原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
一种用于超声图像的贝叶斯卡尔曼滤波自动肌纤
维取向算法
，，S.C.大学电气温慧英，市生物医学工程重点深
与系，szjeff,zgzhang,圳大学，2130220201@email.szu.edu.cn;
chenxin@szu.edu.cn
scchan@eee.hku.hk
—本研究提出了一种基于贝叶斯卡尔曼滤波器（BKF）基于的方法被提出，该方法对背景噪声具有更强的鲁棒性，
的自动肌肉纤维方向方法。BKF采用混合（GM）表示在[3]中进行了开发。该方法使用MVEF增强B型超声图像
状态和噪声密度，并采用一种新的直接密度简化算法，以避免使中的肌束模式，并结合LRT来检测肌束取向。然而，该方法
用GM的传统卡尔曼滤波器（KFs）的指数级复杂度增长。在本
需要计算并评估超声图像中每个像素的二阶局部结构所对应
文中，首先通过一组基于BKF中状态密度GM的Gabor滤波器
的黑塞矩阵。因此，该方法的计算复杂度远高于
（GFs）对超声图像进行增强。然后，使用一组局部Radon变换
LRT和RVHT，不适用于处理。另一方面，在上述方
（LRTs）提取肌纤维方向，并通过最小化能量函数获得主导取
向。最后，将主导取向作为观测值反馈给BKF。在五名受试者的法中，作者并未引入任何模型用于取向，当前帧
1000+临床超声图像上，将所提出方法的性能与现有方法进行了的取向先验被设定为与前一帧估计取向[1]相同。因此，
比较。实验结果表明，该方法能够实现对肌束方向的准确和稳健可能需要非常大的取向范围来覆盖当前帧中所有可能的取
测量，并优于所有现有方法。向，尤其是在快速肌肉收缩的情况下。显然，较大的取向
范围会同时降低精度并增加运行时间。
—肌纤维方向；贝叶斯卡尔曼滤波器；伽博滤波器；
Radon变换。为了解决上述问题，本文提出了一种新的肌纤维方向
I.引言方法。图1显示了所方法的框图。首先，
超声图像中的肌束已被广泛用于在诊断和康复评估中采用贝叶斯卡尔曼滤波器（BKF）策略，从当前帧预
研究静态和动态条件下的肌肉特性。在测量肌肉纤维方向测到下一帧的肌纤维方向。BKF使用系统状态的混合
时，经常需要检测/肌束的线状结构，这是肌肉收缩（GM）表示，并从观测值和给定的状态动态中执行最优
的重要测量指标。状态估计。此外，它还采用了一种新的直接密度简化算法，
以避免在传统粒子滤波器（PF）[4]中使用重采样技术。由
于超声图像中肌束具有一致的方向趋势，我们进一步采用了
一般来说，检测/可以手动或自动进行。手动过
具有方向依赖性的伽博滤波器（GF），以同时抑制
程耗时且容易产生偏差，尤其是对于大数据集。因此，自
文档评论（0）