專利名稱：：從三維超聲心動圖數(shù)據(jù)對平面的自動探測的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明的實施例涉及醫(yī)學(xué)診斷超聲波成像.尤其是從代表容積的超聲心動圖數(shù)據(jù)(echocardiographicdata)中提取期望平面的視圖.
背景技術(shù)：
三維(3D)超聲波成像系統(tǒng)被用于3D超聲心動圖顯像.3D超聲心動圖顯像允許估計形態(tài)學(xué)和病理學(xué).研究已表明，關(guān)于心臟的病理生理學(xué)，3D分析比常規(guī)的二維(2D)視圖分析提供更精確的信息，并尤其有利于容積和射血分數(shù)(EF(ejectionfraction))計算，但是，3D容積數(shù)據(jù)的解釋和定量分析比常規(guī)的二維(2D)超聲心動圖顯像更復(fù)雜并且更耗時.在3D容積數(shù)據(jù)中解剖學(xué)結(jié)構(gòu)的探測可以實現(xiàn)更好的分析，但可能由于復(fù)雜性而較少用于診斷.標準視圖被用于可視化心臟結(jié)構(gòu)，并且是許多超聲心動困檢查的起點.比如,在心尖四腔(A4C)觀(apicalfourchamberview)中有總共四個腔，也即左和右心室以及左和右心房.在心尖四腔(A3C)觀中有左心室、左心房和主動脈.在3D容積中，這些視困可以作為多平面重格式化/重建(MPR)平面來進行重建.在3D容積中找到標準2D平面可以增強用戶間的一致性，并且可以用于調(diào)節(jié)用于更好圖像質(zhì)量的獲取參數(shù).盡管3D超聲波心動圖容積比2D超聲心動像提供了更豐富的關(guān)于心臟的信息，但是心、臟在每個容積內(nèi)可能以不同的定向位于不同的位置。對于用戶來說通過3D容積來搜索目標結(jié)構(gòu)是耗時的.在常規(guī)臨床實踐中使用3D超聲心動困顯像來定量分析心臟功能的主要障礙是缺少使分析自動化所需的精確而穩(wěn)健的探測方法.除了超聲波搮作員的能力之外，其他因素，包括換能器選擇、儀器設(shè)置、患者舒適性和定位、掃描的配置、以及患者的呼吸方式可能影響用于分析的超聲波圖像或數(shù)據(jù)的質(zhì)量.這導(dǎo)致大的外觀變化和不一致的圖像質(zhì)量，這使自動探測任務(wù)更加困難.
發(fā)明內(nèi)容通過介紹，在下文所述的優(yōu)選實施例包括用于從三維超聲心動固數(shù)據(jù)中探測平面的方法、計算機可讀介質(zhì)和系統(tǒng).平面在容積中的位置通過平移、定向(旋轉(zhuǎn))、和/或定標(scale)來確定。期望視圖的可能位置被探測，并且其他的可能位置被排除.順序地通過平移、然后旋轉(zhuǎn)、以及然后定標來對可能位置進行分類.順序的過程可以把所需的計算限制為對期望視困的平面位置進行識別.為了進行分類，由代表容積中的平面的數(shù)據(jù)來計算特征.這些平面的或其他的特征由機器學(xué)習(xí)的分類器使用來探測一個或多個期望視圖的位置.在第一方面中，提供了用于從三維超聲心動圖數(shù)據(jù)中探測平面的方法.一系列機器訓(xùn)練的分類器被應(yīng)用于三維超聲心動圖數(shù)據(jù).分類器中的第一個用于在由三維超聲心動困數(shù)據(jù)所代表的容積中來平移所述平面.分類器中的笫二個用于在所述容積中旋轉(zhuǎn)所述平面.分類器中的第三個用于在所述容積中來定標所述平面.根據(jù)所述第一、笫二和笫三分類器的輸出來探測所述平面的位置.根據(jù)所述平面的位置來生成圖像.在第二方面中，計算機可讀存儲介質(zhì)在其中已經(jīng)存儲了數(shù)振，所述數(shù)據(jù)代表可由所編程的處理器執(zhí)行的指令，用于在由三維超聲心動圖數(shù)據(jù)所代表的容積中探測標準視圖平面。所述存儲介質(zhì)包含用于為所述容積中多個可能平面位置的每一個來計算特征的指令，其中所述特征中的至少一個僅僅從代表所述容積中可能平面位置的數(shù)據(jù)中來計算，利用相應(yīng)的分類器根據(jù)所述特征來探測標準視圖平面，并從標準視圖平面的數(shù)據(jù)來生成圖像.在笫三方面中，提供了用于探測心臟容積的多平面重建的標準平面的平面位置的系統(tǒng)。存儲器可搮作用以存儲代表心臟容積的超聲波數(shù)據(jù)，處理器可採作用以為多個平移的平面位置中的每一個來計算第一平面特征，利用平移分類器并根據(jù)第一平面特征來排除對應(yīng)于平移的平面位置的假定，剩下第一剩余假定，為與第一剩余假定有關(guān)的多個旋轉(zhuǎn)的平面位置中的每一個來計算第二平面特征，利用定位分類器并根據(jù)所述第二平面特征來排除對應(yīng)于旋轉(zhuǎn)的平面位置的假定，剩下第二剩余假定，為與第二剩余假定有關(guān)的多個定標的平面中的每一個來計算第三平面特征，利用定標分類器并根據(jù)所述第三平面特征來排除對應(yīng)于定標的平面的假定，剩下至少一個笫三剩余假定，并根據(jù)所述至少一個笫三剩余假定來確定標準平面之一的平面位置.顯示器可搮作用于根據(jù)平面位置來顯示標準平面之一的困像.本發(fā)明通過后面的權(quán)利要求來限定，并且在本部分中沒有什么應(yīng)被看作是對權(quán)利要求的限制.本發(fā)明的其他方面和優(yōu)點在下文中結(jié)合優(yōu)選實施例來進行討論，并且在后面可以單獨地或組合地來要求.部件和圖形不必是按比例的，而重點是示出本發(fā)明的原理，而且在附圖中，相同的參照數(shù)字在不同的視圖中表示相應(yīng)的部分.困1示出了醫(yī)學(xué)超聲波成像系統(tǒng)的一個實施例的框困；圖2示出了用于從三維超聲心動困數(shù)據(jù)中探測平面的方法的實施例的流程圖；圖3示出了在一個實施例中容積區(qū)域、目標、以及多平面重建的相關(guān)平面的圖形表示；困4示出了標準超聲心動圖視圖的示例醫(yī)學(xué)圖像，并示出了視圖的相對平面位置。具體實施方式自動監(jiān)督學(xué)習(xí)方法從3D超聲心動困容積中探測標準的或其他的多平面重格式化平面(MPR(multiplanarreformattedplane)),以便實現(xiàn)快速、精確、和一致的MPR探測.比如，計算機探測六個主要的或標準的MPR平面A4C-心尖四腔平面；A2C-心尖兩腔平面；A3C-心尖三腔平面；SAXB-短軸基底平面；SAXM-短軸中間平面；以及SAXA-短軸頂點平面.自動探測可以允許自動化臨床工作流，并便于后續(xù)處理任務(wù)，比如心內(nèi)膜壁運動分析.圖1示出了用于探測期望視圖的平面位置的醫(yī)學(xué)診斷成像系統(tǒng)10。平面探測可以從超聲波容積數(shù)據(jù)中提供多平面重建.所述系統(tǒng)10是醫(yī)器、或其他系統(tǒng).所述系統(tǒng)10包括處理器12、存儲器14、顯示器16、以及換能器(transducer)18.可以提供附加的、不同的、或較少的部件.比如，附困說明，但也可以是計算機、工作站、數(shù)據(jù)庫、服務(wù)所述系統(tǒng)10包括發(fā)射波束成形器、接收波束成形器、B模式探測器、多普勒探測器、諧波響應(yīng)探測器、造影劑探測器、掃描轉(zhuǎn)換器、過濾器、其組合、或其他現(xiàn)在已知的或今后開發(fā)的醫(yī)學(xué)診斷超聲波系統(tǒng)部件.作為另一例子，比如在所述系統(tǒng)10是用于在容積中離線地或亊后探測一個或多個期望2D視困的工作站的情況下，不提供轉(zhuǎn)換器18.換能器18是壓電或電容裝置，其可搮作用以在聲能和電能之間進行轉(zhuǎn)換.換能器18是元件陣列，比如多維或二維陣列.可替代地，換能器18是用于在一維中機械掃描并在另一維中電氣掃描的搖擺器.系統(tǒng)IO使用換能器18來掃描容積，電氣的和/或機械的搮縱裝置允許沿著容積中不同的掃描線來發(fā)射和接收.可以使用任何的掃描圖樣。在一個實施例中，發(fā)射波束寬得足以沿多個掃描線來接收.在另一實施例中，提供了平面的、準直的或發(fā)散的發(fā)射波形，用以沿多個、大量、或所有掃描線來接收.響應(yīng)于掃描而提供代表容積的超聲波數(shù)據(jù)，超聲波數(shù)據(jù)被波束成形、探測、和/或掃描轉(zhuǎn)換.超聲波數(shù)據(jù)可以以任何格式，比如極坐標、笛卡爾坐標、三維網(wǎng)格、利用極坐標在平面之間隔開的卡迪爾坐標中的二維平面、或其他格式.存儲器14是緩沖器、高速緩沖存儲器、RAM、可移動介質(zhì)、硬盤驅(qū)動、磁的、光學(xué)的、數(shù)據(jù)庫、或其他現(xiàn)在已知的或今后開發(fā)的存儲器.存儲器14是單獨的裝置或兩個或更多裝置的組，存儲器14示出在系統(tǒng)10內(nèi)，但也可以在外部或者遠離系統(tǒng)IO的其他部件.存儲器14存儲超聲波數(shù)據(jù)，比如代表心臟容積的超聲波數(shù)據(jù).心臟容積是包括心臟的至少一部分的容積.存儲器14存儲流(比如速度、能量或二者)和/或B模式超聲波數(shù)據(jù).可替代地，醫(yī)學(xué)圖像數(shù)據(jù)從另一裝置被傳遞到處理器12.醫(yī)學(xué)圖像數(shù)據(jù)是三維數(shù)據(jù)集、或一系列這種集.數(shù)據(jù)代表三維區(qū)域.可以使用任何格式，比如內(nèi)插到三維網(wǎng)格中的體素、或者代表平行或非平行平面的數(shù)據(jù).對于實時成像，超聲波數(shù)據(jù)繞過存儲器14，臨時被存儲在存儲器14中、或者從存儲器14被加栽，實時成像可以允許在獲得數(shù)據(jù)與成像之間延遲幾分之一秒、或甚至幾秒.比如，通過基本與通過掃描獲得數(shù)據(jù)同時地生成圖像來提供實時的成像.當進行掃描用以獲得下一或隨后的數(shù)據(jù)集時，為前一數(shù)據(jù)集生成困像.在用于獲得數(shù)據(jù)的同一成像會話期間進行成像.在用于實時運行的獲取與成像之間的延遲量可以變化，比如對于多平面重建的最初平面定位而言有較大的延遲，對于隨后成像而言有較小的延遲.在可替代實施例中，超聲波數(shù)據(jù)從前一成像會話被存儲在存儲器14中，并被用于生成多平面重建而無需同時地進行獲取.附加地或可替代地，存儲器14是具有處理指令的計算機可讀存儲介質(zhì).存儲器14存儲數(shù)據(jù)，所述數(shù)據(jù)代表可由經(jīng)編程的處理器12執(zhí)行的指令，以用于在由三維超聲心動圖數(shù)據(jù)所代表的容積中和/或超聲波容積數(shù)據(jù)的多平面重建中探測標準視圖平面.用于實施在此所討論的過程、方法和/或技術(shù)的指令被提供于計算機可讀存儲介質(zhì)或存儲器上，比如高速緩沖存儲器、緩沖器、RAM、可移動介質(zhì)、硬盤驅(qū)動或其他計算機可讀存儲介質(zhì).計算機可讀存儲介質(zhì)包括不同類型的易失性和非易失性存儲介質(zhì).在圖中所示的或在此所述的功能、動作或任務(wù)響應(yīng)于存儲在計算機可讀存儲介質(zhì)之中或之上的一個或多個指令集而被執(zhí)行.所述功能、動作和任務(wù)獨立于特定類型的指令集、存儲介質(zhì)、處理器或處理策略，并且可以通過軟件、硬件、集成電路、固件、微代碼以及諸如此類以單獨或組合運行的方式被執(zhí)行.同樣，處理策略可以包括多處理、多任務(wù)、并行處理以及諸如此類.在一個實施例中，指令被存儲在可移動介質(zhì)裝置上，用以由本地或遠程系統(tǒng)讀取.在其他實施例中，指令被存儲在遠程位置，用以通過計算機網(wǎng)絡(luò)或通過電話線來傳輸.在另外其他實施例中，指令被存儲在給定的計算機、CPU、GPU、或系統(tǒng)中.處理器12是通用處理器、數(shù)字信號處理器、'三維數(shù)據(jù)處理器、圖形處理單元、專用集成電路、現(xiàn)場可編程門陣列、數(shù)字電路、模擬電路、其組合、或其他現(xiàn)在已知的或今后開發(fā)的用于處理醫(yī)學(xué)圖像數(shù)據(jù)的裝置.處理器12是單個裝置、多個裝置、或網(wǎng)絡(luò).對于多于一個的裝置，可使用并行的或順序的處理劃分.構(gòu)成處理器12的不同裝置可以實施不同的功能，比如掃描控制器以及圖像生成器單獨運行.在一個實施例中，處理器12是醫(yī)學(xué)診斷成像系統(tǒng)的控制處理器或其他處理器，比如醫(yī)學(xué)診斷超聲波成像系統(tǒng)處理器.處理器12按照所存儲的指令來運行，用以執(zhí)行這里所述的不同動作，比如獲得數(shù)據(jù)、探測標準視圖、和/或控制成像.在一個實施例中，處理器12在掃描期間或之后接收所獲得的超聲波數(shù)據(jù)，并相對于由數(shù)據(jù)所代表的容積來確定一個或多個平面的位置.處理器12執(zhí)行或控制其他部件用以實施這里所述的方法.處理器12實施機器學(xué)習(xí)和/或采用機器學(xué)習(xí)算法.對于應(yīng)用，處理器12對特征進行計算以進行順序分類.由處理器12所實施的探測算法搜索多個假定用以識別具有高概率的一個.在算法階段之間保留有多個假定.每個階段，比如平移階段、定向階段、以及定標階段，快速地清除由任何之前的階段所剩余的錯誤假定.正確的或剩余的假定傳播到最后階段.只有一個假定被選擇為最終的探測結(jié)果，或者從假定組合的信息來探測平面位置(比如在最終階段之后剩余假定的平均)。在每個階段中使用相同的或不同的特征用于分類.比如在平移階段中，為多個平移平面位置中的每一個都計算特征.利用機器訓(xùn)練平移分類器，使用這些特征來排除與平移平面位置相對應(yīng)的假定，剩下剩余假定子集.所述特征是三維特征.圍繞平面的3D數(shù)據(jù)、也即子容積被用于計算特征.可替代地，容積數(shù)據(jù)可以被內(nèi)插到平面，所產(chǎn)生的代表平面的數(shù)據(jù)在無其他數(shù)據(jù)的情況下被用于計算特征.可以使用任何特征.不同類型的特征可以被用于相同的分類器，或者所有的特征都對于給定的分類器具有相同的類型.在一個實施例中，類Haar小波(Haarwavelet-like)特征被計算,類Haar小波特征代表區(qū)域的不同部分之間的差別.可以使用任意數(shù)目的特征，比如幾十個、幾百個、或幾千個.機器學(xué)習(xí)過程可以運行用以確定用于給定的分類任務(wù)的所期望的特征子集或集.為每個假定計算特征值.對于平移分類，為每個可能的平移平面位置計算特征.為每個可能的平移平面位置計算相同的特征，比如相同的Haar函數(shù).平移分類器根據(jù)特征值而輸出給定的可能平面位置是正確的或期望的視圖的概率.如果該概率高于閾值，那么有關(guān)的假定被保留.如果該概率低于閾值，那么有關(guān)的假定被排除，并從假定庫中被丟棄.通過排除一個或多個假定，可以限制與旋轉(zhuǎn)相關(guān)聯(lián)的可能平面位置的數(shù)目.比如，排除一個假定并剩下兩個假定，允許定向分類器相對于兩個不同的平移而不是三個來為不同的旋轉(zhuǎn)計算特征.處理器12為與剩余假定相關(guān)聯(lián)的多個旋轉(zhuǎn)平面位置中的每一個計算相同的或不同的平面特征和/或其他特征.與旋轉(zhuǎn)平面位置相對應(yīng)的假定利用定向分類器并且根據(jù)平面特征或其他特征被排除.在應(yīng)用定向分類器之后，另一假定子集保留.剩余的假定適用于具有至少一個充分旋轉(zhuǎn)的充分平移.處理器12為與在平移和定向檢查之后剩余的假定相關(guān)聯(lián)的多個定標平面中的每一個計算相同的或不同的平面特征和/或其他特征.定標分類器根據(jù)特征而排除與定標平面相對應(yīng)的假定.在不排除任何一個、排除一個或多個假定之后，剩余的假定集保留用于被探測的平面.在一個實施例中，用于定向和定標分類器的特征的類型是梯度特征，比如，使用由Zheng等人在"FastAutomaticHeartChamberSegmentationfrom3DCTDataUsingMarginalSpaceLearningandSteerableFeatures(使用邊緣空間學(xué)習(xí)和可採縱的特征來從3DCT數(shù)據(jù)中快速自動心腔分割)"(Proc.Int，lConf.onComputerVision,pp.1-8,2007)中所述的"可搮縱的(steerable)"特征，附加地或可替代地，可以使用其他類型的特征，這些特征是測容積的.可以采用任何分類器，比如基于模型的分類器或?qū)W習(xí)分類器(比如基于機器學(xué)習(xí)的分類器).對于學(xué)習(xí)分類器，可以使用二元或多類分類器，比如貝葉斯(Bayesian)或神經(jīng)網(wǎng)絡(luò)分類器.在一個實施例中，使用具有樹或級聯(lián)結(jié)構(gòu)的二元提升(Boosting)分類器，分類器是用于在醫(yī)學(xué)圖像中區(qū)分信息的指令、矩陣、學(xué)習(xí)代碼、或其他軟件和/或硬件.所述平移、定向、和定標分類器可以是相同或不同類型的分類器.在一個實施例中，平移分類器、定向分類器、以及定標分類器是機器訓(xùn)練概率提升樹(machine-trainedprobabilisticboostingtree),每個分類器都被構(gòu)造為樹結(jié)構(gòu).在可替代實施例中，提供非順序處理，比如用于平移、定向和定標的獨立分類，或者比如用于根據(jù)所有可能位置分類、包括定標的單個分類器，所述機器訓(xùn)練概率提升樹針對標準平面之一被訓(xùn)練，處理器12可操作用以實現(xiàn)用于標準平面中不同的一個的不同機器訓(xùn)練概率提升狀分類器，處理器12根據(jù)剩余假定來確定標準平面或其他平面之一的平面位置.所探測的視困是通用的或標準的視圖(比如心尖四腔、心尖兩腔、左胸骨旁、心內(nèi)側(cè)(sub-coastal))，但也可以識別其他的視困.分類器的輸出(比如概率提升樹)被用于確定平面位置.與最高概率相關(guān)的平面位置被選擇.在另一實施例中，作為假定而保留的多于一個的平面位置被選擇并被組合.比如，剩余假定的平均平移、定向、和定標被計算.平均數(shù)是期望視困的平面位置.顯示器16是CRT、LCD、等離子、投影儀、打印機、或其他用于顯示圖像的輸出裝置.顯示器16顯示所探測的平面的困像，比如所探測的標準平面的困像(比如A4C).代表容積的數(shù)據(jù)被用于生成圖像.生成剖面或多平面重建圖像.'圖2示出了用于從三維超聲心動圖數(shù)據(jù)中探測平面、比如標準多平面重建平面的方法.該方法通過醫(yī)學(xué)診斷成像系統(tǒng)、檢查站、工作站、計算機、PACS站、服務(wù)器、其組合、或其他用于醫(yī)學(xué)超聲波數(shù)據(jù)圖像處理的裝置來實施.比如，在困1中所示的系統(tǒng)或計算機可讀介質(zhì)實施該方法，但也可以使用其他的系統(tǒng).該方法以所示的順序或不同的順序來實施.可以執(zhí)行附加的、不同的、或較少的動作.比如，動作34和/或38是可選的.作為另一例子，不提供順序分類，使得不提供動作24、26、和28的順序執(zhí)行或甚至單獨執(zhí)行.比如在掃描期間實時地執(zhí)行所述動作.用戶可以在用以獲得代表容積的另一數(shù)據(jù)集的掃描期間查看動作38的圖像。所述圖像可以與同一成像會話中動作22-38的先前執(zhí)行相關(guān)聯(lián)，但與不同的容積數(shù)據(jù)相關(guān)聯(lián).比如，動作22-38被執(zhí)行用以初始掃描并用于在同一成像會話期間隨后掃描.可以在幾秒中、比如2秒或較少秒中提供多平面重建圖像。一個或多個數(shù)據(jù)集被獲得.超聲波數(shù)據(jù)對應(yīng)于內(nèi)插到規(guī)則3D網(wǎng)格的數(shù)據(jù)集、被顯示的圖像(比如被探測的并掃描轉(zhuǎn)換的超聲波數(shù)據(jù))、波束成形的數(shù)據(jù)、被探測的數(shù)據(jù)、和/或掃描轉(zhuǎn)換的數(shù)據(jù).超聲波數(shù)據(jù)代表患者的容積或3D區(qū)域.該區(qū)域包括組織、流體或其他結(jié)構(gòu).不同的結(jié)構(gòu)或不同類型的結(jié)構(gòu)對聲能有不同的反應(yīng).比如，心臟肌肉組織移動，但與流體相比緩慢.時間上的反應(yīng)可能導(dǎo)致不同的速度或流數(shù)據(jù).結(jié)構(gòu)的形狀或空間方面可以在B模式數(shù)據(jù)中被反映.一個或多個對象、比如心臟、器官、脈管、流體腔、凝塊、損傷、肌肉、和/或組織位于容積區(qū)域中.數(shù)據(jù)代表該區(qū)域.在動作22中，一系列機器訓(xùn)練分類器被學(xué)習(xí)和/或被應(yīng)用于三維超聲心動困數(shù)據(jù).每個期望平面、比如標準MPR平面不僅在抽象的2D范圍中、而且在3D容積采樣中都被考慮.平面探測為每個期望平面估計姿態(tài)參數(shù)(poseparameter)(也即位置).3D網(wǎng)格體的姿態(tài)參數(shù)可以包括9個分量3個平移(x;y;z)、3個定向(比如每個軸的歐拉角w.r.t.)以及3個定標(每個軸一個).可以不使用所述參數(shù)中的一個或多個，比如不提供定標，或者僅沿一個軸提供定標.對于在線應(yīng)用或者快速確定來說禁止在高分辨率3D容積中搜索.比如，100x100x100體素的容積對于平移具有106個假定.如果結(jié)合定向和定標，組合的假定搜索空間顯著擴大.可以根據(jù)任何所期望的準則來使用有限的假定集，所述準則比如是不同平面的相對預(yù)期位置.通過對在多個連續(xù)階段中評估平面或姿態(tài)參數(shù)的一系列探測器進行訓(xùn)練，可以降低計算的數(shù)量.隨著參數(shù)自由度增加，以復(fù)雜性順序來實施所述階段(比如平移、然后定向、并然后定標)，但也可以使用其他的順序.比如，可以僅僅沿著由平移和定向而給定的兩個軸來調(diào)節(jié)定標.在其他實施例中，使用了具有或不具有分級搜索的其他學(xué)習(xí).可以使用任何的一個或多個分類器.分類器可以是使用成像處理、過濾、或其他技術(shù)的模型或探測器.可以使用單類或二元分類器、不同分類器的集合、級聯(lián)式分類器、分級分類器、多類分類器、基于模型的分類器、基于機器學(xué)習(xí)的分類器、或其組合.多級分類器包括CART、K最近鄰、神經(jīng)網(wǎng)絡(luò)(比如多層感知機)、混合模型或其他.可以使用概率提升樹.可以使用誤差修正輸出碼(ECOC(error-correctingoutputcode))。分類器利用計算機從訓(xùn)練數(shù)據(jù)集被訓(xùn)練.在一個實施例中，分類器是基于知識的概率模型，比如利用分級搜索的邊緣空間學(xué)習(xí).已知病例的數(shù)據(jù)庫被收集以用于機器學(xué)習(xí)，形成數(shù)據(jù)庫驅(qū)動的基于知識的方法.對于訓(xùn)練數(shù)據(jù)，三維上下文信息被保存并指導(dǎo)探測過程.知識嵌入到大的注解數(shù)據(jù)知識庫中，其中臨床專家人工指示標準MPR平面。已知病例在空間上被對準或配準，比如通過把坐標系統(tǒng)對準于所所標識的A4C觀.探測器在大量的注解3D超聲心動圖容積上被訓(xùn)練。對于可選的金字塔數(shù)據(jù)結(jié)構(gòu)，在不同的級別根據(jù)探測任務(wù)的復(fù)雜性來為探測器選擇訓(xùn)練集.在粗糙級別中，負平面位置遠離正平面位置，并且當與正的(positive)保持相對大的間隙(比如任何按照經(jīng)驗而確定的間距)時跨越合理的平面配置而隨機地被采樣.在精細級別時，當與粗糙級別相比之間的間隙縮小時，按照搜索策略，僅僅在正的的按照經(jīng)驗而磷定的鄰域來選擇負的.困3和4示出了具有平面44的示例容積.所述的學(xué)習(xí)算法使用學(xué)習(xí)模型來在假定空間中搜索目標(MPR平面).分類器學(xué)習(xí)不同的特征向量，用以區(qū)分期望平面和不被探測的平面。在可替代實施例中，分類器被人工編程.對于基于學(xué)習(xí)的方法，分類器被教導(dǎo)用以根據(jù)特征來進行區(qū)分.比如，概率模型算法基于類Haar局部矩形過濾器有選擇地把特征組合到弱學(xué)習(xí)器的強委員會(committe)中，其中通過使用積分困像而實現(xiàn)其快速計算.與MPR有關(guān)的特征基于專家注解在機器算法中被提取并被學(xué)習(xí)，形成用于MPR的概率模型.可以提取大的特征池(pool)所述訓(xùn)練確定對于給定的分類最有決定性的特征，并丟棄非決定性的特征.容積特征或平面特征可以用于3D超聲心動圖數(shù)據(jù).在一個實施例中，提供平面特征.從代表平面的數(shù)據(jù)中來計算所述特征.針對給定平面的每個可能位置而計算相同的特征.可以使用不同的特征組合，用以探測不同的平面和/或平面參數(shù)，比如，不同的連續(xù)分類階段采用從3D容積數(shù)據(jù)所計算的不同特征.每個分類器選擇判別特征集，所述判別特征集被用于把正的目標與負的相區(qū)分.這些特征從大的特征池中來選擇.大的池由編程者來確定，或者可以包括系統(tǒng)地確定的特征.對于在平移階段的分類器，使用類Haar小波特征，但也可以提供其他的特征.類Haar小波特征使用基于積分圖像的技術(shù)來高效地計算.對于在旋轉(zhuǎn)和定標階段的分類器，使用梯度或可操縱的特征，但也可以提供其他的特征.可搮縱的特征構(gòu)成了靈活的框架，其中在特定圖樣(比如規(guī)則的網(wǎng)格)下從容積中采樣幾個點.為每個采樣點提取幾個局部特征，比如體素強度和梯度.為了估計在特定定向下的可搮縱的特征，采樣圖樣是被控制的，并且不涉及計算耗費的容積旋轉(zhuǎn).可操縱的特征的計算不需要計算上耗費的容積旋轉(zhuǎn)和重定標.樹結(jié)構(gòu)可以被學(xué)習(xí)，并可以在訓(xùn)練和應(yīng)用中提供效率.通常，在提升多類分類器的中間，一個類(或幾個類)已經(jīng)完全與剩余的一個相分離，并且進一步的提升在分類精度方面也不產(chǎn)生附加的改善.為了進行有效的訓(xùn)練而訓(xùn)練樹結(jié)構(gòu).為了利用這種情況，通過集中于剩余的類來訓(xùn)練樹結(jié)構(gòu)，用以提高學(xué)習(xí)效率.比如可以通過關(guān)聯(lián)在前的概率來計算后驗概率或已知的分布.為了處理具有很多例子的背景類，可以使用級聯(lián)訓(xùn)練過程.可以形成所提升的二元類強分類器的級聯(lián).分類器級聯(lián)提供統(tǒng)一的算法，該算法在拒絕背景類的同時能夠探測并分類多個對象.級聯(lián)結(jié)構(gòu)對應(yīng)于簡并決策樹(degeneratedecisiontree).這樣的情形呈現(xiàn)了數(shù)據(jù)采樣的不平衡特性.背景類具有大容量的采樣，因為不屬于對象類的所有數(shù)據(jù)點都屬于背景類.可替代地，所述分類器在無級聯(lián)的情況下被順序訓(xùn)練.可以使用把分類、識別和聚類統(tǒng)一成一個處理的概率提升樹(PBT(probabilisticboostingtree)).比如，平移、定向、和定標分類器作為概率提升樹被訓(xùn)練.為每個感興趣平面學(xué)習(xí)概率提升樹.該分類器是基于樹的結(jié)構(gòu)，利用所述基于樹的結(jié)構(gòu)從給定的數(shù)據(jù)中來計算感興趣平面存在的后驗概率.每個平面探測器都不僅為給定的采樣提供二元決策，而且提供與決策相關(guān)的置信度值.利用提升技術(shù)由簡單分類器的組合來構(gòu)造樹中的節(jié)點，該提升技術(shù)比如公開于Til的"ProbabilisticBoosting-Tree:LearningDiscriminativeModelsforClassification,Recognition,andClustering(概率提升樹用于分類、識別、和聚類的學(xué)習(xí)判別模型)"(Proc.Int，lConf.onComputerVision,pp.l589-1596，2005)中?？梢允褂萌魏蔚母怕蕵浣Y(jié)構(gòu).在一個實施例中，在動作26中所使用的平移階段是使用Haar小波特征的二元樹.提供了三個級別，其中每個節(jié)點都包含20個弱分類器.每個分類器都基于一個特征.在動作28中所使用的定向階段是使用梯度或可搮縱的特征的二元樹.提供六個級別，其中每個節(jié)點都包含40個弱分類器.在動作30中所使用的定標階段是使用梯度或可搮縱的特征的二元樹.提供七個級別，其中每個節(jié)點都包含40個弱分類器。作為給定的采樣已經(jīng)穿過的葉節(jié)點的所有概率的加權(quán)和來計算最終的概率提升樹概率.可以使用附加的或不同的特征、分類器、級別、特征類型、概率組合、或樹類型.比如，不提供或不采用定標分類器.為了應(yīng)用分類器，在動作32中計算特征.針對每個可能的平面位置來計算所述特征.也可以與所述的可能平面位置無關(guān)地來計算其他的特征，例如其中子容積的特征與可能的平面位置的平面特征相結(jié)合也可能是決定性的.對于每個可能的平面位置，計算針對給定的分類的特征.對于平移階段，可能的平面位置涉及沿三個軸平移的不同位置.比如，計算Haar特征，用以分類給定平移可能平面位置是否是所期望的平面.對于旋轉(zhuǎn)階段，可能的平面位置涉及在剩余的平移位置處圍繞三個軸的旋轉(zhuǎn).對于定標階段，可能的平面位置涉及在剩余的旋轉(zhuǎn)和平移位置處不同大小的區(qū)域.可以為不同的階段計算不同的特征.可以為所探測的不同視困來計算不同的特征.從代表容積的超聲心動圖數(shù)據(jù)來計算所述的特征.在一個實施例中，從不同分辨率的數(shù)據(jù)來計算特征.提供容積金字塔，使得該數(shù)據(jù)集被下采樣至不同的分辨率.比如，一個數(shù)據(jù)集具有精細的分辨率，比如掃描分辨率，而另一數(shù)據(jù)集具有粗糙的分辨率，比如在每一維中由1/4來分樣(decimated)精細集(也即下采樣到四分之一)。所述集代表在同一容積中的同一對象?？梢允褂萌我鈹?shù)目(一個、兩個、或多個)集.從粗糙集來計算特征，然后在容積金字塔的精細集中來計算特征.機器學(xué)習(xí)可以確定決定性的特征.對于每個決定性的特征，提供相應(yīng)分辨率的數(shù)據(jù)集.所述集可以以任何格式，比如卡迪爾或極坐標.在一個實施例中，以聲學(xué)(比如極)坐標格式來獲得超聲波數(shù)據(jù)，并且實時地僅利用可視表面或所選擇的平面來增加卡迪爾或顯示空間.在使用掃描轉(zhuǎn)換器、處理器、或圖像處理單元的另一實施例中，提供從聲學(xué)空間到卡迪爾或顯示空間的實時轉(zhuǎn)換.在卡迪爾空間(比如3D網(wǎng)格)中處理超聲波數(shù)據(jù)，用以對多平面重建進行定向，在動作34中，至少一個特征被標準化.由于在實際應(yīng)用中不一致的超聲波成像條件，可以對每個采樣中的特征標準化.可以使用任何的標準化功能，比如通過給定平面位置的例子數(shù)據(jù)庫的平均數(shù)來標準化.在一個實施例中，由用于計算特征的數(shù)據(jù)來對特征進行標準化.比如，由代表整個平面的數(shù)據(jù)來計算Haar特征.該平面或區(qū)域的數(shù)據(jù)被取平均，從Haar特征值中減去該平均值，并且該結(jié)果除以平面或區(qū)域的數(shù)據(jù)的標準偏差.也可以使用其他的標準化或不使用標準化.比如，定向和定標階段的可搮縱的或梯度特征不被標準化.在動作36中，探測平面的位置.與期望視困有關(guān)的位置被探測.比如，根據(jù)分類器的輸出來探測一個或多個標準視圖.所述特征被用于確定視圖的最可能平面位置.平面探測器是在3D超聲心動圖容積上所訓(xùn)練的判別分類器.平面探測器確定給定的子容積采樣(可能平面位置的數(shù)據(jù))是正的還是負的.正的和負的采樣分別對應(yīng)于正確的和不正確的平面參數(shù)(位置).為了順序地探測以便限制復(fù)雜性或者增加效率，通過按順序平移、定向和定標探測來探測視圖的平面位置.通過為平移的可能平面位置、為旋轉(zhuǎn)的可能平面位置、以及為定標的可能平面位置來按順序地計算特征，分類器排除可能的平面位置.每個階段都從假定列表中移除可能的平面位置.首先，為不同的可能平面位置計算特征.不同的可能平面位置對應(yīng)于沿不同軸的平移.可以使用任何的步長或搜索策略，比如具有在粗糙搜索中被識別為很可能的位置處的精細搜索的粗糙搜索.探測器為每個可能的位置提供概率.與充分的概率相關(guān)的可能位置被保留在假定池中.通過閾值、通過選擇頂部X(其中X為一個或多個)概率、或其他檢查來確定充分的概率.對于定向探測器，要旋轉(zhuǎn)的平面的方位是在應(yīng)用平移分類器之后剩余的可能平面位置.對于每個充分的平移位置，對不同的旋轉(zhuǎn)進行檢查.可以使用任何的角步長和/或搜索策略.定向探測器識別與不同的旋轉(zhuǎn)有關(guān)的充分的平面位置.如果給定的平移位置的旋轉(zhuǎn)位置是不充分的，那么平移位置就從假定組中丟棄，定標探測器為在平移和定向探測之后剩余的可能平面位置而應(yīng)用不同的定標系數(shù).可以為定標而使用任何的步長和/或搜索策略。如果給定的平面位置的定標是不充分的，那么平面位置就從假定組中丟棄.剩余的平面位置和相應(yīng)的定標按照平移、定向、和定標分類器是充分的。所探測的視圖是具有由定標分類器所輸出的最高概率的可能平面位置.可替代地，所探測的視困是具有來自平移、定向、和定標探測器的最高平均概率的可能平面位置.在其他實施例中，剩余的充分可能平面位置的平均位置被確定，所述平均位置是所探測的視圖.可以使用其他的限制，比如對頂部Y個最可能的平面位置取平均.一個或多個平面被探測.比如，標準超聲心動圖顯像視圖的平面的位置被確定.心尖二腔觀、心尖四腔觀、心尖三腔觀、胸骨旁長軸觀、和/或胸骨旁短軸觀被確定.比如，圖3和4示出了容積區(qū)域40,其具有至少部分地位于該區(qū)域40中的對象42.對象42在容積區(qū)域40內(nèi)可能具有任何定向，平面44相對于容積的位置被確定以用于多平面重建.其他的標準或非標準視圖可以被確定，標準視圖可以是醫(yī)學(xué)協(xié)會的標準或者機構(gòu)的標準.預(yù)定的視困包括非標準視圖，比如用于臨床檢查的預(yù)定義視圖.不同的分類器被機器訓(xùn)練以用于不同的標準視圖.可以使用任何的分類器組合.每個分類器被應(yīng)用用以不依賴于其他分類器的輸出來確定相應(yīng)的平面位置.可替代地，一個分類器的輸出被用于探測另一平面.在用于探測兩個或多個(比如6個標準)平面的一個實施例中，通過多定標分級來應(yīng)用粗糙到精細策略.利用下采樣的數(shù)據(jù)集(比如1/4分辨率)來探測心尖四腔觀的位置.因為目標MPR平面相互之間并且關(guān)于左心室(LV)具有解剖學(xué)規(guī)則性，根據(jù)A4C平面位置來設(shè)定其他視圖的可能平面位置的初始位置.在低分辨率容積中，A4C探測器被學(xué)習(xí)并以粗糙級別被應(yīng)用.可以為最初的或基礎(chǔ)的位置探測其他視圖.A4C視圖的平面位置被用于限制精細或粗糙平面參數(shù)估計的搜索區(qū)域，另一標準視圖平面的初始位置根據(jù)A4C視圖的位置來確定.其他視圖(比如A2C、A3C、SAXB、SAXM、和SAXA)的初始平面參數(shù)(位置、定向、和定標)相對于A4C視圖而言基于經(jīng)驗統(tǒng)計.比如，使用來自訓(xùn)練數(shù)據(jù)集的平均相對位置。最初位置設(shè)定搜索區(qū)域.可能的平面位置可以在相對于初始位置的平移、旋轉(zhuǎn)、和/或定標中被限制.使用由初始位置所限制的容積數(shù)據(jù)和搜索空間來探測其他的標準視圖平面。由于初始位置限制了搜索空間，所以可以使用較高的分辨率數(shù)據(jù).針對每個平面所訓(xùn)練的更精確參數(shù)估計的平面探測器以較高的分辨率被應(yīng)用，用以僅在其初始探測結(jié)果周圍的小鄰域中來搜索最好的候選.可以把不同的或相同的A4C探測器應(yīng)用于精細的數(shù)據(jù)集，以使A4C平面精細.在動作38中，根據(jù)所探測的平面位置來生成圖像.為每個所確定的視困來生成圖像.與該平面的位置相對應(yīng)的數(shù)據(jù)從容積中被提取，數(shù)據(jù)被用于生成視困的圖像.比如，多平面重建圖像從超聲波數(shù)據(jù)來生成.所述平面定義了要用于成像的數(shù)據(jù).與橫斷每個平面或者鄰近每個平面的方位相關(guān)的數(shù)據(jù)被用于生成二維圖像.數(shù)據(jù)可以被內(nèi)插用以給平面提供空間對準，或者可以使用最近鄰選擇.得出的圖像根據(jù)多平面重建的定向而被生成，并提供所期望的視圖.所述圖像代表穿過容積區(qū)域40的不同平面44.在一個實施例中，特定視圖被生成.所有的特定視圖或者其子集被生成.如果與視困相對應(yīng)的平面被識別，那么可以提供視圖.比如，在代表區(qū)域的超聲波數(shù)據(jù)中所有可用的標準或預(yù)定視困被提供.每個視圖的圖像可以被標記(比如A4C)和/或被注解(比如亮顯的瓣膜).可以提供少于全部的可用視圖，比如顯示不多于三個視圖，并且具有視圖優(yōu)先權(quán)列表，在一個示例實施例中，326個超聲心動圖容積序列被收集.對于每個序列，心舒張末期(ED(enddiastole))幀(3D容積)被提取，并被加入到實驗數(shù)據(jù)庫中.在數(shù)據(jù)庫中總共有326個3D超聲心動圖容積.對于每個容積，六個標準平面(A4C、A2C、A3C、SAXB、SAXM以及SAXA)由臨床專家來人工注解，并被用作評估的基礎(chǔ)事實.為了測量兩個平面之間的差異，應(yīng)用兩個誤差度量，也即角度和距離.在兩個平面之間的角度被定義為兩個平面法線之間的角度.兩個平面之間的距離被測量為在一個平面上的定位點(anchor)到另外平面的距離，其中定位點是LV中心(針對A4C、A3C、A2C、和SAXM)，或者是LV長軸與MPR的交點(針對SAXB和SAXA).根據(jù)基礎(chǔ)亊實注解，LV長軸被計算為A4C-A2C和A4C-AC3的兩個交點的平均，并且LV中心被計算為LV長軸與SAXM的交點.應(yīng)用4折交叉驗證方案用于評估，326個容積的整個數(shù)據(jù)集被隨機地分區(qū)為四個四分之一.對于每個實驗，三個四分之一(244個容積)被合并用于訓(xùn)練，而剩余的一個四分之一(82個容積)被用作檢查的看不見的數(shù)據(jù)，總共有四個實驗，使得每個容積都已經(jīng)有一次被用于檢查.自動MPR性能根據(jù)所有4折而被總結(jié)，并在下面的表格1中提供.在3D超聲心動圖顯像數(shù)據(jù)中的MPR由于數(shù)據(jù)質(zhì)量而存在不確定性，這導(dǎo)致難以精確識別.初步的用戶內(nèi)可變性分析產(chǎn)生了約8.2度的平均角度誤差和約3.2mm的平均距離誤差.(a)總體,性能<table>tableseeoriginaldocumentpage20</column></row><table>b)性能細目分類(心尖平面)<table>tableseeoriginaldocumentpage20</column></row><table>(c)性能細目分類(鎮(zhèn)軸平面)<table>tableseeoriginaldocumentpage20</column></row><table>該自動化系統(tǒng)可以為人員超聲心動圖顯像檢查員顯著降低跨越大量不同的容積搜索解剖學(xué)結(jié)構(gòu)的負擔.利用所探測的標準平面，可以自動地進行先進的定量分析，比如射血分數(shù)分析.在另一實施例中，提供基于定位點的方法和系統(tǒng)，用以從3D超聲心動圖顯像數(shù)據(jù)中進行自動平面探測.精確而穩(wěn)健地探測解剖學(xué)結(jié)構(gòu)可以允許在3D超聲心動困顯像的常規(guī)臨床實踐中對心臟功能進行自動定量分析.標準平面是許多臨床檢查的起點.在基于定位點的方法中，標準多平面重格式化/重建(MPR)平面從3D超聲心動圖容積中來探測，其中從定位點來推斷平面定向，而不對大的定向空間進行搜索。因為三個不共線的點不足以在三維空間中確定平面，而不是搜索定向空間，所以所探測的定位點被用于推斷目標平面的定向?？梢詰?yīng)用相同的策略來估計感興趣解剖學(xué)結(jié)構(gòu)的定標.平面被描述為在平面上的點(p)和平面的法線(n).如果在平面上給定三個所探測的定位點(pl、p2、和p3),那么平面參數(shù)(p、n)可以如下來計算n=(p3-pl)x(p2-pl)，p=(pl+p2+p3)/3,(或平面上的任意點)其中x表示叉乘.從3D容積中利用數(shù)據(jù)庫驅(qū)動的基于知識的方法來探測定位點，知識通過廣泛的容積數(shù)據(jù)訓(xùn)練知識庫被學(xué)習(xí)，其中專家臨床醫(yī)生可靠地通過基于知識的方法連同具有解剖學(xué)意義的定位點一起來注解標準MPR平面.MPR平面共孚共同的特征.對于三個主要的心尖MPR平面(也即A4C、A2C、和A3C),專家臨床醫(yī)生注解總共7個定位點，也即心尖、基部下間點(basalinferoseptalpoint)、基部前外側(cè)點、基部下部點、基部前部點、基部下側(cè)點、以及基部前間點.比如，A4C平面可以通過心尖、基部下間點、和基部前外側(cè)點來確定.盡管三個不共線的定位點是確定平面的最小需求，但是也可以應(yīng)用更多的定位點連同平面擬合算法和/或定位點選擇方案，用以增強對噪聲和異常值的推斷穩(wěn)健性.為每個定位點學(xué)習(xí)模型/探測器.定位點探測器在大的所配準的3D超聲心動圖容積集上來被訓(xùn)練，其中所述的所配準的3D超聲心動困容積被用于確定給定的子容積采樣是正的還是負的.正的采樣是以目標定位點為中心的子容積，而負的采樣通過提取遠離正采樣的子容積來進行選擇，其中正采樣在平移空間中具有預(yù)定義的邊緣.使用概率提升樹(PBT)或其他的算法來構(gòu)造每個定位點探測器.可以為不同的定位點使用不同的算法.在一個例子中，分類器是基于樹的結(jié)構(gòu)，其中利用這種結(jié)構(gòu)從給定的數(shù)據(jù)中來計算定位點存在的后驗概率.每個定位點探測器不僅為給定的采樣提供二元決策，而且還提供與決策有關(guān)的置信度值.樹中的節(jié)點通過利用提升技術(shù)對簡單分類器非線性組合來構(gòu)造.每個定位點探測器都選擇判別特征集，所述判別特征集被用于從大的特征池中把目標定位點與負的相區(qū)分。使用類Haar小波特征，其中所述類Haar小波特征構(gòu)建了過度完備特征池并且可以利用基于積分圖像的技術(shù)被有效計算，但是也可以使用其他的特征。由于在實際應(yīng)用中不一致的超聲波成像條件，所以在每個采樣中的特征可以被標準化，比如通過減去平均值和除以標準偏差.在線探測算法應(yīng)用所述模型來探測定位點，并使用所探測的定位點來推斷目標MPR平面.對于每個定位點，僅僅需要估計平移參數(shù)來推斷MPR平面，這顯著地縮小了參數(shù)搜索空間(無定向).雖然本發(fā)明以上已經(jīng)通過參照不同的實施例進行了闡述，但是應(yīng)理解的是，可以在不脫離本發(fā)明范疇的情況下進行很多變化和更改.因此，前面的詳細描述應(yīng)認為是示例性的而不是限制性的，并且應(yīng)理解的是，下面的權(quán)利要求書、包括所有等效用來限定本發(fā)明的精神和范疇.權(quán)利要求1.一種用于從三維超聲心動圖數(shù)據(jù)中探測平面的方法，該方法包括對所述三維超聲心動圖數(shù)據(jù)應(yīng)用(22)一系列機器訓(xùn)練分類器，所述分類器中的第一分類器用于在由所述三維超聲心動圖數(shù)據(jù)所代表的容積中平移所述平面，所述分類器中的第二分類器用于在所述容積中旋轉(zhuǎn)所述平面，以及所述分類器中的第三分類器用于在所述容積中定標所述平面；根據(jù)所述第一、第二、和第三分類器的輸出來探測(36)所述平面的位置；以及根據(jù)所述平面的位置來生成(38)圖像。2.根據(jù)權(quán)利要求l所述的方法，其中所述笫一、第二、和笫三分類器包括概率提升樹.3.根據(jù)權(quán)利要求l所述的方法，其中所述笫一、第二、和笫三分類器接收從所迷三維超聲心動困數(shù)據(jù)中所計算(32)的特征的輸入，并且每一個都從假定列表中移除可能的平面位置，所述位置是在應(yīng)用所述第一、笫二、和第三分類器之后剩余的至少一個可能平面位置的函數(shù).4.根據(jù)權(quán)利要求l所述的方法，其中所述笫一分類器識別(26)第一可能位置組，所述第二分類器根據(jù)所述第一組來識別(28)第二可能位置組，并且所述笫三分類器根據(jù)所述第二組來識別(30)第三可能位置組，所述平面的位置是所述第三組的函數(shù).5.根據(jù)權(quán)利要求4所述的方法，其中所述平面的位置是所述第三組的可能位置的平均。6.根據(jù)權(quán)利要求l所述的方法，其中所述第一、第二、和第三分類器利用特征來運行，所述特征是所述平面的可能位置的容積特征.7.根據(jù)權(quán)利要求l所述的方法，其中所述第一分類器利用Haar小波特征來運行.8.根據(jù)權(quán)利要求l所述的方法，其中所述第二和第三分類器利用梯度特征來運行.9.根據(jù)權(quán)利要求l所述的方法，還包括對至少所述第一分類器的特征進行標準化。10.根據(jù)權(quán)利要求l所述的方法，其中所述平面的位置包括來自心尖二腔觀、心尖四腔觀、心尖三腔觀、胸骨旁長軸觀、以及胸骨旁短軸觀的群組中的標準超聲心動困顯像視圖；還包括使用不同的機器訓(xùn)練分類器來確定(36)其他標準超聲心動圖顯像平面的位置.11.根據(jù)權(quán)利要求l所述的方法，其中應(yīng)用(22)包括從容積金字塔的第一粗糙集以及笫二精細集中的數(shù)據(jù)來識別多個特征.12.其中已存儲有代表指令的數(shù)據(jù)的計算機可讀存儲介質(zhì)(14),所述指令可由編程的處理器(12)來執(zhí)行，用以在由三維超聲心動困數(shù)據(jù)所代表的容積中探測(36)標準視圖平面，所述存儲介質(zhì)(14)包括指令用于為所述容積中的多個可能平面位置的每一個計算(32)特征，僅僅從代表所述容積中可能平面位置的數(shù)據(jù)來計算所述特征中的至少一個；利用相應(yīng)的分類器根據(jù)所述特征來探測(36)所述標準視圖平面；以及從所述標準視困平面的數(shù)據(jù)來生成(38)圖像.13.根據(jù)權(quán)利要求12所述的計算機可讀介質(zhì)，其中計算(32)特征包括為不同的標準視圖計算(32)不同的特征，并且其中相應(yīng)的分類器包括針對不同的標準視圖而被機器訓(xùn)練的分類器.14.根據(jù)權(quán)利要求12所述的計算機可讀介質(zhì)，其中對于所述標準視圖平面中的笫一標準視圖平面，相應(yīng)的分類器通過為平移的可能平面位置、旋轉(zhuǎn)的可能平面位置、以及定標的可能平面位置按順序地計算(32)特征而排除可能的平面位置.15.根據(jù)權(quán)利要求12所述的計算機可讀介質(zhì)，其中計算(32)特征包括計算(32)梯度特征.16.根據(jù)權(quán)利要求12所述的計算機可讀介質(zhì)，還包括用于根據(jù)用來計算所述特征所使用的數(shù)據(jù)對所述特征中的至少一個標準化(34)的指令。17.根據(jù)權(quán)利要求12所迷的計算機可讀介質(zhì)，其中心尖四腔觀的位置利用下采樣的數(shù)據(jù)集來探測，其中另一標準視圖平面的初始位置根據(jù)所述位置來確定，并且其中探測(36)包括從所述數(shù)據(jù)中并利用由所述初始位置所限定的搜索空間來探測其他的標準視圖平面.18.—種用于探測心臟容積的多平面重建的標準平面的平面位置的系統(tǒng)，該系統(tǒng)包括存儲器(14),可搮作用于存儲代表心臟容積的超聲波數(shù)據(jù)；處理器(12),可搮作用于為多個平移的平面位置中的每一個來計算第一特征，利用平移分類器并根據(jù)所述第一特征來排除與平移的平面位置相對應(yīng)的假定，剩下第一剩余假定，為與笫一剩余假定相關(guān)聯(lián)的多個旋轉(zhuǎn)的平面位置中的每一個來計算第二特征，利用定向分類器并根據(jù)所述第二特征來排除與旋轉(zhuǎn)的平面位置相對應(yīng)的假定，剩下笫二剩余假定，為與所述第二剩余假定相關(guān)聯(lián)的多個定標的平面中的每一個來計算第三特征，利用定標分類器并根據(jù)所述笫三特征來排除與定標的平面相對應(yīng)的假定，剩下至少一個第三剩余假定，并根據(jù)所述至少一個笫三剩余假定來確定所述標準平面之一的平面位置；以及顯示器(16),可操作用于根據(jù)所述平面位置來顯示所述標準平面之一的困像.19.根據(jù)權(quán)利要求18所述的系統(tǒng)，其中所述平移分類器、定向分類器、和定標分類器包括用于所述標準平面之一的機器訓(xùn)練概率提升樹，并且其中所述處理器(12)可搮作用于實現(xiàn)用于不同標準平面之一的不同機器訓(xùn)練概率提升樹分類器.20.根據(jù)權(quán)利要求18所述的系統(tǒng)，其中所述笫一特征包括從代表與平移的平面位置相對應(yīng)的平面的數(shù)據(jù)中所計算的Haar特征，并且其中所述第二和第三特征包括可操縱的特征.全文摘要本發(fā)明涉及從三維超聲心動圖數(shù)據(jù)對平面的自動探測。從三維超聲心動圖數(shù)據(jù)中探測(36)標準視圖的平面位置。所述平面在所述容積中的位置通過平移、定向(旋轉(zhuǎn))、和/或定標來確定?？赡艿奈恢帽惶綔y(36)，并且其他的可能位置被排除。按順序地通過平移(26)、然后定向(28)、并然后定標(30)來進行可能位置的分類。該連續(xù)過程可以限制為識別期望視圖的平面位置所需的計算。文檔編號G06F19/00GK101390759SQ200810215098公開日2009年3月25日申請日期2008年9月18日優(yōu)先權(quán)日2007年9月18日發(fā)明者B·喬治斯庫,D·科馬尼丘,J·奧特蘇基,X·盧,Y·鄭申請人:美國西門子醫(yī)療解決公司