Automated Measurement of Geniohyoid Muscle Thickness During Speech Using Deep Learning and Ultrasound

本文提出了一种名为 SMMA 的深度学习自动化框架，通过结合分割与骨架化技术实现了对言语过程中舌骨下肌群（geniohyoid）厚度的精准测量，不仅达到了接近人工标注的准确度，还揭示了粤语元音发音中的肌肉激活模式及性别差异，为大规模言语运动控制研究及吞咽障碍评估提供了可扩展的客观工具。

要点

这篇论文介绍了一项非常酷的技术，就像给说话时的舌头肌肉装上了一个"全自动智能尺子"。

为了让你更容易理解，我们可以把这项研究想象成是在解决一个"数豆子"的难题。

1. 为什么要做这个？（原来的麻烦事）

想象一下，医生或科学家想研究我们说话时，舌头下面那块叫“颏舌骨肌”（Geniohyoid，简称 GH）的肌肉是怎么动的。这块肌肉就像舌头的“升降梯”，负责控制下巴的升降和舌头的形状。

以前，要测量这块肌肉，科学家得拿着超声波（就像给身体拍 X 光，但没辐射）拍视频，然后人工在屏幕上画圈圈，把肌肉的轮廓描出来，再拿尺子量厚度。

• 痛点：这就像让一个人在一小时的视频里，一帧一帧地手动画圈圈。这太累了！而且每个人画的圈可能都不一样（有的画大点，有的画小点），导致数据不准，根本没法做大规模的研究。

2. 他们做了什么？（SMMA 系统）

为了解决这个问题，作者们开发了一个叫 SMMA 的自动系统。你可以把它想象成一个"超级 AI 摄影师 + 智能测量员"的组合：

• 第一步：AI 找肌肉（像玩“找不同”游戏）
  系统里有一个经过特殊训练的 AI（叫 UltraUNet）。它看过成千上万张超声波图片，学会了像侦探一样，自动在杂乱的图像中把那块肌肉“圈”出来。

  • 比喻：以前是人拿着放大镜在沙滩上找贝壳，现在是一个机器人，一眼就能把贝壳从沙子里挑出来，而且挑得比人还准（准确率高达 90% 以上，几乎和人类专家一样）。

• 第二步：骨架测量（像给肌肉量腰围）
  一旦 AI 圈出了肌肉，系统就会在肌肉中间画一条细细的“中线”（骨架）。然后，它像用游标卡尺一样，垂直测量这条中线到肌肉边缘的距离，算出肌肉的厚度。

  • 比喻：这就像给肌肉量“腰围”，而且是一秒钟量几百次，完全不需要人手去碰。

3. 他们发现了什么？（有趣的发现）

他们用这个新工具测试了 11 个说粤语的人，让他们发三个音：/a:/（啊）、/i:/（衣）、/u:/（乌）。结果发现了一些非常有意思的规律：

• 发“啊”音时，肌肉最“壮”：
  当人们发低元音 /a:/（嘴巴张得很大）时，这块肌肉变得很厚（平均 7.29 毫米）。
  • 为什么？就像你用力把下巴往下拉时，脖子下面的肌肉会绷紧变厚一样。发“啊”音需要把下巴降得很低，所以肌肉得用力收缩。
• 发“衣”音时，肌肉变“瘦”：
  当发高元音 /i:/（嘴巴咧开，下巴抬高）时，肌肉变薄了（平均 5.95 毫米）。
  • 为什么？这时候下巴是抬起来的，这块肌肉不需要那么用力，所以它就“放松”变薄了。
• 男女有别：
  男性的肌肉普遍比女性厚一点点（5-8%），这就像男生通常骨架大一点，肌肉也自然大一点，属于正常的生理差异。

4. 这有什么用？（未来的意义）

这项技术就像给语言学和医学研究装上了"涡轮增压"：

1. 不再需要人工画圈：以前一天只能测几个人，现在 AI 可以一天测成千上万个人，让大规模研究成为可能。
2. 诊断说话障碍：对于有构音障碍（说话不清楚）或吞咽困难的人，医生可以用这个工具客观地看到他们的肌肉是不是“没力气”或者“动错了地方”，就像给肌肉做体检。
3. 康复监测：可以精确地跟踪病人康复过程中，肌肉力量有没有恢复。

总结

简单来说，这篇论文就是发明了一个全自动的“肌肉厚度测量仪”。它用 AI 代替了人类辛苦的手工测量，不仅测得准、测得快，还帮我们揭开了说话时舌头肌肉运动的秘密。这就像是从“手工缝制衣服”进化到了“全自动智能裁缝”，让未来的语言研究和医疗诊断变得更加精准和高效。

技术摘要

以下是基于该论文《Automated Measurement of Geniohyoid Muscle Thickness During Speech Using Deep Learning and Ultrasound》（利用深度学习与超声技术自动测量言语过程中的颏舌肌厚度）的详细技术总结：

1. 研究背景与问题 (Problem)

• 研究痛点：在言语产生过程中，利用超声成像研究舌部动力学至关重要。然而，现有的研究主要集中在舌轮廓的追踪，而对深层的**颏舌肌（Geniohyoid, GH）**关注不足。GH 肌对舌体位置、舌骨及下颌力学机制有关键影响，进而影响元音高度和发音模式。
• 技术瓶颈：
  • 可视化困难：GH 肌在超声图像中 historically 难以清晰显示。
  • 人工测量局限：现有的 GH 肌测量主要依赖人工标注，过程耗时、主观性强，且存在显著的评分者间差异（Inter-rater variability）。
  • 缺乏自动化工具：缺乏经过验证的自动化分割和测量工具，限制了大规模言语运动控制和临床障碍（如构音障碍、吞咽困难）研究的发展。

2. 方法论 (Methodology)

论文提出了一种名为 SMMA (Skeleton-based Morphometric Muscle Analysis) 的全自动框架，包含两个核心组件：

组件 1：基于深度学习的自动分割 (Segmentation)

• 输入处理：对 B 模式超声视频帧进行标准化处理（裁剪、调整大小至 224×224px、归一化）。
• 模型选择：评估了多种深度学习架构（Attention UNet, UNet, UltraUNet, SwinUNet, DeepLab v3）。
• 训练策略：
  • 使用 Dice Loss (0.8) 和 Focal Loss (0.2) 的加权组合。
  • 采用针对超声图像的在线数据增强。
  • 训练 50 个 epoch，并应用早停机制。
• 输出：生成代表 GH 肌区域的二值分割掩膜（Binary Mask）。

组件 2：基于骨架的厚度提取 (Thickness Extraction)

• 后处理：对分割掩膜进行形态学操作（闭运算、开运算、孔洞填充）和高斯平滑，以去除伪影并保留连通性。
• 骨架化：使用骨架化算法提取肌肉的中轴线（Medial Axis），生成单像素宽的“脊柱”（Skeleton）。
• 厚度计算：
  • 计算骨架上每一点到肌肉边界的垂直距离，厚度 $t(p) = 2 \times d(p)$。
  • 去噪策略：为减少边缘效应，仅取骨架点中 25% 至 75% 分位数（中间 50%）的厚度平均值作为最终结果 ($T_{mean}$)。
  • 可选功能：计算骨架曲率和横截面积。

数据集与验证协议

• 数据：来自 11 名粤语使用者（5 男 6 女）的 1650 张标注超声图像。
• 采集：使用 SuperSonic Imagine Aixplorer 扫描仪，探头置于下颌骨与舌骨之间的正中矢状面，采样率 30 fps。
• 验证：
  • 分割验证：3 名经过培训的标注员对测试集进行独立标注，计算组间一致性（Dice/IoU），并与模型结果对比。
  • 厚度验证：由资深超声医师手动测量 110 张图像（随机选取 55 张 + 临床关键帧 55 张）作为金标准，与 SMMA 自动测量结果对比。

3. 关键贡献 (Key Contributions)

1. 首个全自动框架：提出了 SMMA，实现了从超声视频到 GH 肌厚度量化的全流程自动化，无需人工干预。
2. 近人类水平的精度：验证表明，SMMA 的分割精度（Dice: 0.9037）和厚度测量精度（MAE: 0.53 mm, 相关系数 r=0.901）已达到甚至接近人类专家的水平。
3. 标准化流程：建立了一套标准化的数据采集、标注和评估协议，解决了以往研究中因操作者差异导致的数据不可比问题。
4. 可扩展性：消除了人工标注瓶颈，使得大规模言语运动控制研究和临床筛查成为可能。

4. 实验结果 (Results)

分割性能 (Component 1)

• 人类一致性：3 名标注员之间的平均 Dice 系数为 0.9001 - 0.9179。
• 模型表现：UltraUNet 表现最佳，Dice 系数为 0.9037 ± 0.0035，IoU 为 0.8263，且运行稳定性最高（标准差最小）。其性能与人类标注者之间的差异相当，优于其他模型（如 UNet, DeepLab v3）。

厚度测量性能 (Component 2)

• 随机图像：MAE = 0.88 mm, RMSE = 1.10 mm, $r = 0.707$。
• 临床精选图像（高质量）：MAE = 0.53 mm, RMSE = 0.75 mm, $r = 0.901$。
• 一致性：Bland-Altman 分析显示，在高质量图像中，95% 的测量值与人工标注的偏差在 ±1.46 mm 以内，显示出极佳的临床一致性。

应用发现：元音发音分析

对 11 名受试者发音 /a:/, /i:/, /u:/ 的分析揭示了系统性模式：

• 元音差异：
  • /a:/ (低元音)：GH 肌厚度最大 (7.29 mm)。
  • /i:/ (高前元音)：GH 肌厚度最小 (5.95 mm)。
  • 统计显著性：/a:/ 与 /i:/ 差异极显著 ($p < 0.001$)，效应量大 (Cohen's $d > 1.3$)。
  • 生理机制：这与下颌下降（/a:/）需要更强的 GH 肌激活以压低下颌，而 /i:/ 涉及下颌提升导致 GH 肌激活减少的生理机制一致。
• 性别差异：男性在 /i:/ 和 /u:/ 上的肌肉厚度比女性大 5-8%，主要反映解剖学尺寸差异，而非功能性差异。

5. 意义与影响 (Significance)

• 科研价值：为言语声学和解剖学研究提供了客观、可重复的量化工具，填补了深层舌肌在言语产生中动态研究的空白。
• 临床应用：
  • 构音障碍评估：可客观量化吞咽和言语障碍患者的肌肉功能异常。
  • 康复监测：支持对言语治疗效果的长期纵向监测。
• 未来展望：尽管目前样本量较小且仅限于粤语，但该方法为未来跨语言、跨病理人群的大规模研究奠定了基础。未来的工作将致力于处理连续语音中的共articulation（协同发音）问题，并建立图像质量阈值标准。

总结：该论文成功开发并验证了 SMMA 系统，利用深度学习（UltraUNet）和骨架化算法，实现了超声图像中颏舌肌厚度的高精度自动测量，为理解言语运动控制机制和临床诊断提供了强有力的技术支撑。