CN112674791A - 肌肉超声弹性成像的优化方法及*** - Google Patents
肌肉超声弹性成像的优化方法及*** Download PDFInfo
- Publication number
- CN112674791A CN112674791A CN202011374220.2A CN202011374220A CN112674791A CN 112674791 A CN112674791 A CN 112674791A CN 202011374220 A CN202011374220 A CN 202011374220A CN 112674791 A CN112674791 A CN 112674791A
- Authority
- CN
- China
- Prior art keywords
- muscle
- elastography
- data
- hardness
- ultrasonic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种肌肉超声弹性成像的优化方法及***,方法包括:获取肌肉弹性超声视频中的弹性成像数据与肌肉超声数据,并根据弹性成像数据与肌肉超声数据,确定肌肉硬度特征和肌肉纤维长度特征;根据肌肉硬度特征和肌肉纤维长度特征,确定肌肉硬度特征与肌肉纤维长度特征的关系曲线,并生成拟合优度地形图;根据拟合优度地形图,通过对拟合优度地形图进行二值化处理,得到弹性成像数据中的感兴趣区域;根据感兴趣区域与肌肉硬度特征对应的肌肉硬度图,对肌肉硬度特征进行筛选与优化。本发明可以充分应用超声弹性成像的肌肉的生理特性,自动对肌肉超声弹性成像进行感兴趣区域的选择,从而消除肌肉超声弹性成像中的噪声干扰。
Description
技术领域
本发明涉及肌肉图像处理技术领域,尤其涉及肌肉超声弹性成像的优化方法及***。
背景技术
超声弹性成像(ultrasound elastography,USE)已被广泛用于量化各种生物医学工程领域中的组织硬度。例如,它在肌肉骨骼评估和研究中越来越受欢迎。但是,很少有医生意识到,并不是所有的肌肉超声弹性成像结果都是可靠的。超声弹性成像的肌肉硬度输出可能会受到探头或肌肉的运动、检测深度、组织不均匀性和其他因素的意外影响,导致噪声的引入和硬度的空间分布不均匀性。这一问题要求医生对肌肉硬度进行量化前,需要对超声弹性成像选择感兴趣区域(ROI),以排除噪声干扰。而对超声弹性成像进行ROI手动选择是一项十分依赖经验,主观性强的工作,可能不必要地引入主观差异并破坏可重复性,影响组织弹性的准确量化。
目前,大多数主流机器针对超声弹性成像的空间分布不均匀性,采用计算硬度输出的平均值或中间值来减轻这种空间差异,但是这种方法过于简单以至于无法应用弹性成像的时空信息,导致肌肉硬度量化结果易受噪声的干扰,从而偏离真实值。
因此,现有技术还有待改进和提高。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种肌肉超声弹性成像的优化方法及***,旨在解决现有技术在处理超声弹性成像的空间分布不均匀性是,并未应用弹性成像的时空信息,导致肌肉硬度量化结果易受噪声的干扰,从而偏离真实值的问题。
为了解决上述技术问题,本发明所采用的技术方案如下:
第一方面,本发明提供一种肌肉超声弹性成像的优化方法,其中,所述方法包括:
获取肌肉弹性超声视频中的肌肉超声数据与弹性成像数据,并根据所述肌肉超声数据与所述弹性成像数据,确定肌肉纤维长度特征与肌肉硬度特征;
根据所述肌肉硬度特征和肌肉纤维长度特征,确定所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线,并生成拟合优度地形图;
根据所述拟合优度地形图,通过对所述拟合优度地形图进行二值化处理,得到所述弹性成像数据中的感兴趣区域;
根据所述感兴趣区域与所述肌肉硬度特征对应的肌肉硬度图,对肌肉硬度特征进行筛选与优化。
在一种实现方式中,所述获取肌肉弹性超声视频中的肌肉超声数据与弹性成像数据,并根据所述肌肉超声数据与所述弹性成像数据,确定肌肉纤维长度特征与肌肉硬度特征,包括:
获取肌肉弹性超声视频,并从所述肌肉弹性超声视频中提取所述弹性成像数据与所述肌肉超声数据,所述弹性成像数据为彩色编码后的肌肉硬度特征,所述肌肉超声数据为浅筋膜、肌纤维、和深筋膜的肌肉特征;
根据所述肌肉超声数据,计算出所述肌肉纤维长度特征;
根据所述弹性成像数据,导出肌肉硬度图,并获取所述肌肉硬度图中的肌肉硬度特征。
在一种实现方式中,所述根据所述肌肉超声数据,计算出所述肌肉纤维长度特征,包括:
对肌肉超声数据通过对Radon变换矩阵进行沿距离方向的求导,得到梯度矩阵;
通过聚类和去噪,提取并分析梯度矩阵中浅层筋膜,深层筋膜和肌纤维的边缘位置,并利用几何关系,计算出所述肌肉纤维长度特征。
在一种实现方式中,所述根据所述弹性成像数据,导出肌肉硬度图,并获取所述肌肉硬度图中的肌肉硬度特征,包括:
将所述弹性成像数据中的色彩空间从RGB空间映射至HSV空间;
通过检测高饱和度区域,确定所述弹性成像数据中的感兴趣区域;
从所述感兴趣区域中分离出彩色图像,并采用带有彩色逆编码算法将该肌肉硬度图转化为肌肉硬度图。
在一种实现方式中,所述根据所述肌肉硬度特征和肌肉纤维长度特征,确定所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线,并生成拟合优度地形图,包括:
根据所述肌肉硬度特征和肌肉纤维长度特征,确定所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线;
使用指数模型对每个坐标点的所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线,计算每个坐标点的拟合优度,并生成所述拟合优度地形图。
在一种实现方式中,所述根据所述感兴趣区域与所述肌肉硬度特征对应的肌肉硬度图,对肌肉硬度特征进行筛选与优化,包括:
根据所述感兴趣区域与所述肌肉硬度特征对应的肌肉硬度图,对肌肉硬度特征进行筛选,得到筛选后的肌肉硬度特征;
计算每个时间点的肌肉硬度特征,并根据每个时间点的肌肉硬度特征计算平均值,以对所述肌肉特征进行优化。
第二方面,本发明实施例提供一种肌肉超声弹性成像的优化***,其中,所述***包括:
肌肉特征获取模块,用于获取肌肉弹性超声视频中的肌肉超声数据与弹性成像数据,并根据所述肌肉超声数据与所述弹性成像数据,确定肌肉纤维长度特征与肌肉硬度特征;
拟合优度地形图生成模块,用于根据所述肌肉硬度特征和肌肉纤维长度特征,确定所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线,并生成拟合优度地形图;
感兴趣区域获取模块,用于根据所述拟合优度地形图,通过对所述拟合优度地形图进行二值化处理,得到所述弹性成像数据中的感兴趣区域;
筛选与优化模块,用于根据所述感兴趣区域与所述肌肉硬度特征对应的肌肉硬度图,对肌肉硬度特征进行筛选与优化。
第三方面,本发明实施例还提供一种智能终端,其中,所述智能终端包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的肌肉超声弹性成像的优化程序,所述肌肉超声弹性成像的优化程序被所述处理器执行时,实现如上述方案中任意一项所述的肌肉超声弹性成像的优化方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,其中,其上存储有肌肉超声弹性成像的优化程序,所述肌肉超声弹性成像的优化程序被处理器执行时,实现上述方案中任一项所述的肌肉超声弹性成像的优化方法的步骤。
有益效果:与现有技术相比,本发明提供了一种肌肉超声弹性成像的优化方法,首先,本发明获取肌肉弹性超声视频中的肌肉超声数据与弹性成像数据,并根据所述肌肉超声数据与所述弹性成像数据,确定肌肉纤维长度特征与肌肉硬度特征。然后,根据所述肌肉硬度特征和肌肉纤维长度特征,确定所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线,并生成拟合优度地形图。接着,根据所述拟合优度地形图,通过对所述拟合优度地形图进行二值化处理,得到所述弹性成像数据中的感兴趣区域。最后,根据所述感兴趣区域与所述肌肉硬度特征对应的肌肉硬度图,对肌肉硬度特征进行筛选与优化。可见,本发明可以充分应用超声弹性成像的时刻信息,肌肉的生理特性,自动对肌肉超声弹性成像进行感兴趣区域的选择,从而消除肌肉超声弹性成像中的噪声干扰,减少弹性值的空间不均匀性,客观地量化肌肉硬度。
附图说明
图1为本发明实施例提供的肌肉超声弹性成像的优化方法的具体实施方式的流程图。
图2为本发明实施例提供的肌肉超声弹性成像的优化方法中具体应用是的流程图。
图3为本发明实施例提供的肌肉超声弹性成像的优化方法中肌肉弹性超声视频的肌肉弹性超声图像。
图4为本发明实施例提供的肌肉超声弹性成像的优化方法中的肌肉纤维长度测量算法流程图。
图5为本发明实施例提供的肌肉超声弹性成像的优化方法中的肌肉弹性超声图像的饱和度示例图。
图6为本发明实施例提供的肌肉超声弹性成像的优化方法中的肌肉纤维长度特征和肌肉硬度特征在肌肉被动拉伸过程中的变化示意图。
图7为本发明实施例提供的肌肉超声弹性成像的优化方法中的肌肉纤维长度特征和肌肉硬度特征拟合曲线示意图。
图8为本发明实施例提供的肌肉超声弹性成像的优化方法中的拟合优度地形图。
图9为本发明实施例提供的肌肉超声弹性成像的优化方法中的拟合优度地形图的90百分位阈值二值化示意图。
图10是本发明实施例提供的视频画面动态移动装置的原理框图。
图11是本发明实施例提供的智能终端的内部结构原理框图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
超声弹性成像(ultrasound elastography,USE)已被广泛用于量化各种生物医学工程领域中的组织硬度。例如,它在肌肉骨骼评估和研究中越来越受欢迎。但是,很少有医生意识到,并不是所有的肌肉超声弹性成像结果都是可靠的。超声弹性成像的肌肉硬度输出可能会受到探头或肌肉的运动、检测深度、组织不均匀性和其他因素的意外影响,导致噪声的引入和硬度的空间分布不均匀性。这一问题要求医生对肌肉硬度进行量化前,需要对超声弹性成像选择感兴趣区域(ROI),以排除噪声干扰。而对超声弹性成像进行ROI手动选择是一项十分依赖经验,主观性强的工作,可能不必要地引入主观差异并破坏可重复性,影响组织弹性的准确量化。
目前,大多数主流机器针对超声弹性成像的空间分布不均匀性,采用计算硬度输出的平均值或中间值来减轻这种空间差异,但是这种方法过于简单以至于无法应用弹性成像的时空信息,导致肌肉硬度量化结果易受噪声的干扰,从而偏离真实值。
超声检查技术近十年得到了飞速发展,高频探头可在高空间分辨率下显示肌腱、韧带和皮下组织等浅表组织的精细结构。以往,超声仅能获得组织结构的形态学信息,评估硬度则需要通过临床触诊。超声弹性成像是在传统二维超声的基础上获取组织的弹性,提高组织分辨力,实时定量检测软组织弹性数值,从而获得与软组织退化、损伤和愈合相关的力学性质的定量信息。本方案以剪切波弹性成像(shear wave elastography,SWE)为例。
SWE采用“马赫锥”原理,通过发射声辐射脉冲对组织施加激励产生剪切波。法国Supersonic公司生产的Aixplorer系列超声诊断仪利用SWE已实现对组织硬度进行定量测量和彩色编码图。剪切波传播速度值经彩色编码转换为实时彩色图像,从而反映组织的硬度。临床通过触诊评估中风、脊髓损伤和肌病的肌肉痉挛状态,是一种定性和主观的评估方式。而SWE产生剪切波不依赖外力,具有安全、有效、准确且重复性好的优点,其可在肌肉主动或被动运动的过程中实时观察,是一种定量且客观的评估方式,避免了侵入性的肌肉活检或繁琐的实验室肌力检查,因而越来越多的国内外学者应用SWE评估肌肉的力学特性。
综上所述,SWE是一种新型的超声评估技术,可在无需施加外力的情况下实时测量软组织硬度数值,可作为评估组织力学特征的新手段,有较高的临床诊断价值。
在超声弹性成像中,由于噪声的引入和硬度的空间分布不均匀性,并非所有位置的硬度输出都是准确可靠的、即便采用区域均值、中值等指等指标亦如此,这要求对硬度输出进行优化,以保证组织弹性的准确量化。
现有技术中,商业***Virtual Touch IQ(VTIQ;Siemens Medical Solutions,Mountain View,CA,USA)所提供的二维质量度量(quality measure,QM)目前还只停留在定性评估剪切波测量的质量和可靠性上,没有实现对弹性结果的自动优化。而本发明提出一种肌肉超声弹性成像的优化方法,在优化过程中充分应用超声弹性成像的时空信息和肌肉的生理特性,自动对肌肉弹性成像进行ROI的选择,从而消除超声弹性成像中的噪声干扰,减少弹性值的空间不均匀性,客观地量化肌肉硬度。具体实施时,本实施例首先,获取肌肉弹性超声视频中的肌肉超声数据与弹性成像数据,并根据所述肌肉超声数据与所述弹性成像数据,确定肌肉纤维长度特征与肌肉硬度特征。然后,根据所述肌肉硬度特征和肌肉纤维长度特征,确定所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线,并生成拟合优度地形图。接着,根据所述拟合优度地形图,通过对所述拟合优度地形图进行二值化处理,得到所述弹性成像数据中的感兴趣区域。最后,根据所述感兴趣区域与所述肌肉硬度特征对应的肌肉硬度图,对肌肉硬度特征进行筛选与优化。可见,本发明可以充分应用超声弹性成像的时刻信息,肌肉的生理特性,自动对肌肉超声弹性成像进行感兴趣区域的选择,从而消除肌肉超声弹性成像中的噪声干扰,减少弹性值的空间不均匀性,客观地量化肌肉硬度。
示例性方法
本实施例的肌肉超声弹性成像的优化方法可应用于智能终端中,如图1中所示,所述肌肉超声弹性成像的优化方法包括如下步骤:
步骤S100、获取肌肉弹性超声视频中的肌肉超声数据与弹性成像数据,并根据所述肌肉超声数据与所述弹性成像数据,确定肌肉纤维长度特征与肌肉硬度特征。
对动物肌肉的基础研究表明,肌肉的被动伸展性受肌纤维的大小和长度的影响,最佳肌肉功能可能会通过增加肌肉长度,长度可扩展性,被动弹性、刚度和强度而得到增强。对单个肌肉被动拉伸反应的研究可以帮助诊断肌肉疾病,并有助于评估外科手术和康复治疗。本方案在受试者做肌肉被动拉伸时,记录到此过程中的肌肉结构和硬度的动态变化。记录超声弹性图像和实现肌肉被动拉伸的仪器和方法有很多,如采用L15-4线性阵列探头的Aixplorer系列超声诊断仪和关节连续被动运动仪。超声探头的长轴应垂直于肌肉长轴方向,置于肌腹或其它特定位置。超声探头在肌肉被动拉伸期间使用大量超声凝胶以确保探头与皮肤之间的声学耦合。可调整超声探头来优化超声图像中肌束的对比度,并可对位置进行标记以确保探头每次都放置在相同的位置。然后将超声图像数字化,进行在线或离线处理。
具体实施时,本实施例以腓肠肌的剪切波弹性成像作为实例。如图2和图3所示,本实施例首先获取肌肉弹性超声视频(图3即为肌肉弹性超声视频中的图像),然后从所述肌肉弹性超声视频中提取所述弹性成像数据与所述肌肉超声数据,所述弹性成像数据为彩色编码后的肌肉硬度特征,所述肌肉超声数据为浅筋膜、肌纤维、和深筋膜的肌肉特征。
接着,根据所述肌肉超声数据,计算出所述肌肉纤维长度特征。具体地,在肌肉被动拉伸过程中,肌纤维长度(muscle fascicles length,FL)会随着肌肉拉伸而逐渐变长。为了测量超声图像中的FL,可采用手动测量或自动测量,由于手动测量耗时耗力且带有主观性,本方案以自动测量为例。本实施例采用了一种基于Radon变换梯度矩阵(RTGM)的新特征检测方法。检测方法的算法流程图如图4所示。本实施例首先对肌肉超声数据通过对Radon变换矩阵进行沿距离方向的求导,得到梯度矩阵;通过聚类和去噪以及雷登逆变换等操作,提取并分析梯度矩阵中浅层筋膜,深层筋膜和肌纤维的边缘位置,并利用几何关系,计算出所述肌肉纤维长度特征。
然后,根据所述弹性成像数据,导出肌肉硬度图,并获取所述肌肉硬度图中的肌肉硬度特征。具体地,肌肉硬度(muscle stiffness,MS)的提取可采用机器导出或自动测量。由于大多数带弹性成像功能的超声诊断仪无法导出肌肉硬度图(muscle stiffnessimage,MSI),本方案以自动测量为例。在肌肉弹性超声视频中,MSI仅存在于方形ROI中,因此我们首先需要定位ROI。由于MSI已被彩色编码,相比肌肉超声的灰度图像,ROI内的饱和度较高,如图5所示。因此,本实施例将视频的色彩空间从RGB空间映射到HSV空间,然后通过检测高饱和度区域定位ROI。从ROI分离出MSI的彩色图像后,使用带有彩色逆编码算法将其转换为MSI(肌肉硬度图),从而获取到该肌肉硬度特征。
步骤S200、根据所述肌肉硬度特征和肌肉纤维长度特征,确定所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线,并生成拟合优度地形图。
在本实施例中,FL(肌肉纤维长度特征)和MS(肌肉硬度特征)都与肌肉结构相关。MS在肌肉被动拉伸过程中逐渐增大,而FL也同步增大,如图6所示。经过实验,发现FL和MS之间的关系也与指数模型近似一致,这与以往研究相符,如图7所示。从理论上讲,FL和MS可以基于此数学模型进行相互校正。因此本实施例首先可根据所述肌肉硬度特征和肌肉纤维长度特征,确定所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线。通过MSI的不同坐标点采样,我们可以获得一系列随时间变化的MS。从理论上讲,MS越精确,之间的关系应越符合指数模型。因此,本实施例使用指数模型对每个坐标点的所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线,计算每个坐标点的拟合优度,并生成所述拟合优度地形图(mapof goodness of fit,MOF,如图8(a)所示)。整个MSI的MOF的计算量较大。由于MOF中包含的有效信号主要是低频信号(高频信号通常是噪声),为了减少计算时间和降噪,本实施例将MSI下采样为MSI’(如图2中所示,本方案以下采样到15×15的大小为例,如图8(b)所示),再计算MOF,最后将MOF上采样到原始大小。利用了拟合优度地形图,使本发明对MS在不同空间位置的准确性和可靠性进行定量的评估,从而保留有效信号,实现对MS的优化。
步骤S300、根据所述拟合优度地形图,通过对所述拟合优度地形图进行二值化处理,得到所述弹性成像数据中的感兴趣区域。
具体如图2中所示,本实施例可通过对MOF进行二值化,自动生成ROI(感兴趣区域)。不同的二值化阈值可以在不同程度上优化MS,本方案以90百分位阈值为例,如图9所示。通过对所述拟合优度地形图进行二值化处理,得到所述弹性成像数据中的感兴趣区域。
步骤S400、根据所述感兴趣区域与所述肌肉硬度特征对应的肌肉硬度图,对肌肉硬度特征进行筛选与优化。
在本实施例,根据所述感兴趣区域与所述肌肉硬度特征对应的肌肉硬度图,对肌肉硬度特征进行筛选,具体如图2中所示,得到筛选后的肌肉硬度特征;然后计算每个时间点的肌肉硬度特征,并根据每个时间点的肌肉硬度特征计算平均值,以实现对所述肌肉特征进行优化。
在本实施例中,本实施例基于被动拉伸时肌纤维长度特征与肌肉硬度特征之间的关系取现,提出一种肌肉超声弹性成像的优化方法。本发明在优化过程中充分应用超声弹性成像的时空信息和肌肉的生理特性,自动对肌肉弹性成像进行ROI的选择,从而消除肌肉弹性成像中的噪声干扰,减少硬度的空间不均匀性,客观地量化肌肉硬度。而商业***Virtual Touch IQ(VTIQ;Siemens Medical Solutions,Mountain View,CA,USA)所提供的二维质量度量(quality measure,QM)还只停留在定性评估硬度测量的质量和可靠性上,没有实现对硬度结果的自动优化。
综上,本实施例首先获取肌肉弹性超声视频中的肌肉超声数据与弹性成像数据,并根据所述肌肉超声数据与所述弹性成像数据,确定肌肉纤维长度特征与肌肉硬度特征。然后,根据所述肌肉硬度特征和肌肉纤维长度特征,确定所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线,并生成拟合优度地形图。接着,根据所述拟合优度地形图,通过对所述拟合优度地形图进行二值化处理,得到所述弹性成像数据中的感兴趣区域。最后,根据所述感兴趣区域与所述肌肉硬度特征对应的肌肉硬度图,对肌肉硬度特征进行筛选与优化。可见,本实施例可以充分应用超声弹性成像的时刻信息,肌肉的生理特性,自动对肌肉超声弹性成像进行感兴趣区域的选择,从而消除肌肉超声弹性成像中的噪声干扰,减少弹性值的空间不均匀性,客观地量化肌肉硬度。
示例性设备
如图10中所示,本发明实施例提供一种肌肉超声弹性成像的优化***,该***包括:肌肉特征获取模块10、拟合优度地形图生成模块20、感兴趣区域获取模块30、筛选与优化模块40。具体地,所述肌肉特征获取模块10,用于获取肌肉弹性超声视频中的肌肉超声数据与弹性成像数据,并根据所述肌肉超声数据与所述弹性成像数据,确定肌肉纤维长度特征与肌肉硬度特征。所述拟合优度地形图生成模块20,用于根据所述肌肉硬度特征和肌肉纤维长度特征,确定所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线,并生成拟合优度地形图。所述感兴趣区域获取模块30,用于根据所述拟合优度地形图,通过对所述拟合优度地形图进行二值化处理,得到所述弹性成像数据中的感兴趣区域。所述筛选与优化模块40,用于根据所述感兴趣区域与所述肌肉硬度特征对应的肌肉硬度图,对肌肉硬度特征进行筛选与优化。
在一种实现方式中,所述肌肉特征获取模块10包括:
超声数据获取单元,用于获取肌肉弹性超声视频,并从所述肌肉弹性超声视频中提取所述弹性成像数据与所述肌肉超声数据,所述弹性成像数据为彩色编码后的肌肉硬度特征,所述肌肉超声数据为浅筋膜、肌纤维、和深筋膜的肌肉特征;
长度特征获取单元,用于根据所述肌肉超声数据,计算出所述肌肉纤维长度特征;
硬度特征获取单元,用于根据所述弹性成像数据,导出肌肉硬度图,并获取所述肌肉硬度图中的肌肉硬度特征。
在一种实现方式中,所述拟合优度地形图生成模块20包括:
关系曲线获取单元,用于根据所述肌肉硬度特征和肌肉纤维长度特征,确定所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线;
地形图生成单元,用于使用指数模型对每个坐标点的所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线,计算每个坐标点的拟合优度,并生成所述拟合优度地形图。
在一种实现方式中,所述筛选与优化模块40包括:
硬度特征筛选单元,用于根据所述感兴趣区域与所述肌肉硬度特征对应的肌肉硬度图,对肌肉硬度特征进行筛选,得到筛选后的肌肉硬度特征;
硬度特征优化单元,用于计算每个时间点的肌肉硬度特征,并根据每个时间点的肌肉硬度特征计算平均值,以对所述肌肉特征进行优化。
基于上述实施例,本发明还提供了一种智能终端,其原理框图可以如图11所示。该智能终端包括通过***总线连接的处理器、存储器、网络接口、显示屏、温度传感器。其中,该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种肌肉超声弹性成像的优化方法。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏,该智能终端的温度传感器是预先在智能终端内部设置,用于检测内部设备的运行温度。
本领域技术人员可以理解,图11中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的智能终端的限定,具体的智能终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种智能终端,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
获取肌肉弹性超声视频中的肌肉超声数据与弹性成像数据,并根据所述肌肉超声数据与所述弹性成像数据,确定肌肉纤维长度特征与肌肉硬度特征;
根据所述肌肉硬度特征和肌肉纤维长度特征,确定所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线,并生成拟合优度地形图;
根据所述拟合优度地形图,通过对所述拟合优度地形图进行二值化处理,得到所述弹性成像数据中的感兴趣区域;
根据所述感兴趣区域与所述肌肉硬度特征对应的肌肉硬度图,对肌肉硬度特征进行筛选与优化。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上,本发明公开了一种肌肉超声弹性成像的优化方法及***,方法包括:获取肌肉弹性超声视频中的弹性成像数据与肌肉超声数据,并根据弹性成像数据与肌肉超声数据,确定肌肉硬度特征和肌肉纤维长度特征;根据肌肉硬度特征和肌肉纤维长度特征,确定肌肉硬度特征与肌肉纤维长度特征的关系曲线,并生成拟合优度地形图;根据拟合优度地形图,通过对拟合优度地形图进行二值化处理,得到弹性成像数据中的感兴趣区域;根据感兴趣区域与肌肉硬度特征对应的肌肉硬度图,对肌肉硬度特征进行筛选与优化。本发明可以充分应用超声弹性成像的肌肉的生理特性,自动对肌肉超声弹性成像进行感兴趣区域的选择,从而消除肌肉超声弹性成像中的噪声干扰。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种肌肉超声弹性成像的优化方法,其特征在于,所述方法包括:
获取肌肉弹性超声视频中的肌肉超声数据与弹性成像数据,并根据所述肌肉超声数据与所述弹性成像数据,确定肌肉纤维长度特征与肌肉硬度特征;
根据所述肌肉硬度特征和肌肉纤维长度特征,确定所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线,并生成拟合优度地形图;
根据所述拟合优度地形图,通过对所述拟合优度地形图进行二值化处理,得到所述弹性成像数据中的感兴趣区域;
根据所述感兴趣区域与所述肌肉硬度特征对应的肌肉硬度图,对肌肉硬度特征进行筛选与优化。
2.根据权利要求1所述的肌肉超声弹性成像的优化方法,其特征在于,所述获取肌肉弹性超声视频中的肌肉超声数据与弹性成像数据,并根据所述肌肉超声数据与所述弹性成像数据,确定肌肉纤维长度特征与肌肉硬度特征,包括:
获取肌肉弹性超声视频,并从所述肌肉弹性超声视频中提取所述弹性成像数据与所述肌肉超声数据,所述弹性成像数据为彩色编码后的肌肉硬度特征,所述肌肉超声数据为浅筋膜、肌纤维、和深筋膜的肌肉特征;
根据所述肌肉超声数据,计算出所述肌肉纤维长度特征;
根据所述弹性成像数据,导出肌肉硬度图,并获取所述肌肉硬度图中的肌肉硬度特征。
3.根据权利要求2所述的肌肉超声弹性成像的优化方法,其特征在于,所述根据所述肌肉超声数据,计算出所述肌肉纤维长度特征,包括:
对肌肉超声数据通过对Radon变换矩阵进行沿距离方向的求导,得到梯度矩阵;
通过聚类和去噪,提取并分析梯度矩阵中浅层筋膜,深层筋膜和肌纤维的边缘位置,并利用几何关系,计算出所述肌肉纤维长度特征。
4.根据权利要求2所述的肌肉超声弹性成像的优化方法,其特征在于,所述根据所述弹性成像数据,导出肌肉硬度图,并获取所述肌肉硬度图中的肌肉硬度特征,包括:
将所述弹性成像数据中的色彩空间从RGB空间映射至HSV空间;
通过检测高饱和度区域,确定所述弹性成像数据中的感兴趣区域;
从所述感兴趣区域中分离出彩色图像,并采用带有彩色逆编码算法将该肌肉硬度图转化为肌肉硬度图。
5.根据权利要求1所述的肌肉超声弹性成像的优化方法,其特征在于,所述根据所述肌肉硬度特征和肌肉纤维长度特征,确定所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线,并生成拟合优度地形图,包括:
根据所述肌肉硬度特征和肌肉纤维长度特征,确定所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线;
使用指数模型对每个坐标点的所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线,计算每个坐标点的拟合优度,并生成所述拟合优度地形图。
6.根据权利要求1所述的肌肉超声弹性成像的优化方法,其特征在于,所述根据所述感兴趣区域与所述肌肉硬度特征对应的肌肉硬度图,对肌肉硬度特征进行筛选与优化,包括:
根据所述感兴趣区域与所述肌肉硬度特征对应的肌肉硬度图,对肌肉硬度特征进行筛选,得到筛选后的肌肉硬度特征;
计算每个时间点的肌肉硬度特征,并根据每个时间点的肌肉硬度特征计算平均值,以对所述肌肉特征进行优化。
7.一种肌肉超声弹性成像的优化***,其特征在于,所述***包括:
肌肉特征获取模块,用于获取肌肉弹性超声视频中的肌肉超声数据与弹性成像数据,并根据所述肌肉超声数据与所述弹性成像数据,确定肌肉纤维长度特征与肌肉硬度特征;
拟合优度地形图生成模块,用于根据所述肌肉硬度特征和肌肉纤维长度特征,确定所述肌肉硬度特征与所述肌肉纤维长度特征的关系曲线,并生成拟合优度地形图;
感兴趣区域获取模块,用于根据所述拟合优度地形图,通过对所述拟合优度地形图进行二值化处理,得到所述弹性成像数据中的感兴趣区域;
筛选与优化模块,用于根据所述感兴趣区域与所述肌肉硬度特征对应的肌肉硬度图,对肌肉硬度特征进行筛选与优化。
8.根据权利要求7所述的肌肉超声弹性成像的优化***,其特征在于,所述肌肉弹性超声视频包括所述弹性成像数据与所述肌肉超声数据,所述弹性成像数据为彩色编码后的肌肉硬度特征,所述肌肉超声数据为浅筋膜、肌纤维、和深筋膜的肌肉特征。
9.一种智能终端,其特征在于,所述智能终端包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的肌肉超声弹性成像的优化程序,所述肌肉超声弹性成像的优化程序被所述处理器执行时,实现如权利要求1-6任一项所述的肌肉超声弹性成像的优化方法的步骤。
10.一种计算机可读存储介质,其特征在于,其上存储有肌肉超声弹性成像的优化程序,所述肌肉超声弹性成像的优化程序被处理器执行时,实现如权利要求1-6任一项所述的肌肉超声弹性成像的优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011374220.2A CN112674791B (zh) | 2020-11-30 | 2020-11-30 | 肌肉超声弹性成像的优化方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011374220.2A CN112674791B (zh) | 2020-11-30 | 2020-11-30 | 肌肉超声弹性成像的优化方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112674791A true CN112674791A (zh) | 2021-04-20 |
CN112674791B CN112674791B (zh) | 2023-08-29 |
Family
ID=75446898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011374220.2A Active CN112674791B (zh) | 2020-11-30 | 2020-11-30 | 肌肉超声弹性成像的优化方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112674791B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113693633A (zh) * | 2021-10-28 | 2021-11-26 | 深圳高性能医疗器械国家研究院有限公司 | 骨骼肌被动弹性系数获取装置、设备及存储介质 |
WO2022042778A3 (es) * | 2021-10-01 | 2022-09-22 | Rosero Nanez Juan Manuel | Sistema de elastografía ultrasónica como herramienta de apoyo diagnóstico en personas con espasticidad muscular, y su método de operación |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5810731A (en) * | 1995-11-13 | 1998-09-22 | Artann Laboratories | Method and apparatus for elasticity imaging using remotely induced shear wave |
US20060167358A1 (en) * | 2005-01-26 | 2006-07-27 | Mustafa Karamanoglu | Method and apparatus for muscle function measurement |
US20070282202A1 (en) * | 2004-02-09 | 2007-12-06 | Maurice Roch L | Method And System For Vascular Elastography |
CN103690192A (zh) * | 2013-12-11 | 2014-04-02 | 中国科学院深圳先进技术研究院 | 基于超声影像的跟腱形态学分析的***和方法 |
US20140094702A1 (en) * | 2011-05-23 | 2014-04-03 | The Regents Of The University Of Michigan | Methods and apparatuses for measuring tissue stiffness changes using ultrasound elasticity imaging |
US20150094584A1 (en) * | 2013-09-30 | 2015-04-02 | Kabushiki Kaisha Toshiba | Ultrasound diagnosis apparatus and image processing apparatus |
CN104622511A (zh) * | 2015-01-26 | 2015-05-20 | 首都医科大学附属北京天坛医院 | 一种利用超声波检测骨骼肌机械力学参数的装置及超声波检测方法 |
KR20160053392A (ko) * | 2014-11-04 | 2016-05-13 | 국방과학연구소 | 근육 동특성 모델링 방법 및 장치 |
CN106794003A (zh) * | 2014-07-17 | 2017-05-31 | 国家健康与医学研究院 | 获得肌肉的功能参数的方法 |
CN107961038A (zh) * | 2017-12-12 | 2018-04-27 | 深圳先进技术研究院 | 一种根据超声弹性肌动图获取生物力学参数的方法及装置 |
CN108685593A (zh) * | 2017-04-12 | 2018-10-23 | 北京力泰克科技有限公司 | 一种压缩硬度和/或肌肉筋膜室压的监测方法及监测设备 |
CN109893172A (zh) * | 2019-02-22 | 2019-06-18 | 清华大学 | 基于弹性成像的力学参数的确定方法及装置、计算机设备 |
CN111067567A (zh) * | 2019-12-16 | 2020-04-28 | 清华大学 | 测量神经各向异性弹性性质的弹性成像方法及装置 |
CN111698947A (zh) * | 2018-02-09 | 2020-09-22 | 皇家飞利浦有限公司 | 多参数组织硬度量化 |
-
2020
- 2020-11-30 CN CN202011374220.2A patent/CN112674791B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5810731A (en) * | 1995-11-13 | 1998-09-22 | Artann Laboratories | Method and apparatus for elasticity imaging using remotely induced shear wave |
US20070282202A1 (en) * | 2004-02-09 | 2007-12-06 | Maurice Roch L | Method And System For Vascular Elastography |
US20060167358A1 (en) * | 2005-01-26 | 2006-07-27 | Mustafa Karamanoglu | Method and apparatus for muscle function measurement |
US20140094702A1 (en) * | 2011-05-23 | 2014-04-03 | The Regents Of The University Of Michigan | Methods and apparatuses for measuring tissue stiffness changes using ultrasound elasticity imaging |
US20150094584A1 (en) * | 2013-09-30 | 2015-04-02 | Kabushiki Kaisha Toshiba | Ultrasound diagnosis apparatus and image processing apparatus |
CN103690192A (zh) * | 2013-12-11 | 2014-04-02 | 中国科学院深圳先进技术研究院 | 基于超声影像的跟腱形态学分析的***和方法 |
CN106794003A (zh) * | 2014-07-17 | 2017-05-31 | 国家健康与医学研究院 | 获得肌肉的功能参数的方法 |
KR20160053392A (ko) * | 2014-11-04 | 2016-05-13 | 국방과학연구소 | 근육 동특성 모델링 방법 및 장치 |
CN104622511A (zh) * | 2015-01-26 | 2015-05-20 | 首都医科大学附属北京天坛医院 | 一种利用超声波检测骨骼肌机械力学参数的装置及超声波检测方法 |
CN108685593A (zh) * | 2017-04-12 | 2018-10-23 | 北京力泰克科技有限公司 | 一种压缩硬度和/或肌肉筋膜室压的监测方法及监测设备 |
CN107961038A (zh) * | 2017-12-12 | 2018-04-27 | 深圳先进技术研究院 | 一种根据超声弹性肌动图获取生物力学参数的方法及装置 |
US20200229794A1 (en) * | 2017-12-12 | 2020-07-23 | Shenzhen Institutes Of Advanced Technology | Method and Device for Acquiring Biomechanical Parameters Based on Ultrasonic Elastomyogram |
CN111698947A (zh) * | 2018-02-09 | 2020-09-22 | 皇家飞利浦有限公司 | 多参数组织硬度量化 |
CN109893172A (zh) * | 2019-02-22 | 2019-06-18 | 清华大学 | 基于弹性成像的力学参数的确定方法及装置、计算机设备 |
CN111067567A (zh) * | 2019-12-16 | 2020-04-28 | 清华大学 | 测量神经各向异性弹性性质的弹性成像方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022042778A3 (es) * | 2021-10-01 | 2022-09-22 | Rosero Nanez Juan Manuel | Sistema de elastografía ultrasónica como herramienta de apoyo diagnóstico en personas con espasticidad muscular, y su método de operación |
CN113693633A (zh) * | 2021-10-28 | 2021-11-26 | 深圳高性能医疗器械国家研究院有限公司 | 骨骼肌被动弹性系数获取装置、设备及存储介质 |
CN113693633B (zh) * | 2021-10-28 | 2022-02-08 | 深圳高性能医疗器械国家研究院有限公司 | 骨骼肌被动弹性系数获取装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112674791B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Goenezen et al. | Linear and nonlinear elastic modulus imaging: an application to breast cancer diagnosis | |
US20150005637A1 (en) | Tissue displacement estimation by ultrasound speckle tracking | |
US10004474B2 (en) | Tissue density quantification using shear wave information in medical ultrasound scanning | |
US8840555B2 (en) | System and method of ultrasound image processing | |
JP5485508B2 (ja) | 改良された軟部組織の超音波歪測定のための方法及び装置 | |
US11452502B2 (en) | Method and device for acquiring biomechanical parameters based on ultrasonic elastomyogram | |
DE102012108121A1 (de) | Verfahren und System für ultraschallgestützte automatische Erkennung, Quantifizierung und Nachverfolgung von Pathologien | |
Zhao et al. | Automatic tracking of muscle fascicles in ultrasound images using localized radon transform | |
CN112674791B (zh) | 肌肉超声弹性成像的优化方法及*** | |
de Ruijter et al. | Automated 3D geometry segmentation of the healthy and diseased carotid artery in free‐hand, probe tracked ultrasound images | |
Soleimani et al. | Carotid artery wall motion estimation from consecutive ultrasonic images: Comparison between block-matching and maximum-gradient algorithms | |
Pauchard et al. | Automated quantification of three-dimensional subject motion to monitor image quality in high-resolution peripheral quantitative computed tomography | |
US20230119063A1 (en) | Methods and Systems for Evaluating Echo Data Contemporaneous with an Electrodiagnostic Study | |
Zhou et al. | Assessment of scoliosis using 3-D ultrasound volume projection imaging with automatic spine curvature detection | |
CN111281426B (zh) | 表浅神经的超声成像及图像分析方法 | |
EP2599444A1 (en) | Method and device for determining the elastic modulus of a biological tissue | |
JP7215053B2 (ja) | 超音波画像評価装置、超音波画像評価方法および超音波画像評価プログラム | |
CN112288733A (zh) | 一种肌肉超声图像检测方法、***、终端以及存储介质 | |
JP2004267464A (ja) | 超音波診断装置 | |
JP5503412B2 (ja) | 歪み画像データをスケーリングするためのコンピュータプログラムが記憶されたコンピュータ可読記憶媒体 | |
CN112545567B (zh) | 超声图像处理方法、装置、超声诊断设备及存储介质 | |
Sahrmann et al. | 3D ultrasound-based determination of skeletal muscle fascicle orientations | |
Bai et al. | A two-dimensional CVIB imaging system with a speckle tracking algorithm | |
US20230281803A1 (en) | A system for visual data analysis of ultrasound examinations with and without a contrast medium, for early automated diagnostics of pancreatic pathologies | |
Zhou et al. | Measurement of Skeletal Muscle Pennation Angle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |