采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法技术

本发明专利技术公开了一种采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法，具体包括以下步骤：(1)超声图像预处理；(2)肌膜检测；(3)肌纤维方向观测值获取；(4)肌纤维方向校正；(5)羽状角计算。本发明专利技术利用深度卷积神经网络测量当前肌纤维的方向，与卡尔曼滤波器相结合，实现羽状角的追踪。该方法提升了羽状角计算算法的鲁棒性，扩展了自动化标注羽状角算法的应用领域，为质量较差的超声图像序列提供了自动化追踪羽状角的方法。

【技术实现步骤摘要】
采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法
本专利技术涉及肌肉羽状角检测
，尤其涉及一种采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法。
技术介绍
肌束羽状角是与肌肉骨骼功能相关的重要参数，当肌肉拉伸或收缩时，羽状角会随之变化。对肌肉羽状角的检测可以早期检测出肌肉的病变。用于专门定量测量肌肉组织形态参数的超声图像定义为声肌图(Sonomyography,SMG)，从声肌图中可获取肌肉横截面积、肌肉厚度、羽状角和肌纤维长等肌肉结构化参数。深度学习作为最近几年机器学习领域的一个热点，凭借其在识别应用中超高的预测准确率，在图像处理领域获得了极大关注，可以提升现有图像处理系统的性能并开创新的应用领域，也非常适用于医疗图像的分析检测。其强大的自动特征提取、复杂模型构建能力，不仅可以避免繁琐的人工特征标注，有效地利用无监督数据，并且具有优秀的泛化能力，可以应用到不同的医疗领域。特别是对于噪声相对较大的医学图像，将其转换成深度学习的视觉问题，会大大提升医学分析检测系统的性能，因此引起了医学领域研究人员的广泛关本文档来自技高网...

【技术保护点】
1.一种采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法，其特征在于，具体包括以下步骤：/n步骤(1)，超声图像预处理；/n步骤(2)，肌膜检测；/n步骤(3)，肌纤维方向观测值获取；/n步骤(4)，肌纤维方向校正；/n步骤(5)，羽状角计算。/n

【技术特征摘要】
1.一种采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法，其特征在于，具体包括以下步骤：
步骤(1)，超声图像预处理；
步骤(2)，肌膜检测；
步骤(3)，肌纤维方向观测值获取；
步骤(4)，肌纤维方向校正；
步骤(5)，羽状角计算。


2.如权利要求1所述的一种采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法，其特征在于，步骤(2)中，肌膜检测具体包括以下过程：
(21)采用坎尼边缘检测算法对图像进行高斯滤波操作，使图像变得平滑；选取一个算子计算图像的梯度值及梯度方向，得出亮度差分近似值；
(22)对边缘图进行局部拉东变换；
(23)点位梯度图概率最大的直线标注肌膜，并计算其向量


3.如权利要求2所述的一种采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法，其特征在于，步骤(21)中，坎尼边缘检测算法中，采用以下公式：









其中，A原始图像，Gx及Gy分别为经横向及纵向边缘检测的图像，θ为梯度方向。


4.如权利要求2所述的一种采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法，其特征在于，步骤(23)中，对边缘图进行局部拉东变换，采用以下公式：



其中，在x-y图像平面，F(x,y)为位置(x,y)...

【专利技术属性】
技术研发人员：郑为民，刘尚坤，柴清伟，潘正祥，朱淑娟，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：山东;37