由肌肉和肌腱構(gòu)成的肌肉肌腱單位（Muscle-Tendon Unit,MTU）在人體運動中扮演著十分重要的角色。近年來,通過超聲成像技術(shù)獲取肌肉肌腱結(jié)（Myotendinous Junction,MTJ）位置變化被積極用于量化運動過程中肌肉與肌腱相對變化,從而幫助研究與理解在不同生理病理條件下人體MTU的運動機制。然而,缺乏可靠的MTJ測量方法大大制約了其在人類運動分析研究中的應(yīng)用。因此,本論文基于肌腱組織在肌肉超聲圖像中的結(jié)構(gòu)特征,分別從運動估計,結(jié)構(gòu)特征識別,以及深度學(xué)習(xí)三個方面展開對于肌肉超聲圖像中MTJ位置的自動測量和跟蹤的研究,從而為研究MTU機理提供有效的定量分析方法。首先,基于超聲圖像中的肌腱先驗形狀信息,本論文通過相位一致性（Phase Congruency,PC）和局部拉東變換（Local Radon Transform,LRT）實現(xiàn)只在有效的MTJ區(qū)域應(yīng)用LucasKanade（LK）光流場算法跟蹤連續(xù)超聲圖像中肌腱組織上的手動標(biāo)記點,從而避免了圖像中非肌腱組織對MTJ位移估計的負(fù)面影響,實現(xiàn)對連續(xù)超聲圖像中MTJ位置的有效跟蹤。該自動算法主要通過計算多重相關(guān)系數(shù)（... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

記錄正常人體腓腸肌運動的肌肉超聲圖像以及其中的MTJ位置；圖像中包含肌腱，肌腱膜（筋膜），腓腸肌(GastrocnemiusMuscle,GM)以及比目魚肌(SoleusMuscle,SOL)

第二章肌肉超聲圖像中基于運動估計的肌肉肌腱結(jié)自動追蹤算法15第二章肌肉超聲圖像中基于運動估計的肌肉肌腱結(jié)自動追蹤本章節(jié)將從運動估計角度詳細(xì)闡述肌肉超聲圖像中的肌肉肌腱結(jié)(MyotendinousTendonJunction,MTJ)位移自動測量方法。所提算法流程如圖2-1所示，首先將原超聲圖像經(jīng)相位一致性（PhaseCongruency,PC）[52]處理以增強圖像對稱性特征，去除斑點噪聲的同時增強圖像中的強回聲帶狀結(jié)構(gòu)特征。隨后在所得PC測量圖上，基于肌腱和肌腱膜的方向和厚度等結(jié)構(gòu)先驗信息，應(yīng)用局部拉東變換(LocalizedRadonTransform,LRT)[35]實現(xiàn)肌腱組織的自動識別并進(jìn)而基于OTSU方法[57]實現(xiàn)有效MTJ區(qū)域的自動分割。之后通過利用每相鄰兩張圖像中有效MTJ區(qū)域的空間和時間梯度信息，應(yīng)用Lucas-Kanade(LK)光流場算法計算仿射變換參數(shù)，繼而自動估計肌腱組織上人工標(biāo)注點在序列圖像間的位移[51]。該MTJ位移自動測量算法的詳細(xì)步驟將在本章節(jié)接下來的各小節(jié)中逐一展開，另外本章節(jié)將采用瑞典斯德哥爾摩皇家理工學(xué)院力學(xué)系和BioMex中心提供的肌肉超聲圖像數(shù)據(jù)，對所提自動算法展開驗證。有關(guān)該數(shù)據(jù)集的詳細(xì)信息也將在本章中做出說明。圖2-1.基于光流場的肌肉肌腱結(jié)位移自動測量算法流程圖。

第二章肌肉超聲圖像中基于運動估計的肌肉肌腱結(jié)自動追蹤算法17肉超聲圖像和相應(yīng)的PC測量圖。(a)(b)圖2-2.記錄對象B腓腸肌運動的肌肉超聲圖像和相應(yīng)的PC測量圖；(a)一例典型的肌肉超聲圖像；(b)相應(yīng)的PC測量圖。2.2有效肌肉肌腱結(jié)區(qū)域的自動分割結(jié)合圖1-1和圖2-2(b)可以發(fā)現(xiàn)，腓腸�。℅astrocnemiusMuscle,GM）和比目魚�。⊿oleusMuscle,SOL）中的一大部分非肌腱線性結(jié)構(gòu)并沒有被有效排除，而這會給后續(xù)的測量帶來負(fù)面影響�；谝陨嫌^察，本章節(jié)繼而引入LRT方法[35]在PC測量圖上粗選出一個MTJ區(qū)域。LRT在歐幾里得空間上定義如下：(,)=∫∫(,)()(2.3)公式中(,)表示點(,)在PC測量圖上的歸一化強度值，用于描述相位對稱性的相對強弱。δ表示狄拉克函數(shù)。ρ表示從圖像中心到直線的距離，θ則表示所檢測直線和橫坐標(biāo)成角的補角。此外，基于肌腱與肌腱膜結(jié)構(gòu)的位置和角度先驗信息，本章節(jié)將線性結(jié)構(gòu)檢索范圍限制在圖像空間域中的≤≤和≤≤以及雷登域中的≤≤，從而能輕易檢測到PC測量圖上的肌腱和肌腱膜結(jié)構(gòu)(圖2-3(a))。另外據(jù)相關(guān)文獻(xiàn)記載[70]，GM的肌腱和肌腱膜的平均直徑為2.5毫米，表現(xiàn)在分辨率為0.11毫米/像素的肌肉超聲圖像中為寬22個像素的高回聲帶狀結(jié)構(gòu)。因此，結(jié)合LRT的肌腱定位結(jié)果(圖2-3(a))和肌腱寬度先驗信息，可以輕易得到有效肌腱區(qū)域ΓT(圖2-3(b))。隨后，對ΓT采用基于OTSU[57]的直方圖均衡化即可自動化獲取區(qū)域內(nèi)的最佳閾值，進(jìn)而結(jié)合PC測量圖的強度值，通過以下計算：(,)={1,(,)∈ΓTand(,)≤0,otherwise(2.4)


本文編號：3408625