本文所述的材料的尺寸和類型意在定義本發(fā)明的參數(shù)， 但是它們決不是限制性的，而只是示范實(shí)施例。通過審視以上描述，其它許多實(shí)施例對本領(lǐng) 域技術(shù)人員將是顯而易見的。因此，本發(fā)明的范圍應(yīng)當(dāng)參照隨附權(quán)利要求書以及授予給該 權(quán)利要求書的全部等效的范圍來確定。在隨附權(quán)利要求書中，術(shù)語“包括”和“在其中”用 作相應(yīng)術(shù)語“包含”和“其中”的普通英語等效形式。此外，在隨附權(quán)利要求書中，術(shù)語“第 一”、“第二”和“第三”等只用作標(biāo)記，而不是意在對其對象施加數(shù)字要求。此外，隨附權(quán)利 要求書的限制并不是按照部件加功能格式撰寫的，并且不是意在根據(jù)35U. S. C. § 112第六節(jié)來解釋，除非這類權(quán)利要求的限制明確使用在沒有其它結(jié)構(gòu)的功能描述之前的詞語“用 于...的部件”。本書面描述使用包括最佳模式的示例來公開本發(fā)明，并且還使本領(lǐng)域技術(shù)人員能 夠?qū)嵤┍景l(fā)明，包括制作和使用任何裝置或系統(tǒng)，以及執(zhí)行任何結(jié)合方法。本發(fā)明的專利范 圍由權(quán)利要求書定義，并且可包括本領(lǐng)域技術(shù)人員想到的其它示例。如果這類其它示例具 有與權(quán)利要求書的文字語言完全相同的結(jié)構(gòu)單元，或者如果它們包括具有與權(quán)利要求書的 文字語言的非實(shí)質(zhì)差異的等效結(jié)構(gòu)單元，則它們意在處于權(quán)利要求書的范圍之內(nèi)。零件表
權(quán)利要求
一種用于自動識別三維數(shù)據(jù)集中的圖像視圖的方法，包括用處理器(110)訪問包含多個圖像幀的三維(3D)數(shù)據(jù)集；用所述處理器(110)使至少一個可變形模型(370，372，374)與所述圖像幀中每個圖像幀內(nèi)的至少一個結(jié)構(gòu)擬合(152)；用所述處理器(110)根據(jù)所述至少一個可變形模型(370，372，374)在所述圖像幀中每個圖像幀內(nèi)識別(154)至少一個特征點(diǎn)；以及根據(jù)所述至少一個特征點(diǎn)在顯示器(112)上顯示至少一個圖像視圖(230 246)。
2.如權(quán)利要求1所述的方法，其中，所述擬合(152)包括根據(jù)卡爾曼濾波器擬合所述至 少一個可變形模型。
3.如權(quán)利要求1所述的方法，其中，所述至少一個可變形模型(320，372，374)包括帆 (302)、柱面、左心室模型(304)和右心室模型中至少之一。
4.如權(quán)利要求1所述的方法，其中，所述擬合(152)使用最小平方方法以一次迭代來實(shí)現(xiàn)。
5.如權(quán)利要求1所述的方法，其中，在圖像幀的獲取期間實(shí)時執(zhí)行所述方法。
6.如權(quán)利要求1所述的方法，其中，根據(jù)來自第二多個圖像幀的擬合模型初始化所述 擬合(152)，并且其中以相似取向獲取所述多個圖像幀和所述第二多個圖像幀。
7.如權(quán)利要求1所述的方法，還包括與所述至少一個圖像視圖(230-246)同時地顯 示至少一個對應(yīng)圖像視圖，所述至少一個對應(yīng)圖像視圖基于第二多個圖像幀。
8.一種用于自動識別三維數(shù)據(jù)集中的圖像視圖的系統(tǒng)(100)，包括處理器(110)，配置成訪問包含多個圖像幀的三維數(shù)據(jù)集；使至少兩個耦合的可變形模型(370，372，374)與所述圖像幀中每個圖像幀內(nèi)的結(jié)構(gòu) 擬合(152)；根據(jù)所述可變形模型(370，372，374)中至少之一在所述圖像幀中每個圖像幀內(nèi)識別 (154)至少一個特征點(diǎn)；以及顯示器(112)，配置成根據(jù)所述至少一個特征點(diǎn)顯示至少一個圖像視圖(230-246)。
9.如權(quán)利要求8所述的系統(tǒng)(100)，還包括配置成獲取所述多個圖像幀的超聲波探頭 (108)，所述探頭(108)包括相對于所述結(jié)構(gòu)中至少之一的探頭取向，所述處理器還配置成 根據(jù)所述探頭取向初始化所述模型(370，372，374)中至少之一的所述擬合(152)。
10.如權(quán)利要求8所述的系統(tǒng)(100)，還包括配置成接受輸入的用戶接口(118)，所述處 理器(Iio)還配置成根據(jù)所述輸入調(diào)整所述可變形模型(370，372，374)中至少之一的所述 擬合(152)。
全文摘要
提供一種用于自動識別三維數(shù)據(jù)集中的圖像視圖的方法，包括用處理器(110)訪問包含多個圖像幀的三維數(shù)據(jù)集，并且用處理器(110)使至少一個可變形模型(370，372，374)與每個圖像幀內(nèi)的至少一個結(jié)構(gòu)擬合(152)。該方法還包括用處理器(110)根據(jù)至少一個可變形模型(370，372，374)在每個圖像幀內(nèi)識別(154)至少一個特征點(diǎn)，并且根據(jù)所述至少一個特征點(diǎn)在顯示器(112)上顯示至少一個圖像視圖(230-246)。
文檔編號G06K9/00GK101901335SQ20101011874
公開日2010年12月1日 申請日期2010年2月4日 優(yōu)先權(quán)日2009年2月4日
發(fā)明者F·奧爾德魯?shù)? H·托爾普, S·拉本, V·隆伯格 申請人:通用電氣公司