基于超声导波频散曲线的人体骨质疏松检测方法

技术领域

本发明属于医学诊断领域，具体涉及一种基于超声导波频散曲线的人体骨质疏松检测方法。

背景技术

骨质疏松症是一种常见的退行性疾病。骨质疏松一旦发生，会给患者带来诸多危害，如腰背疼痛、身高变矮、驼背、呼吸困难、骨质疏松性骨折等。因此，骨质疏松症的早筛查、早预防是防治骨质疏松症的发生和骨质疏松性骨折发生的最经济有效的手段。

目前，国内、外大多数医疗机构均选用双能X射线吸收法(DEXA,Dual Energy X-ray Absorptiometry)作为评价骨密度的方法，以此来评价骨的健康程度。然而，由于双能X射线吸收法的操作较为复杂、测量时间长、测试费用高、测试设备昂贵以及占地空间较大，因而很难在社区医疗机构、中小医院或体检中心等地方普及推广。这也导致很大一部分骨质疏松人群得不到有效的诊断和预防，从而引发中老年人骨质疏松症的高发病率。除此之外，早产儿或孕妇等特殊人群往往需要定期监测骨骼健康状况，而DEXA的低辐射危害也不合适孕妇和婴幼儿的长期监测使用。

发明内容

为解决上述问题，提供一种无辐射危害、简单易行、成本低廉且准确性高的人体骨质疏松检测算法，本发明采用了如下技术方案：

本发明提供了一种基于超声导波频散曲线的人体骨质疏松检测方法，用于对采集到的人体骨骼的超声波信号进行处理分析得到对应的骨密度判断依据，其特征在于，包括：步骤S1-1，对超声波信号进行傅里叶变换得到初始频散曲线；步骤S1-2，利用预定的功率谱估计算法对初始频散曲线处理得到最大能量点轨迹；步骤S1-3，针对最大能量点轨迹利用预定的搜索算法在预先建立的仿真模型数据库中进行拟合点匹配，得到与最大能量点轨迹对应的最大拟合系数的参数，将该参数中的横波速度作为骨密度判断依据从而让用户根据该骨密度判断依据来区分非骨质疏松和骨质疏松患者。

根据本发明提供的一种基于超声导波频散曲线的人体骨质疏松检测方法，还可以具有这样的技术特征，其中，仿真模型数据库为由波导采集到的导波信号构建的皮肤-皮质骨-骨髓三层仿真的频散曲线点。

根据本发明提供的一种基于超声导波频散曲线的人体骨质疏松检测方法，还可以具有这样的技术特征，其中，仿真模型数据库的建立过程包括如下步骤：步骤S2-1，建立以初始皮质骨厚度h

根据本发明提供的一种基于超声导波频散曲线的人体骨质疏松检测方法，还可以具有这样的技术特征，其中，步骤S2-2包括如下子步骤：步骤S2-2-1，基于频率点在每一种模式中搜索出对应的相速度位置b

b

式中，df为最大能量点轨迹A的纵向间隔，l为每种模式下频散点的排列顺序，c为每个排列顺序l下频率点对应的所有相速度位置组成的数组；步骤S2-2-2，将数组c中的最小值所对应的排列顺序l设定为已知排列序列l′；步骤S2-2-3，根据已知排列序列l′计算得到波数的波数位置b

式中，dk为最大能量点轨迹A的横向间隔，

根据本发明提供的一种基于超声导波频散曲线的人体骨质疏松检测方法，还可以具有这样的技术特征，其中，步骤S1-3包括如下子步骤：步骤S1-3-1，判断最大能量点轨迹中网格点的能量E是否大于预定能量阈值T；步骤S1-3-2，在步骤S1-3-1判断为是时记录网格点对应的位置作为待匹配位置；步骤S1-3-3，通过搜索算法在仿真模型数据库中搜索是否存在与待匹配位置对应的标记位置；步骤S1-3-4，在步骤S1-3-3判断为是时，根据标记位置对应的网格点的能量E以及拟合点P

P

；步骤S1-3-5，重复步骤S1-3-1至步骤S1-3-4直到得到最大能量点轨迹中每个网格点对应的拟合系数Q

根据本发明提供的一种基于超声导波频散曲线的人体骨质疏松检测方法，还可以具有这样的技术特征，其中，所步骤S1-2中的功率谱估计算法为Burg算法。

根据本发明提供的一种基于超声导波频散曲线的人体骨质疏松检测方法，还可以具有这样的技术特征，其中，步骤S1-3中的搜索算法为网格搜索算法。

发明作用与效果

根据本发明的一种基于超声导波频散曲线的人体骨质疏松检测方法，由于先对超声波信号进行傅里叶变换得到初始频散曲线，然后利用预定的功率谱估计算法对初始频散曲线处理得到最大能量点轨迹，最后针对最大能量点轨迹利用预定的搜索算法在预先建立的仿真模型数据库中进行拟合点匹配，得到与最大能量点轨迹对应的最大拟合系数的参数，将该参数中的横波速度作为骨密度判断依据，因此在仅有患者人体骨骼超声波信号的情况下，通过上述步骤就能反演获得皮质骨横波速度，该横波速度可以反映皮质骨的孔隙度情况，根据该横波速度可以有效区分非骨质疏松和骨质疏松患者，具有较高的准确性以及较强的可靠性。另外，由于只需要患者的人体骨骼超声波信号，因此相较于双能X射线吸收法，本发明的方法成本低并且不会对患者产生辐射，同时本发明还具有较小的计算量以及较高的实时性，适用于对人体骨的健康程度的长期、定期检测。

附图说明

图1为本发明实施例的一种基于超声导波频散曲线的人体骨质疏松检测方法的流程图；

图2为本发明实施例的最大能量点轨迹的网格示意图；

图3为本发明实施例的初始频散数据的网格示意图；

图4为本发明实施例的频散点矩阵的网格示意图；

图5为本发明实施例的步骤S1-3子步骤的流程图；

图6为本发明实施例的有效能量值对应的网格点的示意图；

图7为本发明实施例的标记位置与待匹配位置匹配的示意图；

图8为本发明实施例的基于拟合点系数反演得到的频散曲线图；

图9为本发明实施例的基于拟合点均值反演得到频散曲线图；以及

图10为本发明实施例的基于拟合点均值以及拟合系数反演得到频散曲线图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下结合实施例及附图对本发明的一种基于超声导波频散曲线的人体骨质疏松检测方法作具体阐述。

<实施例>

本发明实施例中的一种基于超声导波频散曲线的人体骨质疏松检测方法是针对人体径骨同侧采集到的超声波信号进行处理分析从而得到对应的骨密度判断依据。其中，该超声波信号是通过单发多收方式获得。

图1为本发明实施例的一种基于超声导波频散曲线的人体骨质疏松检测方法的流程图。

如图1所示，一种基于超声导波频散曲线的人体骨质疏松检测方法包括如下步骤：

步骤S1-1，对超声波信号进行傅里叶变换得到初始频散曲线。

其中，人体骨骼相关的超声波信号是多通道的时间-位移格式的数据，傅里叶变换具体地为二维傅里叶变换，初始频散曲线为频率-波数域格式的数据。

本实施例中，人体骨骼相关的超声波信号是60通道的时间-位移信号。

步骤S1-2，利用预定的功率谱估计算法对初始频散曲线处理得到最大能量点轨迹。

其中，功率谱估计算法为Burg算法。

图2为本发明实施例的最大能量点轨迹的网格示意图。

具体地，利用Burg算法对初始频散曲线处理得到高分辨率以及高精确度的最大能量点轨迹A(如图2所示)，该最大能量点轨迹A为频率-波数域格式的信息矩阵。其中，横坐标为采集到的超声波信号的频率，列数记为a

最大能量点轨迹A为基准矩阵，由各个网格点组成，每个网格点的位置表示为[a

步骤S1-3，针对最大能量点轨迹利用预定的搜索算法在预先建立的仿真模型数据库中进行拟合点匹配，得到与最大能量点轨迹对应的最大拟合系数的参数，将该参数中的横波速度作为骨密度判断依据从而让用户根据该骨密度判断依据来区分非骨质疏松和骨质疏松患者。

其中，步骤S1-3中的搜索算法为网格搜索算法。

其中，仿真模型数据库为由波导采集到的导波信号构建的皮肤-皮质骨-骨髓三层仿真的频散曲线点，该数据库的建立过程包括如下步骤：

步骤S2-1，建立以初始皮质骨厚度h

其中，h

每组初始频散数据K

图3为本发明实施例的初始频散数据的网格示意图。

如图3所示，初始频散数据以矩阵表示，该矩阵的横坐标为数据库超声波信号的频率，列数记为b

步骤S2-2，将所有初始频散数据重组为对应的频散点矩阵K′

其中，步骤S2-2包括如下子步骤：

步骤S2-2-1，基于频率点在每一种模式中搜索出对应的相速度位置b

式中，df为最大能量点轨迹A的纵向间隔，l为每种模式下频散点的排列顺序，c为每个排列顺序l下频率点对应的所有相速度位置组成的数组。

步骤S2-2-2，将数组c中的最小值所对应的排列顺序l设定为已知排列序列l′。

步骤S2-2-3，根据已知排列序列l′计算得到波数的波数位置b

式中，dk为最大能量点轨迹A的横向间隔，

图4为本发明实施例的频散点矩阵的网格示意图。

步骤S2-2-4，根据相速度位置b

R

步骤S2-2-5，重复步骤S2-2-1至步骤S2-2-4直到所有初始频散数据完成重组从而得到由所有频散点矩阵K′

图5为本发明实施例的步骤S1-3子步骤的流程图。

如图5所示，步骤S1-3包括如下子步骤：

步骤S1-3-1，判断最大能量点轨迹中网格点的能量E是否大于预定能量阈值T，判断为是时进入步骤S1-3-2，判断为否时重复步骤步骤S1-3-1对下一个网格点进行判断。

图6为本发明实施例的有效能量值对应的网格点的示意图。

由于采集到的人体骨骼的超声波信号的复杂性，在提取lamb波在人体径骨的超声频散曲线的最大能量点轨迹时，对频散曲线的能量矩阵值预先设定了一个能量阈值T，当能量E大于该能量阈值T时，将该能量E作为有效能量值(如图6所示)。

步骤S1-3-2，在步骤S1-3-1判断为是时记录网格点对应的位置作为待匹配位置Δa

步骤S1-3-3，通过搜索算法在仿真模型数据库中搜索是否存在与待匹配位置对应的标记位置，判断为是时进入步骤S1-3-4，判断为否时进入步骤S1-3-1。

图7为本发明实施例的标记位置与待匹配位置匹配的示意图。

如图7所示，在频散点矩阵K′

步骤S1-3-4，在步骤S1-3-3判断为是时，根据标记位置对应的网格点的能量E以及拟合点P

具体地，在步骤S1-3-3判断为是时，将每个标记位置R

E′＝E+E

同时，对标记位置R

步骤S1-3-5，重复步骤S1-3-1至步骤S1-3-4直到得到最大能量点轨迹中每个网格点对应的拟合系数Q

步骤S1-3-6，根据所有拟合系数Q

图8为本发明实施例的基于拟合点系数反演得到的频散曲线图。

如图8所示，在选取拟合系数Q

图9为本发明实施例的基于拟合点均值反演得到频散曲线图。

如果只考虑拟合点均值P’

因此，只基于拟合系数Q

图10为本发明实施例的基于拟合点均值以及拟合系数反演得到频散曲线图。

如图10所示，对仿真模型数据库中所有的拟合点均值P’

实施例作用与效果

根据本实施例提供的基于超声导波频散曲线的人体骨质疏松检测方法，由于先对超声波信号进行傅里叶变换得到初始频散曲线，然后利用预定的功率谱估计算法对初始频散曲线处理得到最大能量点轨迹，最后针对最大能量点轨迹利用预定的搜索算法在预先建立的仿真模型数据库中进行拟合点匹配，得到与最大能量点轨迹对应的最大拟合系数的参数，将该参数中的横波速度作为骨密度判断依据，因此在仅有患者人体骨骼超声波信号的情况下，通过上述步骤就能反演获得皮质骨横波速度，该横波速度可以反映皮质骨的孔隙度情况，根据该横波速度可以有效区分非骨质疏松和骨质疏松患者，具有较高的准确性以及较强的可靠性。另外，由于只需要患者的人体骨骼超声波信号，因此相较于双能X射线吸收法，本发明的方法成本低并且不会对患者产生辐射，同时本发明还具有较小的计算量以及较高的实时性，适用于对人体骨的健康程度的长期、定期检测。

另外，在实施例中，由于将所有初始频散数据重组为对应的频散点矩阵K′

上述实施例仅用于举例说明本发明的具体实施方式，而本发明不限于上述实施例的描述范围。