[发明专利]采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法

权利要求书

1.一种采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法，其特征在于，具体包括以下步骤：

步骤(1)，超声图像预处理；

步骤(2)，肌膜检测；

步骤(3)，肌纤维方向观测值获取；

步骤(4)，肌纤维方向校正；

步骤(5)，羽状角计算。

2.如权利要求1所述的一种采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法，其特征在于，步骤(2)中，肌膜检测具体包括以下过程：

(21)采用坎尼边缘检测算法对图像进行高斯滤波操作，使图像变得平滑；选取一个算子计算图像的梯度值及梯度方向，得出亮度差分近似值；

(22)对边缘图进行局部拉东变换；

(23)点位梯度图概率最大的直线标注肌膜，并计算其向量

3.如权利要求2所述的一种采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法，其特征在于，步骤(21)中，坎尼边缘检测算法中，采用以下公式：

其中，A原始图像，G_x及G_y分别为经横向及纵向边缘检测的图像，θ为梯度方向。

4.如权利要求2所述的一种采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法，其特征在于，步骤(23)中，对边缘图进行局部拉东变换，采用以下公式：

其中，在x-y图像平面，F(x,y)为位置(x,y)的图像强度，δ为狄拉克函数，ρ为从原点到直线的距离,θ为x轴与从原点垂直于直线的直线之间的角度。

5.如权利要求1所述的一种采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法，其特征在于，步骤(3)中，随机标注一个参照线，然后通过神经网络判断参照线和肌纤维方向是否平行，若不平行则进行调整，直到神经网络判断平行，将此角度记录并作为卡尔曼滤波的观测值。

6.如权利要求1所述的一种采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法，其特征在于，步骤(4)中，使用卡尔曼滤波跟踪系统，根据上一个帧的肌纤维方向，以及步骤(3)中对肌纤维角度的测量对当前帧的肌纤维方向进行校正，并预测下一帧肌纤维的方向。

7.如权利要求6所述的一种采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法，其特征在于，步骤(4)具体包括：

(41)利用系统的过程模型，来预测下一状态的系统；

(42)结合预测值和上一步获取的测量值，得到现在状态的最优化估算值，即为被优化过的肌纤维向量

(43)得到现在状态下最优的估算值，并更新协方差。

8.如权利要求1所述的一种采用卷积神经网络与卡尔曼滤波相结合自动追踪肌肉羽状角的方法，其特征在于，步骤(5)中，通过肌膜线和肌纤维束线的向量，计算出羽状角值：

其中，θ为梯度方向，肌膜向量肌纤维向量