摘要
利用超声对髂筋膜进行定量评估，可能为慢性中风患者的周围肌肉骨骼变化提供具有临床意义的信息。然而，由于斑点噪声、不连续边界以及竞争性高回声结构的影响，准确分割这一薄层结构颇具挑战性。本研究旨在开发并评估一种无训练标注、半自动的连续髂筋膜分割框架，适用于B模式超声图像。该框架需要人工选取一个感兴趣区域，并在目标筋膜内放置一个种子点。随后，框架将筋膜特异性的图像增强、种子引导的连续中心路径跟踪、浅层与深层边界的联合检测以及保持连续性的细化处理相结合，以生成二值筋膜掩膜。性能评估使用了来自40名受试者的全部80张超声图像以及由专家生成的参考掩膜。传统的Frangi滤波和逐组分消融配置作为对照方法。完整框架的交并比（IoU）为0.812 ± 0.153，中心线Dice系数为0.894 ± 0.106，平均对称表面距离为0.056 ± 0.041，95百分位豪斯多夫距离为0.076 ± 0.040。传统Frangi滤波的相应值分别为0.423 ± 0.275、0.693 ± 0.191、0.267 ± 0.191和0.715 ± 0.518。这些结果表明，将筋膜特异性的外观信息与解剖目标锚定及路径连续性约束相结合，可以改善连续髂筋膜分割的效果。然而，由于参数开发和性能评估使用的是同一数据集，因此需要使用预设参数进行独立验证，才能确立其泛化性。
