一种基于聚类的方法,用于从B模式超声波图像中估计笔纹角度

科学领域:

• 生物力学 生物力学
• 医疗成像医学成像
• 机器人技术 机器人技术 机器人技术

背景情况:

• B模式超声波 (US) 非侵入性地测量骨肌肉结构,这对于人类在康复/辅助设备中的意图至关重要.
• 手动分析美国图像的肌肉特征是主观的,耗时的,劳动密集的.
• 精确的肌肉特征提取对于闭环的人机交互控制至关重要.

研究的目的:

• 提出一种基于集群的新型检测方法,用于从B模式US图像中自动识别肌肉和肌.
• 通过模仿人类专家的分析,准确计算笔纹角.
• 为了评估该方法在低频图像流上的稳定性和准确性.

主要方法:

• 开发了一个基于集群的检测算法,假设管状肌肉纤维的特征.
• 该方法识别了带和肌脉膜,以计算角.
• 性能与UltraTrack和ImageJ在20 Hz频率的数据集上进行了基准测试.

主要成果:

• 与UltraTrack和ImageJ相比,提出的基于集群的方法显示出更高的准确性.
• 算法的准确性与训练有素的人类专家的准确性相当.
• 该方法在低频超声波图像流中被证明是可靠的.

结论:

• 开发的方法显示了自动检测肌肉带方向的巨大潜力.
• 这种技术可以促进生物力学建模,康复机器人控制设计和神经肌肉疾病诊断.
• 这种方法适用于使用低频超声波数据流的应用.