基于多级融合和细分的超声波肌肉形态参数的自动提取和测量
Mingxia Zhang1, Liangrun Zhao2, Xiaohan Wang1
1Institute of Medical Research, Northwestern Polytechnical University, Xi'an, China.
Ultrasonics
|October 26, 2023
概括
这项研究介绍了MSF-Net,这是一个新的深度学习模型,用于从超声波图像中准确测量骨肌肉结构. 无国界医生网络精确提取肌肉和肌神经,帮助临床评估和康复指导.
科学领域:
- 生物医学工程 生物医学工程
- 医学成像分析 医学成像分析
- 肌肉骨研究 研究
背景情况:
- 准确估计骨肌肉的力量和结构对于临床评估至关重要.
- 这需要精确测量形态参数,如肌肉厚度,角和带长度.
- 在医疗图像中识别脊髓神经瘤和结节对于这些测量至关重要.
研究的目的:
- 引入MSF-Net,这是一个多阶段的融合和细分模型,用于精确地从超声波图像中提取肌肉脊髓瘤和囊.
- 为了提高骨肌肉形态参数测量的准确性.
主要方法:
- 开发了一种用于超声波图像分析的多阶段融合和细分模型 (MSF-Net).
- 整合了先前功能融合模块 (PFFM),以专注于感兴趣的区域并减少噪音.
- 使用多尺度特征融合模块 (MS-FFM) 精确提取不同尺寸的肌肉.
- 实施了一个高低级特征融合注意模块 (H-LFFAM) 来加强信息特征.
主要成果:
- 与现有方法相比,MSF-Net实现了更高的性能,获得了最高的评估指标.
- 该模型的结果与临床专家的手动测量结果非常相匹配.
- 证明的平均偏差很小:肌肉厚度为0.18毫米,长为1.71毫米,角为0.31°.
结论:
- 无国界医生网络精确地从超声波图像中提取关键肌肉形态参数.
- 这有助于专家评估肌肉形态和功能,指导康复.
- 无国界医生网 (MSF-Net) 作为临床肌肉评估的有价值的补充成像工具.
