Naturliga kluster av funktionella enheter i ultraljudssekvenser
En utvärdering av klusteranalys för att detektera motoriska enheter i kontraherande skelettmuskulatur
Medical technologyCluster analysisMotor unitData segmentationMedicinsk teknikKlusteranalysMotorisk enhetDatasegmentering
Strukturell avbildning med ultraljud kan användas för att upptäcka sjukdomar och störningar i kroppen. För att ställa tillförlitliga diagnoser räcker det inte alltid med en strukturell avbildning utan ibland krävs det även fysiologisk information. Vid användning av funktionell avbildning med ultraljud kan den informationen mätas i kroppens olika fysiologiska system. Systemen består av funktionellt olika enheter och kallas för motoriska enheter i skelettmuskulatur. Vid sjukdomar som ateroskleros (åderförkalkning) kan dessa enheter vara så kallade kärlplack, som består av vävnad med varierande egenskaper och medicinsk relevans. Möjligheten att kunna analysera funktionella enheter i system som dessa kan bidra mycket till diagnostisering av sjukdomar och störningar. Den här studien presenterar en metod för att hitta naturliga kluster av funktionella enheter i skelettmuskulatur, från 3D-data inhämtat med ultraljudssekvenser. I studien genererades syntetiska data från en modell som simulerar sekvenser av aktionspotentialer i kontraherande muskelvävnad. Datat bearbetades med förbehandlingar och klusteranalys och resultaten utvärderades med siluettkoefficienter. Kombinationer av fyra förbehandlingssätt och två klustringsalgoritmer jämförs i studien. Även tester på riktigt ultraljudsdata av muskelkontraktioner utfördes. Den bästa kombinationen av förbehandling och klustringsalgoritm gav goda resultat och använder datanormalisering samt temporal bandpassfiltrering som förbehandling tillsammans med hierarkisk Complete Linkage-klustring. Den var dessutom relativt okänslig för störningar i datat. Resultaten från riktigt ultraljudsdata gav en grov indelning av områden i muskeln som visuellt överensstämmer med anatomin i den strukturella bilden.