超声波图像的自动化分析,通过使用多个特征点跟踪算法来测量肌交叉路口的远程

科学领域:

• 生物力学 生物力学
• 医疗成像医学成像
• 肌肉骨研究 研究

背景情况:

• 超声波成像对于体内评估肌单元机制至关重要.
• 由于形态变化,在动态收缩期间精确追踪肌结 (MTJ) 是一个挑战.
• 现有的方法与MTJ的变形作斗争,影响测量可靠性.

研究的目的:

• 开发和验证一种新的算法,用于在肌肉收缩期间强大的MTJ跟踪.
• 为了提高体内MTJ外流测量的准确性和可重复性.
• 提高对肌力学和肌相互作用的理解.

主要方法:

• 设计了一种新的算法来提取和跟踪超声波图像中的多个特征点,用于自动测量MTJ.
• 该算法在20名健康参与者身上进行了实验评估,这些参与者在同位数最大收缩过程中进行了实验.
• 用拟议的方法和两种常规技术 (多次更新模板匹配和修改的卢卡斯-卡纳德) 分析了中间胃角肌和阿基勒斯肌接口的超声波回声图像.

主要成果:

• 与传统方法 (2.18 ± 0.89和1.84 ± 1.13) 相比,提出的多个特征点算法显示出较低的根平均平方误差 (RMSE) 为1.57 ± 0.62.
• 该算法实现了更高的重复性,具有0.96的类内相关系数 (ICC),显著超过其他方法 (0.40和0.86).
• 布兰德-阿尔特曼分析证实,拟议方法的可信度区间较低,为95%,这表明一致性更高,误差更小.

结论:

• 新的多功能点跟踪算法为测量动态肌肉收缩期间的MTJ外流提供了更准确和可靠的方法.
• 这种方法克服了单一参考点跟踪的局限性,并接近手动分析的精度.
• 研究结果表明,这种算法对于肌肉骨系统的体内生物力学研究是一个有价值的工具.