[发明专利]一种超声辅助肌肉识别方法、系统及辅助注射装置有效

专利信息
申请号: 201910984587.7 申请日: 2019-10-16
公开(公告)号: CN110694149B 公开(公告)日: 2021-06-22
发明(设计)人: 张杨;胡静璐 申请(专利权)人: 山东大学齐鲁医院
主分类号: A61B5/00 分类号: A61B5/00;A61B8/00;G06N3/08;A61M5/42;G06T11/00;G06T7/00
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 张晓鹏
地址: 250012 山东*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 超声 辅助 肌肉 识别 方法 系统 注射 装置
【说明书】:

本公开属于精准注射技术领域,具体涉及一种超声辅助肌肉识别方法、系统及辅助注射装置。肉毒素应用于肌张力障碍等疾病具有良好的疗效,是目前神经医学和康复医学领域缓解脑卒中、脑瘫、脑外伤及脊髓损伤等肌肉痉挛的首选方法之一。通过超声、肌电刺激的精准肉毒素治疗技术成为肉毒素治疗的热门研究方向。由于超声图像中肌肉边界并不清晰,仍然存在较高的注射失误概率,通过图像识别技术对目标肌肉的轮廓进行标注,可以有效地提高注射的精准性。本公开提供了一种通过超声识别肌肉模型的构建方法,通过采集已知个体的肌肉超声图像对深度学习模型加以训练,实现对未知个体肌肉轮廓的识别作用,提高注射精度,在临床治疗及教学方面都具有重要的意义。

技术领域

本公开属于精准注射技术领域,具体涉及一种超声辅助肌肉识别方法、超声辅助肌肉识别系统以及超声辅助肌肉肉毒素注射装置。

背景技术

公开该背景技术部分的信息仅仅旨在增加对本公开的总体背景的理解,而不必然被视为承认或以任何形式暗示该信息构成已经成为本领域一般技术人员所公知的现有技术。

自FDA批准肉毒素上市以来,应用于肌张力障碍疾病疗效明确,能够有效的降低局部肌肉张力,改善关节活动程度、改善步态、姿势等,是目前康复医学领域缓解脑卒中、脑瘫、脑外伤及脊髓损伤等肌肉痉挛的首选方法之一,在改善患者的运动能力和生活自理能力方面有广泛的应用。

以往的治疗方式中,医师需要凭借经验,通过徒手定位的方式注射肉毒素。近些年来,通过超声、肌电刺激引导的精准肉毒素治疗技术成为肉毒素治疗的热门研究方向,由于超声成像是一种实时、无创和便捷的成像方法,使治疗者可以直观的获取肌肉的实时图像,对靶肌肉进行定位,减少注射失误,将超声用于辅助肌肉注射可以有效的提高肉毒素注射的准确性。

但是,发明人认为,超声影像中肌肉的边界并不分明,人群的变异较大,因此医师的学习周期很长;而且超声引导下平面内穿刺,需要超声探头的长轴与穿刺针在同一平面内,针形才会在人体组织中清晰显影,对医师技术要求高,仍然存在较大注射失误的概率。通过图像识别技术实现超声影像中对肌肉的定位具有重要的意义,栾宽等人的研究中提供了一种超声肌肉图像变化区域识别技术,通过灰度共生矩阵的图像识别算法及肌肉运动情况分析对脑卒中后的肌肉痉挛情况进行检测,用于超声图像定位被动牵拉的肌肉。

发明内容

本公开针对超声影像中肌肉边界不清晰的问题,提供了一种超声辅助肌肉识别系统,可通过在超声影像中目标肌肉的轮廓进行指示,从而提高注射的准确度,可用于培训和提高注射效率。

为了实现上述技术效果,本公开提供以下技术方案:

本公开第一方面,提供一种超声辅助肌肉识别方法,包括:训练阶段和应用阶段;其中,训练阶段包括:构建深度学习模型,获取训练样本;所述训练样本为已知名称的肌肉超声图像;

将训练样本输入到深度学习模型中进行训练,得到训练好的深度学习模型,即:超声辅助肌肉识别模型;

其中,应用阶段包括:将待识别的超声图像输入到训练好的深度学习模型中,输出待识别超声图像中的肌肉轮廓。

优选的,所述深度学习模型为:卷积神经网络、深度信任网络模型、堆栈自编码网络模型或SVM算法。

优选的,所述训练的具体步骤如下:

(1)对超声图像进行预处理;

(2)将训练样本分为训练集及校正集,所述校正集为训练集中的超声图像进行轮廓标注后的超声图象;提取训练集中的图像特征,绘制出该肌肉的轮廓,并通过校正集中的图像进行校正。

优选的,所述训练阶段,训练结束的标准为:输出待识别超声图象中的肌肉轮廓与已标注的轮廓进行误差计算;若误差小于设定阈值,则训练结束,得到训练完毕的超声辅助肌肉注射模型;若误差大于等于设定阈值,则更新训练样本,继续训练,直至误差小于设定阈值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学齐鲁医院,未经山东大学齐鲁医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910984587.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top