Automatische Verfolgung der Muskelsehnenanschlussstelle bei gesunden und eingeschränkten Probanden mit tiefem Lernen

Die Aufzeichnung der Verschiebungen des Muskelsehnenanschlusses während der Bewegung ermöglicht die getrennte Untersuchung des Muskel- und Sehnenverhaltens. Um eine vollautomatische Verfolgungsmethode bereitzustellen, verwenden wir einen neuen tiefen Lernansatz zur Detektion der Position des Muskelsehnenanschlusses in Ultraschallbildern. Wir nutzen das Aufmerksamheitsmechanismus, um das Netzwerk zu befähigen, sich auf relevante Bereiche zu konzentrieren und eine bessere Interpretation der Ergebnisse zu erzielen. Unser Datensatz besteht aus einer großen Kohorte von 79 gesunden Probanden und 28 Probanden mit Bewegungseinschränkungen, die passive Bewegungen über den vollen Bewegungsumfang und maximale Kontraktionsbewegungen durchführen. Unser trainiertes Netzwerk zeigt eine robuste Detektion des Muskelsehnenanschlusses in einem vielfältigen Datensatz unterschiedlicher Qualität mit einem mittleren absoluten Fehler von 2,55 ± 1 mm. Wir demonstrieren, dass unser Ansatz für verschiedene Probanden anwendbar ist und in Echtzeit betrieben werden kann. Das vollständige Softwarepaket ist unter folgender Open-Source-Lizenz verfügbar: https://github.com/luuleitner/deepMTJ