[發(fā)明專利]采用卷積神經(jīng)網(wǎng)絡(luò)與卡爾曼濾波相結(jié)合自動(dòng)追蹤肌肉羽狀角的方法

在審

• 申請?zhí)枺?/td>: 202010865743.0
• 申請日: 2020-08-25
• 公開（公告）號(hào): CN112085711A
• 公開（公告）日: 2020-12-15
• 發(fā)明（設(shè)計(jì)）人: 鄭為民;劉尚坤;柴清偉;潘正祥;朱淑娟
• 申請（專利權(quán)）人: 山東科技大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/13
• 代理公司: 青島潤集專利代理事務(wù)所(普通合伙) 37327
• 代理人: 趙以芳

本發(fā)明公開了一種采用卷積神經(jīng)網(wǎng)絡(luò)與卡爾曼濾波相結(jié)合自動(dòng)追蹤肌肉羽狀角的方法，具體包括以下步驟：(1)超聲圖像預(yù)處理；(2)肌膜檢測；(3)肌纖維方向觀測值獲取；(4)肌纖維方向校正；(5)羽狀角計(jì)算。本發(fā)明利用深度卷積神經(jīng)網(wǎng)絡(luò)測量當(dāng)前肌纖維的方向，與卡爾曼濾波器相結(jié)合，實(shí)現(xiàn)羽狀角的追蹤。該方法提升了羽狀角計(jì)算算法的魯棒性，擴(kuò)展了自動(dòng)化標(biāo)注羽狀角算法的應(yīng)用領(lǐng)域，為質(zhì)量較差的超聲圖像序列提供了自動(dòng)化追蹤羽狀角的方法。

技術(shù)領(lǐng)域

本發(fā)明涉及肌肉羽狀角檢測技術(shù)領(lǐng)域，尤其涉及一種采用卷積神經(jīng)網(wǎng)絡(luò)與卡爾曼濾波相結(jié)合自動(dòng)追蹤肌肉羽狀角的方法。

背景技術(shù)

肌束羽狀角是與肌肉骨骼功能相關(guān)的重要參數(shù)，當(dāng)肌肉拉伸或收縮時(shí)，羽狀角會(huì)隨之變化。對(duì)肌肉羽狀角的檢測可以早期檢測出肌肉的病變。用于專門定量測量肌肉組織形態(tài)參數(shù)的超聲圖像定義為聲肌圖(Sonomyography,SMG)，從聲肌圖中可獲取肌肉橫截面積、肌肉厚度、羽狀角和肌纖維長等肌肉結(jié)構(gòu)化參數(shù)。

深度學(xué)習(xí)作為最近幾年機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)熱點(diǎn)，憑借其在識(shí)別應(yīng)用中超高的預(yù)測準(zhǔn)確率，在圖像處理領(lǐng)域獲得了極大關(guān)注，可以提升現(xiàn)有圖像處理系統(tǒng)的性能并開創(chuàng)新的應(yīng)用領(lǐng)域，也非常適用于醫(yī)療圖像的分析檢測。其強(qiáng)大的自動(dòng)特征提取、復(fù)雜模型構(gòu)建能力，不僅可以避免繁瑣的人工特征標(biāo)注，有效地利用無監(jiān)督數(shù)據(jù)，并且具有優(yōu)秀的泛化能力，可以應(yīng)用到不同的醫(yī)療領(lǐng)域。特別是對(duì)于噪聲相對(duì)較大的醫(yī)學(xué)圖像，將其轉(zhuǎn)換成深度學(xué)習(xí)的視覺問題，會(huì)大大提升醫(yī)學(xué)分析檢測系統(tǒng)的性能，因此引起了醫(yī)學(xué)領(lǐng)域研究人員的廣泛關(guān)注。

卡爾曼濾波(Kalman filtering)是一種利用線性系統(tǒng)狀態(tài)方程，通過系統(tǒng)輸入輸出觀測數(shù)據(jù)，對(duì)系統(tǒng)狀態(tài)進(jìn)行最優(yōu)估計(jì)的算法。卡爾曼濾波的一個(gè)典型實(shí)例是從一組有限的，對(duì)物體位置的，包含噪聲的觀察序列中預(yù)測出物體的坐標(biāo)位置及速度。在很多工程應(yīng)用(雷達(dá)、計(jì)算機(jī)視覺)中都可以找到它的身影。肌肉的羽狀角變換是連續(xù)的、有規(guī)律可循的，因此，如果將卡爾曼濾波追蹤適合應(yīng)用于羽狀角的追蹤系統(tǒng)中。

臨床醫(yī)生通常是通過依靠手工標(biāo)注的方法來確定這些肌肉結(jié)構(gòu)參數(shù)，耗時(shí)費(fèi)力，并帶有主觀性，可能會(huì)影響參數(shù)的準(zhǔn)確性。現(xiàn)有技術(shù)主要基于圖像處理方法，有以下幾種：

(1)基于霍夫變換來追蹤肌肉超聲圖像中的肌纖維方向的方法于2007年被提出。這項(xiàng)研究提出了一種改進(jìn)的霍夫變換——基于投票的霍夫變換(RVHT)，旨在自動(dòng)估計(jì)直線形圖案的方向，例如超聲圖像中的肌肉纖維和肌肉-骨骼界面。首先，需要將原始的超聲圖像進(jìn)行邊緣檢測，邊緣檢測大幅度地減少了數(shù)據(jù)量，并且剔除了可以認(rèn)為不相關(guān)的信息，保留了肌肉超聲圖像重要的結(jié)構(gòu)屬性，也就是肌肉的紋理。其次，將超聲圖像的邊緣映射轉(zhuǎn)換為霍夫空間，并找到對(duì)應(yīng)于圖像空間中直線位置的全局峰值。然后，從邊緣圖中去除所有靠近檢測線的特征點(diǎn)，并使用更新后的邊緣圖執(zhí)行相同的搜索另一條直線的過程。重復(fù)迭代直到滿足預(yù)定的終止條件。因此，該方法將逐個(gè)提取邊緣映射中的直線，直到Hough空間中的最大值低于規(guī)定的閾值。

(2)通過拉東變換(Radon Transform，RT)來追蹤肌肉超聲圖像中的肌纖維。首先將原始的超聲圖像進(jìn)行邊緣檢測，減少數(shù)據(jù)量，保留肌肉超聲圖像重要的結(jié)構(gòu)屬性。邊緣檢測會(huì)將原先的灰度圖像變?yōu)槎档暮诎走吘増D像，對(duì)檢測出的邊緣圖像使用局部拉東變換算法。拉東變換是一種積分變換，這個(gè)變換將二維平面函數(shù)f變換成一個(gè)定義在二維空間上的一個(gè)線性函數(shù)Rf，而Rf的值為函數(shù)f對(duì)該條線Rf做積分的值。對(duì)于肌肉束的檢測，使用一些先驗(yàn)知識(shí)來定位。例如，肌纖維必須位于淺肌膜線和深肌膜線之間，這些肌膜線通常具有較高的回聲強(qiáng)度，并且相對(duì)容易檢測到。肌膜線可以首先在整個(gè)圖像上提取出來。然后，可以在肌膜線之間的區(qū)域發(fā)現(xiàn)束簇。該區(qū)域可以進(jìn)一步分成更小的部分，直到正確檢測到肌肉束。