一种肌肉连续超声图像中肌肉肌腱结的测量系统及方法技术方案

本发明专利技术公开了一种肌肉连续超声图像中肌肉肌腱结的测量系统及方法，包括：预处理模块预处理当前帧肌肉超声图像，减少图像噪声，得到初始候选点；第一筛选模块对所述初始候选点排序后筛选，进一步减少候选点数量；第二筛选模块对所述候选点聚类并得到聚类中心；确定模块在所述聚类中心附近像素计算得到当前帧肌腱结的位置；优化模块通过滤波器优化当前帧肌腱结的位置；判断循环模块将下一帧肌肉超声图像作为当前帧肌肉超声图像，返回后，进行后继肌肉超声图像的肌肉肌腱结位移测量，直到超声图像中所有肌肉肌腱结位移测量结束。该方法利用超声成像检测肌肉肌腱结的活动状态变得简单可行，精准。精准。精准。

【技术实现步骤摘要】
一种肌肉连续超声图像中肌肉肌腱结的测量系统及方法


[0001]本专利技术涉及肌腱结的测量方法及系统，特别涉及一种肌肉连续超声图像(大于两帧)中肌肉肌腱结的测量方法及系统。

技术介绍

[0002]肌肉肌腱单元(Muscle
‑
tendon unit；MTU)在运动中扮演着很重要的角色。当肌肉收缩生成力后，肌肉与肌腱会通过肌肉肌腱单元相互作用，以此来实现对身体运动的控制和调节。目前，肌肉肌腱单元的变化主要依靠逆动力学的方法进行估计。由于没有直接检测肌肉，肌腱和肌肉肌腱结的结构和位置变化，不能直观地对肌肉与肌腱之间的活动进行定量分析，从而使得得到的结果不够客观准确。
[0003]目前，超声成像通过实时检测肌肉和肌腱结构变化，在肌肉和肌腱功能评估中展现出了很大的潜力。通过检测连续超声图像(大于两帧)中肌肉肌腱结的位置变化，可以定量分析肌肉与肌腱之间相互作用，理解肌肉肌腱单元的功能和状态。但是，在连续超声图像(大于两帧)中手动检测肌肉肌腱结的位置非常费时，从而很难测量肌肉肌腱结在运动中的连续变化。

技术实现思路

[0004]专利技术目的：本专利技术提供可实现在连续肌肉超声图像(大于两帧)中测量肌肉肌腱结的位置变化的系统和方法。
[0005]技术方案：本专利技术所述肌肉连续超声图像中肌肉肌腱结的测量系统，该系统包括：
[0006]预处理模块：用于在当前帧肌肉超声图像中，减少图像噪声，获得初始候选点；
[0007]第一筛选模块：用于对所述初始候选点排序后筛选，进一步减少候选点数量；
[0008]第二筛选模块：用于对所述候选点聚类并得到聚类中心，进一步减少候选点数量；
[0009]确定模块：用于在所述聚类中心附近像素计算确定当前帧肌腱结的位置；
[0010]优化模块：用于通过滤波器结合历史肌腱结的位置信息，优化当前帧肌腱结的位置；
[0011]判断循环模块：用于将下一帧肌肉超声图像作为当前帧肌肉超声图像，返回预处理模块，进行后继肌肉超声图像的肌肉肌腱结位移测量，直到超声图像中所有肌肉肌腱结位移测量结束。
[0012]进一步地，所述预处理模块包括：
[0013]图像去噪单元：用于对图像滤波去噪；
[0014]候选点获取单元：用于结合当前帧肌肉超声图像中的梯度信息和强度信息，获取初始候选点。所述第一筛选模块中，通过比较所述候选点的海森矩阵特征值之比进行排序，筛选留下序列前部的候选点。所述第二筛选模块中，采用层次聚类方法对所述候选点进行聚类并设立聚类阈值，对每一类内候选点的坐标平均得到聚类中心。所述确定模块包括：
[0015]定位单元：计算所述聚类中心附近像素每个方向的强度特征，判断是否符合肌腱
和肌肉肌腱结的结构特征，并为符合程度进行评分，取评分最高的像素作为当前帧肌腱结的位置；
[0016]判断单元：根据高斯模板、相位信息判断所述像素是否有资格作为肌肉肌腱结。
[0017]所述判断单元包括：
[0018]第一判断子单元：计算所述强度特征与多尺度高斯模板的相关性，判断其是否为肌肉肌腱结；
[0019]第二判断子单元：使用相位对称性和OTSU算法分割出肌肉肌腱结区域，判断像素是否在区域内。
[0020]所述优化模块中，通过卡尔曼滤波器，结合历史帧的肌肉肌腱结位置信息，优化当前帧的肌肉肌腱结位置，从而实现肌肉肌腱结的跟踪。
[0021]一种采用所述的肌肉连续超声图像中肌肉肌腱结的测量系统的测量方法，包括如下步骤：
[0022]S1、预处理模块预处理当前帧肌肉超声图像，减少图像噪声，得到初始候选点；
[0023]S2、第一筛选模块对所述初始候选点排序后筛选，进一步减少候选点数量；
[0024]S3、第二筛选模块对所述候选点聚类并得到聚类中心；
[0025]S4、确定模块在所述聚类中心附近像素计算得到当前帧肌腱结的位置；
[0026]S5、优化模块通过滤波器优化当前帧肌腱结的位置；
[0027]S6、判断循环模块将下一帧肌肉超声图像作为当前帧肌肉超声图像，返回步骤S1，进行后继肌肉超声图像的肌肉肌腱结位移测量，直到超声图像中所有肌肉肌腱结位移测量结束。
[0028]进一步地，所述步骤S1具体包括：采用高斯滤波降低图像噪声；结合当前帧肌肉超声图像中的梯度信息和强度信息，获取初始候选点；
[0029]所述步骤S2中，通过比较所述候选点的海森矩阵特征值之比进行排序，筛选留下序列前部的候选点；
[0030]所述步骤S3具体包括：对所述候选点进行层次聚类并设立聚类阈值；对每一类内候选点的坐标平均得到聚类中心；
[0031]所述步骤S4中，在所述聚类中心附近像素利用先验知识、高斯模板和相位信息计算得到当前帧肌腱结的位置；
[0032]所述步骤S5中，通过卡尔曼滤波器，结合历史帧的肌肉肌腱结位置信息，优化当前帧的肌肉肌腱结位置，从而实现肌肉肌腱结的跟踪。
[0033]所述利用先验知识、高斯模板和相位信息计算得到当前帧肌腱结的位置，包括：计算所述像素每个方向的强度特征，判断是否符合肌腱和肌肉肌腱结的结构特征，并为符合程度进行评分，取评分最高的像素作为当前帧肌腱结的位置；计算所述强度特征与多尺度高斯模板的相关性，判断其是否为肌肉肌腱结；使用相位信息和OTSU算法分割出肌肉肌腱结区域，判断像素是否在区域内。
[0034]具体地；
[0035]第一方面，本专利技术实施例提供一种肌肉连续超声图像中肌肉肌腱结的测量方法，包括如下步骤：
[0036]S1.预处理当前帧肌肉超声图像，减少图像噪声，得到初始候选点；
[0037]S2.对所述初始候选点排序后筛选，进一步减少候选点数量；
[0038]S3.对所述候选点聚类并得到聚类中心；
[0039]S4.在所述聚类中心附近像素计算得到当前帧肌腱结的位置；
[0040]S5.通过滤波器优化当前帧肌腱结的位置；
[0041]S6.将下一帧肌肉超声图像作为当前帧肌肉超声图像，返回步骤S1，进行后继肌肉超声图像的肌肉肌腱结位移测量，直到超声图像中所有肌肉肌腱结位移测量结束。
[0042]结合第一方面，作为第一种可实现的方案，所述步骤S1中，所述确定肌肉肌腱结的位置，包括：
[0043]采用高斯滤波降低图像噪声。
[0044]结合当前帧肌肉超声图像中的梯度信息和强度信息，获取初始候选点。
[0045]结合第一方面，作为第二种可实现的方案，所述步骤S2中，通过比较所述候选点的海森矩阵特征值之比进行排序，筛选留下序列前部的候选点。
[0046]结合第一方面，作为第三种可实现的方案，所述步骤S3具体包括：
[0047]对所述候选点进行层次聚类并设立聚类阈值；
[0048]对每一类内候选点的坐标平均得到聚类中心。
[0049]结合第一方面，作为第四种可实现的方案，所述步骤S4中，在所述聚类中心本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肌肉连续超声图像中肌肉肌腱结的测量系统，其特征在于：该系统包括：预处理模块：用于在当前帧肌肉超声图像中，减少图像噪声，获得初始候选点；第一筛选模块：用于对所述初始候选点排序后筛选，进一步减少候选点数量；第二筛选模块：用于对所述候选点聚类并得到聚类中心，进一步减少候选点数量；确定模块：用于在所述聚类中心附近像素计算确定当前帧肌腱结的位置；优化模块：用于通过滤波器结合历史肌腱结的位置信息，优化当前帧肌腱结的位置；判断循环模块：用于将下一帧肌肉超声图像作为当前帧肌肉超声图像，返回预处理模块，进行后继肌肉超声图像的肌肉肌腱结位移测量，直到超声图像中所有肌肉肌腱结位移测量结束。2.根据权利要求1所述的肌肉连续超声图像中肌肉肌腱结的测量系统，其特征在于：所述预处理模块包括：图像去噪单元：用于对图像滤波去噪；候选点获取单元：用于结合当前帧肌肉超声图像中的梯度信息和强度信息，获取初始候选点。3.根据权利要求1所述的肌肉连续超声图像中肌肉肌腱结的测量系统，其特征在于：所述第一筛选模块中，通过比较所述候选点的海森矩阵特征值之比进行排序，筛选留下序列前部的候选点。4.根据权利要求1所述的肌肉连续超声图像中肌肉肌腱结的测量系统，其特征在于：所述第二筛选模块中，采用层次聚类方法对所述候选点进行聚类并设立聚类阈值，对每一类内候选点的坐标平均得到聚类中心。5.根据权利要求1所述的肌肉连续超声图像中肌肉肌腱结的测量系统，其特征在于：所述确定模块包括：定位单元：计算所述聚类中心附近像素每个方向的强度特征，判断是否符合肌腱和肌肉肌腱结的结构特征，并为符合程度进行评分，取评分最高的像素作为当前帧肌腱结的位置；判断单元：根据高斯模板、相位信息判断所述像素是否有资格作为肌肉肌腱结。6.根据权利要求1所述的肌肉连续超声图像中肌肉肌腱结的测量系统，其特征在于：所述判断单元包括：第一判断子单元：计算所述强度特征与多尺度高斯模板的相关性，判断其是否为肌肉肌腱结；第二判断子单元：使用相位对称性和OTSU算法分割出肌肉肌腱结区域，判断像素是否在区域内。7.根据权利要求1...

【专利技术属性】
技术研发人员：华世豪，
申请(专利权)人：东南大学，
类型：发明
国别省市：