【技术实现步骤摘要】
本申请涉及图像处理，尤其涉及一种组织活动参数测量方法、系统、终端及计算机可读存储介质。
技术介绍
1、组织活动参数测量通常指的是利用技术手段(如图像处理、机器学习、深度学习等)自动测量和分析肌肉组织在收缩过程中的变化，包括测量肌肉厚度、羽状角、肌束长度以及其他相关参数的变化。组织活动参数测量能够提供关于肌肉收缩性能的详细和精确的数据，这对于理解肌肉的健康状况和功能至关重要。在运动与康复领域，肌肉信息的引入能够帮助运动员评估自身肌肉性能，并优化训练计划，以预防运动损伤；也能帮助待康复者评估受伤后的恢复进程和康复训练的效果。
2、但是，目前肌肉组织的相关活动参数测量方法呈现多样化，非侵入性的用于测量组织物理特性的仪器设备成本高昂，且通常体积较大，不易携带，并且对于图像质量的要求较高，导致组织活动参数测量不准确。
3、因此，现有技术还有待于改进和发展。
技术实现思路
1、本申请的主要目的在于提供一种组织活动参数测量方法、系统、终端及计算机可读存储介质，旨在解决现有技术中对组织进行量化分析时，对图像中的噪声较为敏感，需要高昂成本设备，对于图像质量的要求较高，导致组织活动参数测量不准确的问题。
2、为实现上述目的，本申请提供一种组织活动参数测量方法，所述一种组织活动参数测量方法包括如下步骤：
3、获取目标组织的图像结构信息，根据所述图像结构信息建立组织收缩活动模型，将所述组织收缩活动模型转化为线性瞬时模型；
4、获取所述线性瞬时模型
5、对所述观测矩阵进行白化处理，根据白化处理后的观测矩阵构建二阶协方差矩阵，根据所述二阶协方差矩阵得到混合矩阵，对所述混合矩阵进行分离，得到多个独立活动信号源；
6、按照预设的分类方法对多个所述独立活动信号源进行分类和筛选，得到目标信号，根据所述目标信号得到组织活动参数，根据所述组织活动参数对所述目标组织的收缩活动进行评估。
7、可选地，所述的组织活动参数测量方法，其中，所述获取目标组织的图像结构信息，根据所述图像结构信息建立组织收缩活动模型，具体包括：
8、通过成像系统获取所述目标组织的图像或视频的结构信息，将所述图像结构信息表示为多个窗函数，根据多个所述窗函数与多个所述窗函数分别对应的脉冲响应的卷积总和进行建模，得到组织收缩活动模型：
9、
10、其中，xi(t)表示图像中第i个像素的轴向位移随时间t的演变，t表示时间，n表示生理反应导致的目标组织收缩的活动源数量，k表示非目标组织活动的稀疏源数量，sj(t-l)表示第j个源作为时间t-l的函数，hij(l)表示第i个像素和第j个源的脉冲响应的持续时间为l，ωi(t)是第i个像素处的附加白噪声。
11、可选地，所述的组织活动参数测量方法，其中，所述将所述组织收缩活动模型转化为线性瞬时模型，具体包括：
12、获取每个所述窗函数的延迟样本，根据每个所述窗函数和每个所述窗函数对应的延迟样本，将所述组织收缩活动模型转化为线性瞬时模型：
13、
14、其中，
15、
16、
17、其中，表示所有通道接收到信号的矩阵表示，表示混合矩阵，表示所有待估计的组织活动信号源，表示待估计源上的附加白噪声，xm(t)表示第m个源上的矩阵表示，ωm(t)表示第m个源上的附加白噪声，l指的是信号源的延迟单位，r指的是测值的延迟单位，t表示矩阵转置。
18、可选地，所述的组织活动参数测量方法，其中，所述获取所述线性瞬时模型中的信号矩阵，将所述信号矩阵进行分割得到子信号矩阵，对所述子信号矩阵进行拓展得到观测矩阵，具体包括：
19、获取所述线性瞬时模型中的信号矩阵将所述信号矩阵进行分割，并对分割后的所述信号矩阵进行向量化和标准化，得到若干个子信号矩阵；
20、对所述子信号矩阵进行拓展得到多个延迟版本的观测矩阵。
21、可选地，所述的组织活动参数测量方法，其中，所述对所述观测矩阵进行白化处理，具体包括：
22、计算所述观测矩阵的协方差矩阵，对所述协方差矩阵进行特征值分解，得到特征值矩阵和第一特征向量；
23、将所述特征值矩阵的逆开方与所述第一特征向量相乘，得到白化变换矩阵，将所述观测矩阵与所述白化变换矩阵相乘，得到白化处理后的观测矩阵。
24、可选地，所述的组织活动参数测量方法，其中，所述根据白化处理后的观测矩阵构建二阶协方差矩阵，根据所述二阶协方差矩阵得到混合矩阵，对所述混合矩阵进行分离，得到独立活动信号源，具体包括：
25、计算白化处理后的观测矩阵的二阶协方差矩阵，过所述二阶协方差矩阵进行特征值分解，得到第二特征向量；
26、根据所述第二特征向量推算得到所述混合矩阵，通过独立成分分析算法对所述混合矩阵进行分离，得到多个所述独立活动信号源。
27、可选地，所述的组织活动参数测量方法，其中，所述按照预设的分类方法对多个所述独立活动信号源进行分类和筛选，得到目标信号，具体包括：
28、将多个所述独立活动信号源转化为多个时域信号和多个频率信号；
29、将多个所述时域信号和多个所述频率信号与预设标准进行比较，将符合所述预设标准的所述时域信号和所述频率信号对应的独立活动信号源从多个所述独立活动信号源中分离出来，得到目标信号。
30、此外，为实现上述目的，本申请还提供一种组织活动参数测量系统，其中，所述组织活动参数测量系统包括：
31、组织模型建立模块，用于获取目标组织的图像结构信息，根据所述图像结构信息建立组织收缩活动模型，将所述组织收缩活动模型转化为线性瞬时模型；
32、观测矩阵获取模块，用于获取所述线性瞬时模型中的信号矩阵，将所述信号矩阵进行分割得到子信号矩阵，对所述子信号矩阵进行拓展得到所述子信号矩阵的观测矩阵；
33、活动信号源获取模块，用于对所述观测矩阵进行白化处理，根据白化处理后的观测矩阵构建二阶协方差矩阵，根据所述二阶协方差矩阵得到混合矩阵，对所述混合矩阵进行分离，得到多个独立活动信号源；
34、组织活动参数测量模块，用于按照预设的分类方法对多个所述独立活动信号源进行分类和筛选，得到目标信号，根据所述目标信号得到组织活动参数，根据所述组织活动参数对所述目标组织的收缩活动进行评估。
35、此外，为实现上述目的，本申请还提供一种终端，其中，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的组织活动参数测量程序，所述组织活动参数测量程序被所述处理器执行时实现如上所述的组织活动参数测量方法的步骤。
36、此外，为实现上述目的，本申请还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有组织活动参数测量程本文档来自技高网...
【技术保护点】
1.一种组织活动参数测量方法，其特征在于，所述的组织活动参数测量方法包括：
2.根据权利要求1所述的组织活动参数测量方法，其特征在于，所述获取目标组织的图像结构信息，根据所述图像结构信息建立组织收缩活动模型，具体包括：
3.根据权利要求2所述的组织活动参数测量方法，其特征在于，所述将所述组织收缩活动模型转化为线性瞬时模型，具体包括：
4.根据权利要求3所述的组织活动参数测量方法，其特征在于，所述获取所述线性瞬时模型中的信号矩阵，将所述信号矩阵进行分割得到子信号矩阵，对所述子信号矩阵进行拓展得到观测矩阵，具体包括：
5.根据权利要求1所述的组织活动参数测量方法，其特征在于，所述对所述观测矩阵进行白化处理，具体包括：
6.根据权利要求1所述的组织活动参数测量方法，其特征在于，所述根据白化处理后的观测矩阵构建二阶协方差矩阵，根据所述二阶协方差矩阵得到混合矩阵，对所述混合矩阵进行分离，得到独立活动信号源，具体包括：
7.根据权利要求1所述的组织活动参数测量方法，其特征在于，所述按照预设的分类方法对多个所述独立活动信号
8.一种组织活动参数测量系统，其特征在于，所述组织活动参数测量系统包括：
9.一种终端，其特征在于，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的组织活动参数测量程序，所述组织活动参数测量程序被所述处理器执行时实现如权利要求1-7任一项所述的组织活动参数测量方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有组织活动参数测量程序，所述组织活动参数测量程序被处理器执行时实现如权利要求1-7任一项所述的组织活动参数测量方法的步骤。
...【技术特征摘要】
1.一种组织活动参数测量方法，其特征在于，所述的组织活动参数测量方法包括：
2.根据权利要求1所述的组织活动参数测量方法，其特征在于，所述获取目标组织的图像结构信息，根据所述图像结构信息建立组织收缩活动模型，具体包括：
3.根据权利要求2所述的组织活动参数测量方法，其特征在于，所述将所述组织收缩活动模型转化为线性瞬时模型，具体包括：
4.根据权利要求3所述的组织活动参数测量方法，其特征在于，所述获取所述线性瞬时模型中的信号矩阵，将所述信号矩阵进行分割得到子信号矩阵，对所述子信号矩阵进行拓展得到观测矩阵，具体包括：
5.根据权利要求1所述的组织活动参数测量方法，其特征在于，所述对所述观测矩阵进行白化处理，具体包括：
6.根据权利要求1所述的组织活动参数测量方法，其特征在于，所述根据白化处理后的观测矩阵构建二阶协方差...
【专利技术属性】
技术研发人员：周永进，林勇生，邱卓华，陈浩鑫，方乐烨，
申请(专利权)人：深圳大学，
类型：发明
国别省市：
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。