本发明涉及医学领域，更具体地说，涉及一种肌肉连续超声图像(大于两帧)中肌肉肌腱结的测量方法及系统。
背景技术：
肌肉肌腱单元(muscle-tendonunit；mtu)在运动中扮演着很重要的角色。当肌肉收缩生成力后，肌肉与肌腱会通过肌肉肌腱单元相互作用，以此来实现对身体运动的控制和调节。目前，肌肉肌腱单元的变化主要依靠逆动力学的方法进行估计。由于没有直接检测肌肉，肌腱和肌肉肌腱结的结构和位置变化，不能直观地对肌肉与肌腱之间的活动进行定量分析，从而使得得到的结果不够客观准确。
目前，超声成像通过实时检测肌肉和肌腱结构变化，在肌肉和肌腱功能评估中展现出了很大的潜力。通过检测连续超声图像(大于两帧)中肌肉肌腱结的位置变化，可以定量分析肌肉与肌腱之间相互作用，理解肌肉肌腱单元的功能和状态。但是，在连续超声图像(大于两帧)中手动检测肌肉肌腱结的位置非常费时，从而很难测量肌肉肌腱结在运动中的连续变化。
技术实现要素：
本发明要解决的技术问题在于，提供一种肌肉连续超声图像中肌肉肌腱结的测量方法及系统，可实现在连续肌肉超声图像(大于两帧)中测量肌肉肌腱结的位置变化。
为解决上述技术问题，本发明实施例采用的技术方案是：
第一方面，本发明实施例提供一种肌肉连续超声图像中肌肉肌腱结的测量方法，包括如下步骤：
s1.在第一帧肌肉超声图像中，选定位于肌腱上的跟踪点，并确定肌肉肌腱结的位置；
s2.根据当前帧肌肉超声图像中所述肌肉肌腱结的位置，获取当前帧肌肉超声图像中包含肌肉肌腱结的区域；所述当前帧肌肉超声图像初始为第一帧肌肉超声图像；
s3.在所述包含肌肉肌腱结的区域上，获取该区域在当前帧肌肉超声图像相对下一帧肌肉超声图像的仿射变换系数；
s4.根据所述仿射变换系数,计算位于肌腱上的跟踪点在下一帧肌肉超声图像中的位移；
s5.根据所述跟踪点的位移,计算肌腱及肌肉肌腱结在下一帧肌肉超声图像中的位置，并计算肌肉肌腱结在下一帧肌肉超声图像相对第一帧肌肉超声图像的位移；
s6.将下一帧肌肉超声图像作为当前帧肌肉超声图像，返回步骤s2，进行后继肌肉超声图像的肌肉肌腱结位移测量，直到超声图像中所有肌肉肌腱结位移测量结束。
结合第一方面，作为第一种可实现的方案，所述步骤s1中，所述确定肌肉肌腱结的位置，包括：
根据所述跟踪点，确定两条肌腱的位置；
将所述两条肌腱的位置交点作为肌肉肌腱结的位置。
结合第一方面，作为第二种可实现的方案，所述步骤s2具体包括：
通过当前帧肌肉超声图像中的相位信息，增强当前帧肌肉超声图像中的肌腱以及肌肉肌腱结结构；
对所述增强后的当前帧肌肉超声图像进行分割，获取当前帧肌肉超声图像中包含肌肉肌腱结的区域。
结合第一方面第二种可实现的方案，作为第三种可实现的方案，所述对所述增强后的当前帧肌肉超声图像进行分割，包括：
按照肌腱和肌肉肌腱结的结构特征，使用局部雷登变换定位构成肌肉肌腱结的肌腱组织；
根据所述肌腱组织，采用otsu算法分割出包含肌肉肌腱结的区域。
结合第一方面，作为第四种可实现的方案，所述步骤s3中，采用光流场的方法，计算所述包含肌肉肌腱结的区域在当前帧肌肉超声图像相对下一帧肌肉超声图像的仿射变换系数。
结合第一方面，作为第五种可实现的方案，所述步骤s4中，根据仿射变换系数，通过仿射变换，计算位于肌腱上跟踪点在下一帧肌肉超声图像中的位置和位移，从而跟踪肌腱在下一帧的位移。
结合第一方面，作为第六种可实现的方案，所述步骤s5中，在下一帧肌肉超声图像中，按照肌肉肌腱结的结构特征，通过计算两条肌腱的交点位置，定位肌肉肌腱结在下一帧的位置，从而实现肌肉肌腱结的跟踪。
第二方面，本发明实施例还提供一种肌肉连续超声图像中肌肉肌腱结的测量系统，包括：
确定模块：用于在第一帧肌肉超声图像中，选定位于肌腱上的跟踪点，并确定肌肉肌腱结的位置；
区域获取模块：用于根据当前帧肌肉超声图像中所述肌肉肌腱结的位置，获取当前帧肌肉超声图像中包含肌肉肌腱结的区域；所述当前帧肌肉超声图像初始为第一帧肌肉超声图像；
参数获取模块：用于在所述包含肌肉肌腱结的区域上，获取该区域在当前帧肌肉超声图像相对下一帧肌肉超声图像的仿射变换系数；
第一计算模块：用于根据所述仿射变换系数,计算位于肌腱上的跟踪点在下一帧肌肉超声图像中的位移；
第二计算模块：用于根据所述跟踪点的位移,计算肌腱及肌肉肌腱结在下一帧肌肉超声图像中的位置，并计算肌肉肌腱结在下一帧肌肉超声图像相对第一帧肌肉超声图像的位移。
判断循环模块：用于将下一帧肌肉超声图像作为当前帧肌肉超声图像，返回区域获取模块，进行后继肌肉超声图像的肌肉肌腱结位移测量，直到超声图像中所有肌肉肌腱结位移测量结束。
结合第二方面，作为第一种可实现的方案，所述确定模块包括：
第一确定单元：用于根据所述跟踪点，确定两条肌腱的位置；
第二确定单元：用于将所述两条肌腱的位置交点作为肌肉肌腱结的位置。
结合第二方面，作为第二种可实现的方案，所述区域获取模块包括：
增强单元：用于通过当前帧肌肉超声图像中的相位信息，增强当前帧肌肉超声图像中的肌腱以及肌肉肌腱结结构；
分割单元：用于对所述增强后的当前帧肌肉超声图像进行分割，获取当前帧肌肉超声图像中包含肌肉肌腱结的区域。
结合第二方面第二种可实现的方案，作为第三种可实现的方案，所述分割单元包括：
定位子单元：用于按照肌腱和肌肉肌腱结的结构特征，使用局部雷登变换定位构成肌肉肌腱结的肌腱组织；
分割子单元：用于根据所述肌腱组织，采用otsu算法分割出包含肌肉肌腱结的区域。
结合第二方面，作为第四种可实现的方案，所述参数获取模块中，采用lucas-kanade光流场的方法，计算所述包含肌肉肌腱结的区域在当前帧肌肉超声图像相对下一帧肌肉超声图像的仿射变换系数。
结合第二方面，作为第五种可实现的方案，所述第一计算模块中，具体用于根据仿射变换系数，通过仿射变换，计算位于肌腱上跟踪点在下一帧肌肉超声图像中的位置和位移，从而跟踪肌腱在下一帧的位移。
结合第二方面，作为第六种可实现的方案，所述第二计算模块中，具体用于在下一帧肌肉超声图像中，按照肌肉肌腱结的结构特征，通过计算两条肌腱的交点位置，定位肌肉肌腱结在下一帧的位置，从而实现肌肉肌腱结的跟踪。
与现有技术相比，本发明实施例的一种肌肉连续超声图像中肌肉肌腱结的测量方法及系统，可实现在连续肌肉超声图像(大于两帧)中测量肌肉肌腱结的位置变化。本发明实施例的测量方法包括如下步骤：在第一帧肌肉超声图像中，选定位于肌腱上的跟踪点，并确定肌肉肌腱结的位置；根据当前帧肌肉超声图像中所述肌肉肌腱结的位置，获取当前帧肌肉超声图像中包含肌肉肌腱结的区域；在所述包含肌肉肌腱结的区域上，获取该区域在当前帧肌肉超声图像相对下一帧肌肉超声图像的仿射变换系数；根据所述仿射变换系数,计算位于肌腱上的跟踪点在下一帧肌肉超声图像中的位移；根据所述跟踪点的位移,计算肌腱及肌肉肌腱结在下一帧肌肉超声图像中的位置，并计算肌肉肌腱结在下一帧肌肉超声图像相对第一帧肌肉超声图像的位移；将下一帧肌肉超声图像作为当前帧肌肉超声图像，返回步骤s2，进行后继肌肉超声图像的肌肉肌腱结位移测量，直到超声图像中所有肌肉肌腱结位移测量结束。通过在每一帧肌肉超声图像中，计算肌肉肌腱结位移，实现在肌肉连续超声图像中，对肌肉肌腱结位移的测量和位置的跟踪。
附图说明
图1是肌肉肌腱结在超声图像中的示意图；
图2是本发明实施例的方法流程图；
图3是本发明实施例提供的肌肉肌腱结位置的结果图；
图4是本发明实施例提供的肌肉超声图像中的肌腱以及肌肉肌腱结增强图像的示意图；
图5是本发明实施例提供的采用拉登变换(radontransfrom)在上述的增强图像检测相交两条直线的示意图；
图6是本发明实施例提供的包含肌肉肌腱结区域的分割示意图；
图7是本发明实施例提供的连续超声图像中肌肉肌腱结的跟踪示意图；
图8是本发明实施例的测量系统结构框图。
具体实施方式
为了更清楚地表述本发明，下面结合附图对本发明作进一步地描述。如图1所示，是肌肉肌腱结在超声图像中的示意图。图1中，黑色点画线表示肌键，两条肌键交点处为肌肉肌键结。在图1中，上方的图像表示前一帧图像，下方的图像表示后一帧图像。肌肉肌键结向左移动。
如图2所示，本发明实施例的一种肌肉连续超声图像中肌肉肌腱结的测量方法，包括如下步骤：
s1.在第一帧肌肉超声图像中，选定位于肌腱上的跟踪点，并确定肌肉肌腱结的位置；
s2.根据当前帧肌肉超声图像中所述肌肉肌腱结的位置，获取当前帧肌肉超声图像中包含肌肉肌腱结的区域；所述当前帧肌肉超声图像初始为第一帧肌肉超声图像；
s3.在所述包含肌肉肌腱结的区域上，获取该区域在当前帧肌肉超声图像相对下一帧肌肉超声图像的仿射变换系数；
s4.根据所述仿射变换系数,计算位于肌腱上的跟踪点在下一帧肌肉超声图像中的位移；
s5.根据所述跟踪点的位移,计算肌腱及肌肉肌腱结在下一帧肌肉超声图像中的位置，并计算肌肉肌腱结在下一帧肌肉超声图像相对第一帧肌肉超声图像的位移；
s6.将下一帧肌肉超声图像作为当前帧肌肉超声图像，返回步骤s2，进行后继肌肉超声图像的肌肉肌腱结位移测量，直到超声图像中所有肌肉肌腱结位移测量结束。
上述实施例的肌肉肌腱结的测量方法，是通过对肌肉连续超声图像进行相关处理，获取每帧图像上肌肉肌腱结的位置。这样，得到连续运动中肌肉肌腱结的结构变化。
优选的，在步骤s1中，所述确定肌肉肌腱结的位置，包括：
s101根据所述跟踪点，确定两条肌腱的位置；
s102将所述两条肌腱的位置交点作为肌肉肌腱结的位置。
在第一帧肌肉超声图像中，可通过手动选定位于肌腱上跟踪点，从而确定肌肉肌腱结的位置。如图3所示，是确定肌肉肌腱结位置的结果图。其中手动定位的肌腱有两条，每条肌腱由线段的两端的端点确定。
优选的，步骤s2具体包括：
s201通过当前帧肌肉超声图像中的相位信息，增强当前帧肌肉超声图像中的肌腱以及肌肉肌腱结结构；
s202对所述增强后的当前帧肌肉超声图像进行分割，获取当前帧肌肉超声图像中包含肌肉肌腱结的区域。
在步骤s201中，通过使用loggabor小波获取当前帧肌肉超声图像中的相位信息，并使用如下式的相位一致性测量，增强肌肉超声图像中的肌腱以及肌肉肌腱结结构；
其中，ps(x,y)是在点(x,y)处的相位一致性测量；(x,y)表示图像中任意像素的坐标位置；w(x,y)是在点(x,y)处基于频率扩展的加权因子；ars(x,y)是在点(x,y)处给定尺度和方向的loggabor小波的响应幅度；ers(x,y)是方向为r和尺度为s的loggabor小波的是偶对称部分；ors(x,y)是方向为r和尺度为s的loggabor小波的是奇对称部分；tr是噪声阈值；ε是用于避免算式被零除的小实数。
如图4所示，是采用上述实施例的肌腱以及肌肉肌腱结结构的增强的图像的一种结果图。
在步骤s202中，对所述增强后的当前帧肌肉超声图像进行分割，包括：
按照肌腱和肌肉肌腱结的结构特征，使用局部雷登变换(radontransfrom)定位构成肌肉肌腱结的肌腱组织；
根据所述肌腱组织，采用otsu算法分割出包含肌肉肌腱结的区域。
在此步骤中，采用局部拉登变换(radontransfrom)在上述的增强图像粗略检测相交的两条直线。
如图5所示，是本发明的实施例在增强的图像中采用局部拉登变换(radontransfrom)检测相交两条直线的结果图。其中的两条黄色直线是由局部拉登变换(radontransfrom)检测得到。
在此步骤中，当离两条直线的直线距离都大于2.5mm的区域都被认定为不属于肌肉肌腱结区域。相对应的，在属于肌肉肌腱结区域内，根据所述肌腱组织，例如肌腱宽度，采用otsu算法，在上述的增强图像的基础上分割出包含肌肉肌腱结的区域。如图6所示，是本发明实施例的包含肌肉肌腱结区域的分割示意图。
优选的，所述步骤s3中，采用光流场的方法，计算所述包含肌肉肌腱结的区域在当前帧肌肉超声图像相对下一帧肌肉超声图像的仿射变换系数。其中，光流场的方法优选为lucas-kanade光流场的计算方法。其中，lucas-kanade光流场的计算方法采用最小二乘法估计仿射变换系数。
优选的，所述步骤s4中，根据仿射变换系数，通过仿射变换，计算位于肌腱上跟踪点在下一帧肌肉超声图像中的位置和位移，从而跟踪肌腱在下一帧的位移。
在上述步骤中，使用仿射变换系数计算和跟踪在下一帧图像中位于肌腱上跟踪点的位移(vx,vy):
其中，仿射流参数vxt是在x方向上原点处的光流系数，仿射流参数vyt是在y方向上原点处的光流系数，x,y表示跟踪点的坐标位置，d是膨胀率，r是旋转速率，s1是沿着主图像轴的剪切，s2是沿对角轴的剪切。
优选的，所述步骤s5中，根据所述肌腱上的跟踪点的位移,计算肌腱上的跟踪点的位置，从而可以确定肌腱和肌肉肌腱结(两条肌腱的位置交点)在下一帧肌肉超声图像中的位置，并通过计算下一帧和第一帧肌肉超声图像中的肌肉肌腱结的位置和欧式距离，得到肌肉肌腱结在下一帧肌肉超声图像相对第一帧肌肉超声图像的位移。
优选的，所述步骤s5中，在下一帧肌肉超声图像中，按照肌肉肌腱结的结构特征，通过计算两条肌腱的交点位置，定位肌肉肌腱结在下一帧的位置，从而实现肌肉肌腱结的跟踪。除了测量肌肉肌腱结的位置，还可以跟踪肌肉肌腱结。在每一帧图像中，都可以得到肌肉肌腱结的位置，从而可以计算其位移，实现跟踪功能。
如图7所示，是本实施例提供的连续超声图像中肌肉肌腱结的跟踪示意图。
在步骤s5中，将第一帧肌肉超声图像作为参考帧，计算下一帧肌肉超声图像相对参考帧肌肉超声图像的位移。通过步骤s6对肌肉超声图像中所有肌肉肌腱结位移进行测量。
本发明实施例的测量方法，利用肌腱和肌肉肌腱结在超声图像中的结构特征信息(连续的超回波带)，通过图像分割的方法，获取肌肉超声图像中包含肌肉肌腱结的区域。通过超声图像中的相位信息,采用相位一致性测量对称特征(连续的超回波带)，实现增强肌肉超声图像中的肌腱以及肌肉肌腱结结构。根据肌腱组织的特征信息，如肌腱宽度，在增强后超声图像中，采用局部拉登变换和otsu算法分割出图像中包含肌肉肌腱结的区域。
本发明实施例的测量方法，利用肌腱和肌肉肌腱结结构在连续运动时的一致性，基于分割的包含肌肉肌腱结区域，通过光流场方法，实现在连续肌肉超声图像(大于两帧)中自动检测肌肉肌腱结的位置变化。其中，在包含肌肉肌腱结的区域，通过lucas-kanade光流场的方法计算出包含肌肉肌腱结的区域在当前帧肌肉超声图像相对下一帧肌肉超声图像的仿射变换系数。采用仿射变换系数计算位于肌腱上的跟踪点的位移和位置，进而获得位于两条肌腱的位置交点处肌肉肌腱结的位置变化。
上述实施例的测量方法，可实现肌肉连续超声图像中肌肉肌腱结的自动测量。该方法主要包括图像分割，以及特征跟踪和检测两部分。该测量方法通过将相位一致性与局部拉登变换(radontransfrom)和阈值方法相结合，分割出包含肌肉肌腱结区域，从而排除了非感兴趣区域对仿射变换参数的计算的影响，从而实现了肌肉肌腱结的可靠跟踪和测量。该实施例的测量方法简单、方便实用，是能够在连续超声图像中定位肌肉肌腱结的测量方法，实现在连续肌肉超声图像(大于两帧)中对肌肉肌腱结的位置变化的跟踪和测量。
如图8所示，本实施例还提供一种肌肉连续超声图像中肌肉肌腱结的测量系统，包括：
确定模块：用于在第一帧肌肉超声图像中，选定位于肌腱上的跟踪点，并确定肌肉肌腱结的位置；
区域获取模块：用于根据当前帧肌肉超声图像中所述肌肉肌腱结的位置，获取当前帧肌肉超声图像中包含肌肉肌腱结的区域；所述当前帧肌肉超声图像初始为第一帧肌肉超声图像；
参数获取模块：用于在所述包含肌肉肌腱结的区域上，获取该区域在当前帧肌肉超声图像相对下一帧肌肉超声图像的仿射变换系数；
第一计算模块：用于根据所述仿射变换系数,计算位于肌腱上的跟踪点在下一帧肌肉超声图像中的位移；
第二计算模块：用于根据所述跟踪点的位移,计算肌腱及肌肉肌腱结在下一帧肌肉超声图像中的位置，并计算肌肉肌腱结在下一帧肌肉超声图像相对第一帧肌肉超声图像的位移。
判断循环模块：用于将下一帧肌肉超声图像作为当前帧肌肉超声图像，返回区域获取模块，进行后继肌肉超声图像的肌肉肌腱结位移测量，直到超声图像中所有肌肉肌腱结位移测量结束。
上述实施例的肌肉肌腱结的测量系统，通过对肌肉连续超声图像进行相关处理，获取每帧图像上肌肉肌腱结的位置。这样，得到连续运动中肌肉肌腱结的结构变化。
上述实施例中，作为优选，所述确定模块包括：
第一确定单元：用于根据所述跟踪点，确定两条肌腱的位置；
第二确定单元：用于将所述两条肌腱的位置交点作为肌肉肌腱结的位置。
上述实施例中，作为优选，所述区域获取模块包括：
增强单元：用于通过当前帧肌肉超声图像中的相位信息，增强当前帧肌肉超声图像中的肌腱以及肌肉肌腱结结构；
分割单元：用于对所述增强后的当前帧肌肉超声图像进行分割，获取当前帧肌肉超声图像中包含肌肉肌腱结的区域。
优选的，所述分割单元包括：
定位子单元：用于按照肌腱和肌肉肌腱结的结构特征，使用局部雷登变换定位构成肌肉肌腱结的肌腱组织；
分割子单元：用于根据所述肌腱组织，采用otsu算法分割出包含肌肉肌腱结的区域。
上述实施例中，作为优选，所述参数获取模块中，采用lucas-kanade光流场的方法，计算所述包含肌肉肌腱结的区域在当前帧肌肉超声图像相对下一帧肌肉超声图像的仿射变换系数。
上述实施例中，作为优选，所述第一计算模块中，具体用于根据仿射变换系数，通过仿射变换，计算位于肌腱上跟踪点在下一帧肌肉超声图像中的位置和位移，从而跟踪肌腱在下一帧的位移。
上述实施例中，作为优选，所述第二计算模块中，具体用于在下一帧肌肉超声图像中，按照肌肉肌腱结的结构特征，通过计算两条肌腱的交点位置，定位肌肉肌腱结在下一帧的位置，从而实现肌肉肌腱结的跟踪。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。
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，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)或随机存储记忆体(randomaccessmemory，ram)等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。