基于超聲的厚度提取算法*

葉林偉, 劉洪海

(上海交通大學(xué) 機(jī)械系統(tǒng)與振動(dòng)國家重點(diǎn)實(shí)驗(yàn)室，上海 200240)

0 引 言

肌肉在收縮和舒張的過程中，其結(jié)構(gòu)形態(tài)會發(fā)生變化。肌電信號(EMG)和肌音信號(MMG)是眾多研究骨骼肌力學(xué)特性的方法中2種最常用的方法[1～3]，分別反映了肌肉運(yùn)動(dòng)單元的神經(jīng)和力學(xué)活動(dòng)，但兩者均不能反映肌肉的結(jié)構(gòu)形態(tài)特征。對肌肉形態(tài)學(xué)的研究主要有核磁共振成像，計(jì)算機(jī)斷層掃描，超聲影像等。由于超聲影像的實(shí)時(shí)、便攜、無輻射和低成本的特性。在肌肉收縮和舒張過程的研究中，應(yīng)用的越來越多。目前，對肌肉的研究集中于運(yùn)用超聲影像實(shí)時(shí)獲取肌肉的形態(tài)學(xué)參數(shù)，如肌肉厚度[4，5]，羽狀角等，此外，也有對如何用超聲影像分析人體的手勢動(dòng)作[6，7],肌肉疲勞[8]等進(jìn)行研究。

本文提出了一種測量上臂肱二頭肌肌肉厚度的方法：上肌腹對特征點(diǎn)的提取跟蹤；下肌膜特征線的提取和跟蹤；計(jì)算肌內(nèi)厚度。

1 模型總體流程

典型的肱二頭肌超聲圖像如圖1所示。

圖1 上臂超聲圖像

可以觀察到肌肉上界面與下界面(箭頭所指)，上界面為肌肉組織與皮膚等其他組織的分界面，為不規(guī)則的曲線，下界面為肱二頭肌與骨骼的界面，可以看作直線。肌肉的厚度即為上下界面的距離，本文中定義的肌肉厚度為上界面某一點(diǎn)到下界面對應(yīng)點(diǎn)的豎直距離。根據(jù)圖像中上下界面的特點(diǎn)，采取的算法流程如圖2所示。

圖2 算法流程框

對于上界面，采取點(diǎn)跟蹤的方式，用一個(gè)點(diǎn)代表上界面，對下界面，采取直線跟蹤的方式，用直線代表下界面，而后點(diǎn)到直線的豎直距離即為肌肉的厚度。

2 上界面點(diǎn)跟蹤

用特征點(diǎn)代表上界面的跟蹤流程如下：

1)特征點(diǎn)檢測

圖3為肌肉上界面特征點(diǎn)檢測過程：

a.從圖像中取包含上界面的矩形區(qū)域；

b.將此區(qū)域灰度值按列疊加，形成一行數(shù)據(jù)，歸一化后尋找峰值點(diǎn)。在底部中上界面對應(yīng)處可以看到明顯的峰值點(diǎn)，則在頂部圖中，特征點(diǎn)的橫坐標(biāo)由底部圖中左側(cè)虛線對應(yīng)的峰值點(diǎn)的橫坐標(biāo)確定，縱坐標(biāo)定義為矩形兩條長邊縱坐標(biāo)的均值。

圖3 特征點(diǎn)檢測

2)特征點(diǎn)跟蹤

設(shè)第N幀圖像中特征點(diǎn)位置(x0,y0),第N+1幀檢測得峰值點(diǎn)為(x1,y1),因?yàn)榻缑孢B續(xù)變化，特征點(diǎn)亦連續(xù)變化，則相鄰特征點(diǎn)之間的位移滿足

(1)

式中ε為一正數(shù)。當(dāng)峰值點(diǎn)滿足條件時(shí)，即為第N+1幀的特征點(diǎn)。

應(yīng)用特征點(diǎn)檢測和跟蹤，即可在視頻流中不斷地跟蹤代表上界面的特征點(diǎn)，實(shí)現(xiàn)上界面跟蹤。

3 下界面跟蹤

檢測出肌肉與骨骼的界面的直線后，即可用點(diǎn)到直線的豎直距離作為肌肉的厚度。

1)直線檢測

直線檢測采取霍夫變換的方法，霍夫變原理如圖4所以，利用點(diǎn)與線的對偶性，將圖像空間中的直線通過表達(dá)形式變換為參數(shù)空間的一個(gè)點(diǎn)。即將原始圖像中給定直線的檢測問題轉(zhuǎn)換為尋找參數(shù)空間中的峰值問題。

圖4 霍夫變換

圖4所示直線可用參數(shù)對(ρ′,θ′)表示，直線的檢測采取投票的策略，即位于直線軌跡上的點(diǎn)越多，則此直線存在的概率越大。

2)直線跟蹤

直線跟蹤方法與點(diǎn)跟蹤方法相似，均采用閾值的方法。

設(shè)直線1經(jīng)過的坐標(biāo)為

[x0,x1,x2，…，xn]

(2)

直線2經(jīng)過的坐標(biāo)為

[y1,y2,y3，…，yn]

(3)

因下界面連續(xù)變化，故檢出直線也連續(xù)變化，2條特征線坐標(biāo)滿足

(4)

式中ε為一正數(shù)。當(dāng)檢測出的直線滿足條件時(shí)，即為第N+1幀的特征線。

應(yīng)用特征線檢測和跟蹤，即可在視頻流中不斷地跟蹤代表下界面的特征線，實(shí)現(xiàn)下界面的跟蹤。

4 實(shí)驗(yàn)結(jié)果

檢測出上界面特征點(diǎn)與下界面特征線之后，即計(jì)算上下界面間的距離，圖5為特征點(diǎn)與特征線檢測結(jié)果。兩者之間的豎直距離即為肌肉厚度。

圖5 檢測結(jié)果

實(shí)驗(yàn)時(shí)，受試者坐在椅子上，超聲探頭固定于人體上臂肱二頭肌處，保持上臂自然下垂，前臂做屈伸運(yùn)動(dòng)。持續(xù)時(shí)間為30～40 s左右。圖6為實(shí)驗(yàn)結(jié)果。分別反映了肘部屈伸角度、肌肉厚度(pixel)隨幀序列的變化關(guān)系。

圖6 實(shí)驗(yàn)結(jié)果

5 結(jié)果評價(jià)

為了評價(jià)算法的有效性和結(jié)果的準(zhǔn)確性，手工測量了500幅圖像的肌肉厚度值，每組100幅圖像，每組圖像進(jìn)行了2次測量，并取平均值，以消除單次測量的誤差，其中一組測量值對比如圖7所示。

圖7 2種測量值對比

為定量評測結(jié)果的好壞，以相關(guān)系數(shù)和標(biāo)準(zhǔn)均方根誤差作為評價(jià)指標(biāo)，評價(jià)結(jié)果如表1所示?？梢钥闯觯合嚓P(guān)系數(shù)均大于0.9，均方根誤差均小于5 pixel，誤差在可接受范圍內(nèi)，并且自動(dòng)測量結(jié)果數(shù)據(jù)離散度小，數(shù)據(jù)較為平滑，相對于手工測量，減小了隨機(jī)誤差的影響。

表1 評價(jià)結(jié)果

6 結(jié) 論

提出了一種基于超聲圖像的肌肉厚度自動(dòng)測量方法，相對于傳統(tǒng)手工測量，大幅減少了工作量，同時(shí)提高了測量的精度，通過實(shí)驗(yàn)證明了方法的有效性和精確性。

[1] 丁其川，熊安斌，趙新剛，等.基于表面肌電的運(yùn)動(dòng)意圖識別方法研究及應(yīng)用綜述[J].自動(dòng)化學(xué)報(bào)，2016,42(1):13-25.

[2] 游 淼.基于肌動(dòng)圖(MMG)與肌電圖(EMG)信號的假肢控制系統(tǒng)研究[D].長沙：中南大學(xué),2011.

[3] 李慶玲.基于sEMG信號的外骨骼式機(jī)器人上肢康復(fù)系統(tǒng)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2009.

[4] 凌 姍.超聲序列圖像中肌肉形態(tài)特征的自動(dòng)測量方法研究[D].長沙：中南大學(xué),2014.

[5] Shi J,Zheng Y P,Huang Q H,et al.Continuous monitoring of sonomyography,electromyography and torque generated by normal upper arm muscles during isometric contraction:Sonomyography assessment for arm muscles[J].IEEE Transactions on Biomedical Engineering,2008,55(3):1191-1198.

[6] Sikdar S,Rangwala H,Eastlake E B,et al.Novel method for predicting dexterous individual finger movements by imaging muscle activity using a wearable ultrasonic system[J].IEEE Transactions on Neural Systems and Rehabilitation Engineering,2014,22(1):69-76.

[7] Shi J,Zheng Y,Yan Z.Prediction of wrist angle from sonomyography signals with artificial neural networks technique[C]∥International Conference of the IEEE Engineering in Medicine & Bio-logy Society,IEEE Engineering in Medicine & Biology Society Conference,PubMed,2006:3549-3552.

[8] Shi J,Zheng Y P,Chen X,et al.Assessment of Muscle fatigue using sonomyography:Muscle thickness change detected from ultrasound images[J].Medical Engineering & Physics,2007,29(4):472-479.