一种肌肉状态量化评定方法、装置、存储介质及智能终端制造方法及图纸

本发明专利技术公开了一种肌肉状态量化评定方法、装置、存储介质及智能终端，所述方法：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。本发明专利技术通过对肌肉超声图像进行分析，并利用数据挖掘技术与机器学习模型来对运动频率进行分类，并对肌肉状态进行量化评定，从而更加准确地了解肌肉的状态。

A quantitative evaluation method, device, storage medium and intelligent terminal of muscle state

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。在一种实现方式中，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。在一种实现方式中，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。在一种实现方式中，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。在一种实现方式中，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。在一种实现方式中，所述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之前，包括：以所述特征数据集作为输入，所述待测试者的运动频率作为标签进行训练，构建用于对所述待测试者的运动频率进行分类的分类器。在一种实现方式中，所述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，之前包括：预先对待测试者进行运动能力分数标定；利用所述特征数据集中的特征进行回归拟合，构建出用于对肌肉状态进行量化评定的评定模型。第二方面，本专利技术实施例提供了肌肉状态量化评定装置，其中，所述装置包括：特征提取单元，用于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；特征处理单元，用于构建特征数据集，并根据所述特征数据集确定出最优特征数据集；分类单元，用于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；量化评定单元，用于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。第三方面，本专利技术实施例提供了一种智能终端，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行上述任意一项所述的肌肉状态量化评定方法的步骤。第四方面，本专利技术实施例还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任意一项所述的肌肉状态量化评定方法的步骤。本专利技术的有益效果：本专利技术通过对肌肉超声图像进行分析，并利用数据挖掘技术与机器学习模型来对待测试者的运动频率进行分类，然后通过创建的评定模型来并对肌肉状态进行量化评定，从而更加准确地了解肌肉的状态。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的肌肉状态量化评定方法的流程图。图2是经常运动和不经常运动的待测试者的肌肉超声图像对比图。图3是本专利技术实施例提供的肌肉状态量化评定装置的原理框图。图4是本专利技术实施例提供的智能终端的功能原理图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。经专利技术人研究发现，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。为了解决现有技术中的问题，本专利技术公开一种肌肉状态量化评定方法，通过对肌肉超声图像进行分析，并利用数据挖掘技术与机器学习模型来对待测试者的运动频率进行分类，然后通过创建的评定模型来并对肌肉状态进行量化评定，从而更加准确地了解肌肉的状态。具体地，如图1中所示，所示肌肉状态量化评定方法包括以下步骤：步骤S100、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；步骤S200、构建特本文档来自技高网...

【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...

【专利技术属性】
技术研发人员：周永进，孙诗雨，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44