楊 繼 宏

(安徽理工大學(xué)，安徽 淮南 232001)

隨著醫(yī)學(xué)圖像處理技術(shù)的發(fā)展，采用圖像處理技術(shù)進行運動損傷圖像分析，提高運動損傷的檢測和診療識別能力及損傷點的定位識別能力，相關(guān)的體育運動損傷超聲醫(yī)學(xué)圖像分割方法研究受到國內(nèi)外學(xué)者的極大關(guān)注。對體育運動損傷超聲醫(yī)學(xué)圖像的分割是在圖像的特征定位基礎(chǔ)上建立體育運動損傷超聲醫(yī)學(xué)圖像分割模型[1]，采用模糊特征分析方法，進行體育運動損傷超聲醫(yī)學(xué)圖像檢測和信息融合識別，提高體育運動損傷超聲醫(yī)學(xué)圖像的優(yōu)化檢測識別能力[2]，相關(guān)的體育運動損傷超聲醫(yī)學(xué)圖像分割方法在運動損傷分析中具有重要意義。國內(nèi)學(xué)者陳華等人提出基于線性判別與超聲圖像特征的損傷檢測方法。利用超聲波得到檢測對象的超聲圖像，并根據(jù)該圖像完成特征參量的提取，通過線性判別分析法處理特征參量提取結(jié)果，完成損傷識別[3]。國外學(xué)者Sanja-Gopal提出了一種空間變量有限混合模型，并將其成功地運用到了MR圖像分割中，通過MR圖像成像系統(tǒng)獲取醫(yī)學(xué)圖像，給醫(yī)學(xué)人員分析損傷組織提供幫助。但是傳統(tǒng)方法一般有噪聲和低對比度的缺點，因此，本文提出基于局部特征的體育運動損傷超聲醫(yī)學(xué)圖像分割方法。建立體育運動損傷超聲醫(yī)學(xué)圖像分割模型，使用CT亮點特征進行體育運動損傷超聲醫(yī)學(xué)圖像特征細(xì)節(jié)透射分析，對提取的體育運動損傷點采用深度卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法進行體育運動損傷超聲醫(yī)學(xué)圖像自動探測，實現(xiàn)體育運動損傷超聲醫(yī)學(xué)圖像分割。最后進行仿真測試分析，得出有效性結(jié)論。

1 材料與方法

1.1 供試材料

實驗中采用的儀器是來自上海聚慕醫(yī)療的數(shù)字彩色超聲波診斷儀(日本Aloka-F75高頻線陣探頭，頻率為8～12 Hz),本次實驗選取來自于某醫(yī)院收治的由運動損傷導(dǎo)致跟腱斷裂患者為研究對象，采用高頻超聲技術(shù)對其損傷情況進行分析。得到的體育運動損傷超聲醫(yī)學(xué)圖像如圖1所示。

(a)測試樣本a (b)測試樣本b

1.2 實驗方法

采用MATLAB 7.0對體育運動損傷超聲醫(yī)學(xué)圖像分割進行仿真實驗，超聲醫(yī)學(xué)圖像融合的低頻系數(shù)為0.25，初次分割的尺度為12，低頻子帶系數(shù)為0.85，圖像分割的質(zhì)量指標(biāo)參數(shù)為0.57，根據(jù)上述仿真參數(shù)設(shè)定，將本文方法分別與CT分割方法、小波分割方法進行對比，進行體育運動損傷超聲醫(yī)學(xué)圖像分割。

1.3 測定項目及分析方法

1.3.1 體育運動損傷超聲醫(yī)學(xué)圖像分割識別度測定

為了實現(xiàn)提高體育運動損傷超聲醫(yī)學(xué)圖像分割的識別度，建立體育運動損傷超聲醫(yī)學(xué)圖像特征提取和信息采樣模型，結(jié)合高分辨的CT掃描方法，采集體育運動損傷超聲醫(yī)學(xué)的圖像信息，在超聲成像環(huán)境下進行體育運動損傷超聲醫(yī)學(xué)圖像檢測，結(jié)合運動損傷特征分布進行圖像信息融合[4]，得到對圖像的高分辨信息采樣公式為

(1)

式中，A、W、C、D表示運動損傷部位醫(yī)學(xué)圖像的像素采集點，x(t)、y(t)分別表示損傷部位像素長度與寬度，σ表示運動損傷信息融合鄰域分解值。采用單幀向量特征分解方法，對采集樣本進行體育運動損傷超聲醫(yī)學(xué)圖像分割[5]，得到圖像檢測的核函數(shù)：

f(y(t))=[f1(y1(t)),f2(y2(t)),…,fn(yn(t))]T

(2)

式中，fn表示損傷部位在圖像像素中所占取的比例。采用Harris角點檢測技術(shù)，進行體育運動損傷超聲醫(yī)學(xué)圖像的角點檢測，得到體育運動損傷超聲醫(yī)學(xué)圖像的像素特征分布為

(3)

式中，z表示損傷輪廓，t表示損傷部位邊緣分割參數(shù)，τ表示超聲醫(yī)學(xué)圖像的幀信息。采用反饋調(diào)節(jié)方法，進行體育運動損傷超聲醫(yī)學(xué)圖像輸出穩(wěn)定性調(diào)節(jié)，圖像邊緣輪廓特征量滿足：

(4)

式中，R(k)表示運動損傷超聲醫(yī)學(xué)圖像穩(wěn)定調(diào)節(jié)參數(shù)，D(k)表示損傷輪廓能量?；诔直嫘畔⑻卣髯R別方法，進行體育運動損傷超聲醫(yī)學(xué)圖像的邊緣輪廓特征檢測和信息融合[6]。在超聲成像環(huán)境下進行體育運動損傷超聲醫(yī)學(xué)圖像的運動損傷信息自適應(yīng)融合，采用運動骨骼肌分塊匹配技術(shù)進行體育運動損傷超聲醫(yī)學(xué)圖像的信息增強處理[7]，結(jié)合模糊信息特征分割方法得到體育運動損傷超聲醫(yī)學(xué)圖像的邊緣輪廓角點分布為

RV(k)=L(k)R(k)LT(k)

(5)

式中，R(k)=diag{r1(k),r2(k)…,rNq(k)}為體育運動損傷超聲醫(yī)學(xué)圖像的像素強度，模糊統(tǒng)計特征量為L(k)， 對體育運動損傷超聲醫(yī)學(xué)圖像進行模糊像素特征提取[8]，得到圖像增強結(jié)果為

(6)

式中，xT(t)表示運動骨骼肌分塊匹配特征量，h1、h2表示局部損傷特征提取參量，R1、R2表示運動損傷超聲醫(yī)學(xué)圖像模糊度系數(shù)。對圖像亮度分量進行融合處理，得到信息融合矩陣K(Z1+Z2+Z3)-1KT和L(Z2+Z3)-1LT，在低照度圖像中，體育運動損傷特征量為ψ(d1(t),d2(t))<0，對損傷部位進行圖像識別，得出圖像識別度為

ψ(h1,0)=ψ+h1K(Z1+Z2+Z3)-1KT+h2L(Z2+Z3)-1LT<0

(7)

采用體育運動損傷點特征匹配方法對體育運動損傷超聲醫(yī)學(xué)圖像進行融合檢測，通過損傷點局部特征檢測方法提取圖像特征，提高圖像的融合能力，增加圖像識別度。

1.3.2 體育運動損傷超聲醫(yī)學(xué)圖像分割精度測定

采用亮區(qū)域權(quán)重分析方法，進行體育運動損傷超聲醫(yī)學(xué)圖像的多維尺度分解[9]，得到核空間特征分布集為

[I+PHTR-1H]-1P=[P-1+HTR-1H]-1

=P-PHT(HPHT+R)-1HP

(8)

式中，P表示運動損傷超聲醫(yī)學(xué)圖像梯度值，H表示運動損傷超聲醫(yī)學(xué)圖像灰度值，HT表示體育運動損傷超聲醫(yī)學(xué)圖像的空間范圍。根據(jù)局部方差來估計體育運動損傷超聲醫(yī)學(xué)圖像的分割系數(shù)[10]，得到特征分割邊緣函數(shù)為

(9)

(10)

式中，Φ-1表示損傷程度劃分函數(shù)，計算目標(biāo)與背景圖像的對偶關(guān)系，可表達(dá)為

(11)

(12)

獲取源圖像的細(xì)節(jié)紋理，滿足A-αi-γi=0，則有

(13)

式中，xi表示運動損傷超聲醫(yī)學(xué)圖像細(xì)節(jié)紋理橫坐標(biāo)，xj表示運動損傷超聲醫(yī)學(xué)圖像細(xì)節(jié)紋理縱坐標(biāo)。根據(jù)圖像融合的質(zhì)量，進行體育運動損傷超聲醫(yī)學(xué)圖像分割，得到閾值分割函數(shù)為

(14)

根據(jù)背景圖像的類間方差，進行優(yōu)化分割[13]，得到超聲醫(yī)學(xué)圖像分割的最佳閾值計算：

(15)

式中，I表示n階協(xié)方差單位矩陣。

綜上分析，使用CT亮點特征進行體育運動損傷超聲醫(yī)學(xué)圖像特征細(xì)節(jié)透射分析，可以提高圖像檢測精度，實現(xiàn)體育運動損傷超聲醫(yī)學(xué)圖像分割。

2 結(jié)果與分析

以圖1的圖像為研究對象，進行體育運動損傷超聲醫(yī)學(xué)圖像分割，得到的分割結(jié)果如圖2所示。

圖2 體育運動損傷超聲醫(yī)學(xué)圖像分割結(jié)果

分析圖2得知，本文方法能有效實現(xiàn)體育運動損傷超聲醫(yī)學(xué)圖像分割，對損傷圖像的識別度較高。測試體育運動損傷超聲醫(yī)學(xué)圖像分割輸出的誤差，得到對比結(jié)果見表1。

表1 體育運動損傷超聲醫(yī)學(xué)圖像分割的誤差對比

分析表1得知，隨著迭代次數(shù)的不斷增加，3種運動損傷超聲醫(yī)學(xué)圖像分割方法的輸出誤差都在逐漸減小。CT分割方法最終的誤差控制為0.122，小波分割方法最終的誤差控制為0.073，而本文方法進行體育運動損傷超聲醫(yī)學(xué)圖像分割的誤差由0.103降到0.000，最終可以達(dá)到零誤差的效果。由此可知，本文方法進行體育運動損傷超聲醫(yī)學(xué)圖像分割的誤差較低，結(jié)果較為準(zhǔn)確。

3 結(jié)論與討論

體育運動形式多樣，如何減少體育帶來的損傷是當(dāng)前的研究熱點。本文提出基于局部特征的體育運動損傷超聲醫(yī)學(xué)圖像分割方法。建立體育運動損傷超聲醫(yī)學(xué)圖像分割模型，使用CT亮點特征進行體育運動損傷超聲醫(yī)學(xué)圖像特征細(xì)節(jié)透射分析，對提取的體育運動損傷點采用深度卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法進行體育運動損傷超聲醫(yī)學(xué)圖像自動探測，實現(xiàn)體育運動損傷超聲醫(yī)學(xué)圖像分割。通過實驗分析得知，采用本文方法進行體育運動損傷超聲醫(yī)學(xué)圖像分割的精度較高，體育運動損傷點檢測的分辨力和準(zhǔn)確性較高，誤差較低。

但是本文方法在對體育運動損傷超聲醫(yī)學(xué)圖像分割的處理時間方面未進行深入分析，在今后的研究工作中，要進一步縮短對運動損傷圖像破損部位的識別時間，提高識別能力，優(yōu)化體育運動損傷超聲醫(yī)學(xué)圖像分割技術(shù)，提高臨床應(yīng)用的廣泛性與有效性，增加實際應(yīng)用價值。