The invention discloses a muscle state quantitative evaluation method, device, storage medium and intelligent terminal. The method includes: acquiring muscle ultrasonic image and physical characteristics data of the person to be tested, and selecting features according to the muscle ultrasonic image and physical characteristics data; constructing feature data set, and determining the optimal feature data set according to the feature data set; and The optimal feature data set is input to the trained classifier for classification, and the movement frequency category of the person to be tested is obtained; the optimal feature data set is input to the trained evaluation model for quantitative evaluation of muscle state, and the evaluation result is obtained, and the evaluation result is the movement ability score of the person to be tested. By analyzing the ultrasonic image of muscle, using data mining technology and machine learning model to classify the motion frequency, and making quantitative evaluation on the muscle state, the invention can more accurately understand the muscle state.
【技术实现步骤摘要】
一种肌肉状态量化评定方法、装置、存储介质及智能终端
本专利技术涉及肌肉图像分析
,尤其涉及的是一种肌肉状态量化评定方法、装置、存储介质及智能终端。
技术介绍
无论是竞技体育还是运动康复,肌肉通常都是通过运动来加强的。在这一过程中,肌肉的生物结构也发生了微妙的变化,同时这种变化也可能作为图像特征的微小变化反映在相应肌肉的超声图像中。每个人骨骼肌结构的差异通常归因于许多方面:年龄差异,性别差异,肌肉健康状态的差异,甚至运动频率差异。对这种差异的进一步研究对于评估肌肉状态是有用的。因此,挖掘这种差异信息是康复工程,运动医学和老年护理的重要任务。但是现有的方法对于肌肉状态的评估通常是基于任务或复杂动作来实现的,比如对于运动员,测量肌肉爆发力,需要其固定在专用仪器做指定高强度动作。然而专用仪器通常体积较大,不便于携带。且在运动康复中,若患者处于恢复期,为了防止运动损伤是不建议做高强度动作,因此对于肌肉状态的评估也受到了较大的限制。因此,现有技术还有待于改进和发展。
技术实现思路
本专利技术要解决的技术问题在于,针对现有技术的上述缺陷,提供一种肌肉状态量化评定方法、装置、存储介质及智能终端,旨在解决现有技术中的肌肉状态评估的方式繁琐,且需要用到专用仪器的问题。本专利技术解决技术问题所采用的技术方案如下:第一方面,本专利技术实施例提供了一种肌肉状态量化评定方法,其中,所述方法包括:获取待测试者的肌肉超声图像以及体能特征数据,并根据所述肌肉超声图像以及体能特征 ...
【技术保护点】
1.一种肌肉状态量化评定方法,其特征在于,所述方法包括:/n获取待测试者的肌肉超声图像以及体能特征数据,并根据所述肌肉超声图像以及体能特征数据进行特征选择;/n构建特征数据集,并根据所述特征数据集确定出最优特征数据集;/n将所述最优特征数据集输入至已训练好的分类器进行分类,获取到所述待测试者的运动频率类别;/n将所述最优特征数据集输入至已训练好的评定模型进行肌肉状态量化评定,获取评定结果,所述评定结果为所述待测试者的运动能力分数。/n
【技术特征摘要】
1.一种肌肉状态量化评定方法,其特征在于,所述方法包括:
获取待测试者的肌肉超声图像以及体能特征数据,并根据所述肌肉超声图像以及体能特征数据进行特征选择;
构建特征数据集,并根据所述特征数据集确定出最优特征数据集;
将所述最优特征数据集输入至已训练好的分类器进行分类,获取到所述待测试者的运动频率类别;
将所述最优特征数据集输入至已训练好的评定模型进行肌肉状态量化评定,获取评定结果,所述评定结果为所述待测试者的运动能力分数。
2.根据权利要求1所述的肌肉状态量化评定方法,其特征在于,所述肌肉超声图像包括在不同运动状态下的胫骨前肌的超声图像以及腓肌后侧肌肉的超声图像。
3.根据权利要求1所述的肌肉状态量化评定方法,其特征在于,所述体能特征数据包括生理特征数据以及运动记录数据;
生理特征数据包括:所述待测试者的身高、体重、年龄、性别以及身体质量指数;所述运动记录数据包括所述待测试者的运动频率。
4.根据权利要求3所述的肌肉状态量化评定方法,其特征在于,所述根据所述肌肉超声图像进行特征选择,包括:
从所述肌肉超声图像中提取特征数据;
按照预设的排序准则对提取的特征数据计算排序准则得分;
基于所述排序准则得分对提取的特征数据进行选择。
5.根据权利要求1所述的肌肉状态量化评定方法,其特征在于,所述构建特征数据集,并根据所述特征数据集确定出最优特征数据集,包括:
对选择后的特征数据使用交叉验证重复计数法筛选出预设个数的特征数据,并构建特征数据集;
对所述特征数据集使用降维技术,将所述特征数据集的维度降低至预设空间,获得最优特征数据集。
6.根...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。