System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于康复医疗,具体涉及一种运动中识别被刺激肌肉隔室的计算方法。
技术介绍
1、定期运动训练对肌肉力量会产生积极影响,随着肌力扩大,特定肌肉隔室中的肌肉质量得到改善。运动训练之前肌肉以运动单位的形式被选择性募集,从而激活肌肉,能够使肌肉更好地发挥出力量和功能。
2、一般来说,运动单位的募集是按低阈值到高阈值的顺序发展的,这种选择性的募集可以使力量分级产生,刺激更高阈值的运动单位,从而增强肌肉力量。这种募集肌肉的方式不仅仅只存在于热身阶段,实际上它可以贯穿你的整个训练过程。
3、然而,有效的运动需要全程专业指导,个人训练时缺乏用于监测运动中被募集肌肉的直接观察工具,这产生了对运动中被募集肌肉实时监测的巨大需求。
4、一般来说,断层扫描成像技术,如磁共振成像(mri)和x射线计算机断层扫描(ct)可测量肌肉收缩率(例如:cn101080645a),以了解运动后的生理诱导响应。然而,由于体积大且不便移动,这些方法无法在社区及家庭环境中使用。
5、超声成像(ui)通常可在运动过程中使用,但ui的视野较小,运动过程中维持超声探头稳定十分困难,因此无法在运动过程中观察多个肌肉隔室的生理诱导响应(例如:林珊珊,郑逸逸,王楚怀.实时超声成像对健康成人多裂肌收缩效率的影响[j].中国康复医学杂志2022.4)。
6、为了克服传统断层扫描成像的缺点,表面肌电图(semg)通常在运动中使用,用于测量收缩肌肉中动作电位产生的肌电信号,并以折线图的形式呈现。semg提供了一种实时、无创、
7、为了克服传统断层成像的上述困难,电阻抗成像(eit)因其操作简便、无创无害、成本低廉、可实时断层成像而备受关注。eit可用于监测体液、膀胱液量、肺部水肿、出血和血液淤积。在这种情况下,研发团队开发出频差电阻抗成像(fd-eit),用于实时监测运动过程中被募集肌肉隔室。肌肉收缩的强度也会随着在进行运动强度的增加而增加。这是由于流入肌肉的血液对肌肉收缩强度敏感。根据这一解释,运动期间生理诱导电学特性响应的不同趋势可通过eit监测或观察到。
8、因此,采用eit技术来监测运动中识别被刺激肌肉隔室成为一种可能。
技术实现思路
1、本专利技术的目的是为了解决上述现有技术存在的问题,提供一种运动中识别被刺激肌肉隔室的计算方法。
2、本专利技术的通过以下技术方案来实现:
3、一种运动中识别被刺激肌肉隔室的计算方法,其包括如下步骤:
4、第一步,将整体组织截面的二维电场面积ω划分为n个网格,获取组织在运动时长ti时组织的电导率分布矩阵
5、第二步,将组织的二维电场面积根据皮肤、脂肪、骨骼和肌肉这四种类型进行划分;对于矩阵而言,对皮肤、脂肪、骨骼区域的电导率赋值为0,从而得到任意运动时长ti时肌肉区域电导率矩阵
6、第三步,利用成像肌肉区域的图像:将肌肉区域分割成m个肌肉隔室;在成像划分m个肌肉隔室后,然后计算运动时长ti时第1~m个肌肉隔室的对应的电导率矩阵
7、第四步,对运动时长ti时第1~m个肌肉隔室的对应的电导率矩阵进行二值化处理得到运动时长ti时第1~m个肌肉隔室的对应的二值化电导率矩阵
8、运动时长ti时任意第p个肌肉隔室对应的电导率矩阵进行二值化处理得到运动时长ti时任意第p个肌肉隔室的对应的二值化电导率矩阵的方式是:
9、矩阵中的元素小于阈值ε时,该元素赋值为0;
10、矩阵中的元素大于等于阈值ε时,该元素赋值为1。
11、第五步,根据矩阵对各个肌肉隔室进行二值化成像。
12、第六步,计算运动时间ti时第1~m个肌肉隔室的被募集率:第1~m个肌肉隔室的横截面积比表征运动时间ti时第1~m个肌肉隔室的被募集率;
13、其中,运动时间ti时任意第p个肌肉隔室的横截面积比:
14、
15、其中,表示运动时间ti时第p个肌肉隔室内处于被募集状态所对应的截面积的面积;
16、其中,表示运动时间ti时第p个肌肉隔室的二维图像的面积。
17、进一步,第二步中,求解的方法是:以肌肉区域电导率最低值为阈值,过滤皮肤、脂肪、骨骼区域的电导率,从而得到肌肉区域电导率矩阵即,对于矩阵中的每个元素,其大于等于该元素数值不变,当其小于该元素赋值0。
18、进一步,第二步中,求解的另一个方法是:根据第一步中获取的组织在运动时长ti时的电导率分布矩阵以频差电导率成像方法生成图像,图像中每个像素点对应的电导率值不同(电导率值由低到高),像素点的颜色也不同(像素点的颜色由浅到深),将图像导入至图像处理软件中,以肌肉区域最浅色为最低限,过滤皮肤、脂肪、骨骼区域颜色,将其设置为空白,再将剩余的肌肉区域经边界提取算法划分为1~m个肌肉隔室。
19、进一步,第四步中,ε取值第p个肌肉隔室对应的最佳阈值
20、的求解方法如下:
21、
22、其中,np是第p个肌肉隔室内的总网格数;
23、其中,表示:运动时间ti时第p个肌肉隔室内处于未募集状态所对应的网格数,为一数值;
24、其中,意味着当σp-u≥ε时,运动时间ti时第p个肌肉隔室内处于被募集状态所对应的网格数,为一数值;
25、其中,是在matlab中的一种函数,求自变量阈值ε的最大值,即为最佳阈值
26、其中,x表示步长,1<x<x,x为自主定义;
27、其中,ε为阈值,0<ε=xδε<1,δε为自主定义;
28、其中,γ(ε)为应用阈值ε时的强度方差,由参数α0(ε),β0(ε),α1(ε)和β1(ε)计算获得;
29、其中,表示矩阵中的每个元素与α1(ε)之差的平方和;
30、其中,表示矩阵中的每个元素与α0(ε)之差的平方和。
31、本专利技术技术方案的优点主要体现在:
32、本申请提出了运动中识别被刺激肌肉隔室的方法。其基础思路是:
33、s1,获取在运动时长ti时组织的电导率分布矩阵
34、s2,从中求解运动时长ti时肌肉区域对应的电导率矩阵
35、s3,将肌肉区域分割成m个肌肉隔室;求解运动时长ti时第1~m个肌肉隔室的对应的电导率矩阵
36、s4,进行二值化处理得到运动时长ti时第1~m个肌肉隔室的对应的二值化电导率矩阵
37、s5,根据矩阵对各个肌肉隔室进行二值化成像。
38、s6,计算运动时间ti时第1~m个肌肉隔室的被募集率:第1~m个肌肉隔室的横截面积本文档来自技高网...
【技术保护点】
1.一种运动中识别被刺激肌肉隔室的计算方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种运动中识别被刺激肌肉隔室的计算方法,其特征在于,第二步中,求解的方法是:以肌肉区域电导率最低值为阈值,过滤皮肤、脂肪、骨骼区域的电导率,从而得到肌肉区域电导率矩阵即,对于矩阵中的每个元素,其大于等于该元素数值不变,当其小于该元素赋值0。
3.根据权利要求1所述的一种运动中识别被刺激肌肉隔室的计算方法,其特征在于,第二步中,求解的另一个方法是:根据第一步中获取的组织在运动时长ti时的电导率分布矩阵以频差电导率成像方法生成图像,图像中每个像素点对应的电导率值不同(电导率值由低到高),像素点的颜色也不同(像素点的颜色由浅到深),将图像导入至图像处理软件中,以肌肉区域最浅色为最低限,过滤皮肤、脂肪、骨骼区域颜色,将其设置为空白,再将剩余的肌肉区域经边界提取算法划分为1~M个肌肉隔室。
4.根据权利要求1所述的一种运动中识别被刺激肌肉隔室的计算方法,其特征在于,第四步中,ε取值第P个肌肉隔室对应的最佳阈值
【技术特征摘要】
1.一种运动中识别被刺激肌肉隔室的计算方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种运动中识别被刺激肌肉隔室的计算方法,其特征在于,第二步中,求解的方法是:以肌肉区域电导率最低值为阈值,过滤皮肤、脂肪、骨骼区域的电导率,从而得到肌肉区域电导率矩阵即,对于矩阵中的每个元素,其大于等于该元素数值不变,当其小于该元素赋值0。
3.根据权利要求1所述的一种运动中识别被刺激肌肉隔室的计算方法,其特征在于,第二步中,求解的另一个方法是:根据...
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。