【技术实现步骤摘要】
本申请涉及图像处理，尤其涉及一种组织力学特性参数测量方法、系统、终端及计算机可读存储介质。
技术介绍
1、组织力学特性，包括弹性、粘弹性、刚度等，对于理解和评估生物组织的健康状况至关重要；随着技术的进步，多种方法被开发出来用于测量和分析组织的力学特性。这些方法包括但不限于：超声弹性成像，通过测量超声波在组织中的传播速度来评估组织的弹性；磁共振弹性成像：结合磁共振成像技术和机械波传播分析，用于非侵入性地测量组织的力学特性；光学方法：如光学相干断层扫描(optical coherence tomography，oct)，用于获取组织的微观结构和力学信息。
2、但是，当前用于测量组织力学特性的技术，如超声弹性成像、磁共振弹性成像和光学相干断层扫描(oct)，虽然各具优势，但也存在明显的局限性。超声弹性成像受限于其较低的分辨率和操作者的技术水平，且在深层组织的成像效果较差。磁共振弹性成像(mre，magnetic resonance elastography)，虽然提供了更深入的组织分析，但其高昂的成本、耗时的成像过程和对特殊安装环境的需求限制了它的广泛应用。而光学相干断层扫描(oct)虽然能够提供高分辨率的微观结构信息，但其穿透深度有限，且在大范围成像方面存在局限。
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力学特性参数测量方法、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力学特性参数的测量存在局限，测量
2、为实现上述目的，本申请提供一种组织力学特性参数测量方法，所述一种组织力学特性参数测量方法包括如下步骤：
3、采集生物组织的超声成像数据，对所述超声成像数据进行预处理得到预处理超声成像数据，根据所述预处理超声成像数据计算得到弹性模量，并从所述预处理超声成像数据中提取出关键特征；
4、根据所述关键特征和所述弹性模量计算得到标签向量和特征矩阵，将所述标签向量和所述特征矩阵作为数据集，并对所述数据集按照预设比例进行划分，得到训练集和测试集；
5、将所述训练集输入到随机森林模型中进行训练，得到训练后的模型参数，并使用所述测试集对所述模型参数进行验证，得到符合预设要求的目标模型；
6、将目标生物组织的目标超声成像数据输入到所述目标模型中进行预测，得到所述目标生物组织的力学特性参数。
7、可选地，所述的组织力学特性参数测量方法，其中，所述对所述超声成像数据进行预处理得到预处理超声成像数据，具体包括：
8、对所述超声成像数据进行亮度调整和对比度调整，得到调整后的超声成像数据；
9、对调整后的超声成像数据进行直方图均衡化处理和局部细节增强，得到预处理超声成像数据。
10、可选地，所述的组织力学特性参数测量方法，其中，所述关键特征包括：羽状角度、肌肉长度和肌肉厚度。
11、可选地，所述的组织力学特性参数测量方法，其中，所述从所述预处理超声成像数据中提取出关键特征，具体包括：
12、对所述预处理超声成像数据使用梯度radon变换得到骨骼肌超声图像，从所述骨骼肌超声图像得到浅筋膜的第一分割线和深筋膜的第二分割线，计算所述第一分割线和所述第二分割线之间的距离，得到肌肉厚度；
13、将所述骨骼肌超声图像中的肌纤维束直线进行线性外推，得到若干个肌纤维束直线，根据若干个所述肌纤维束直线，通过加权平均法得到所述肌肉长度di：
14、
15、其中，wj表示不同肌纤维束直线的权重，j表示肌纤维束直线的序数，dj表示第j条肌纤维束直线；
16、根据若干个所述肌纤维束直线和所述第二分割线，通过加权平均法得到所述羽状角度θi：
17、
18、其中，θj表示第j条肌纤维束直线与所述第二分割线之间的夹角。
19、可选地，所述的组织力学特性参数测量方法，其中，所述根据所述关键特征和所述弹性模量计算得到标签向量和特征矩阵，将所述标签向量和所述特征矩阵作为数据集，具体包括：
20、根据所述肌肉长度di和所述弹性模量得到被动弹性指数η和弹性
21、系数μ：
22、
23、
24、其中，其中g表示弹性模量，εi表示束应变，且d0表示肌肉松弛状态下的肌肉长度，εmax表示束应变的最大值，e表示自然常数，gmax表示弹性模量的最大值，gmin表示弹性模量的最小值；
25、组合所述关键特征得到所述特征矩阵，组合所述被动弹性指数η和弹性系数μ，得到所述标签向量，将所述标签向量和所述特征矩阵作为数据集。
26、可选地，所述的组织力学特性参数测量方法，其中，所述将所述训练集输入到随机森林模型中进行计算，之前还包括：
27、确定所述随机森林模型的参数，所述参数包括：树的数量、树的最大深度、每个分割的最小样本数、叶节点的最小样本数和分割标准。
28、可选地，所述的组织力学特性参数测量方法，其中，所述使用所述测试集对训练后的模型参数进行验证，得到符合预设要求的目标模型，具体包括：
29、使用所述测试集对训练后的模型进行评估，得到模型的性能评估结果；
30、判断所述性能评估结果是否符合预设要求，若符合预设要求，则得到所述目标模型，若不符合预设要求，则使用所述训练集继续训练所述随机森林模型，直至所述随机森林模型的性能符合预设要求。
31、此外，为实现上述目的，本申请还提供一种组织力学特性参数测量系统，其中，所述组织力学特性参数测量系统包括：
32、图像采集处理模块，用于采集生物组织的超声成像数据，对所述超声成像数据进行预处理得到预处理超声成像数据，根据所述预处理超声成像数据计算得到弹性模量，并从所述预处理超声成像数据中提取出关键特征；
33、数据集建立模块，用于根据所述关键特征和所述弹性模量计算得到标签向量和特征矩阵，将所述标签向量和所述特征矩阵作为数据集，并对所述数据集按照预设比例进行划分，得到训练集和测试集；
34、模型训练模块，用于将所述训练集输入到随机森林模型中进行训练，得到训练后的模型参数，并使用所述测试集对所述模型参数进行验证，得到符合预设要求的目标模型；
35、模型应用模块，用于将目标生物组织的目标超声成像数据输入到所述目标模型中进行预测，得到所述目标生物组织的力学特性参数。
36、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力学特性参数测量程序，所述组织力学特性参数测量程序被所述处理器执行时实现如上所述的组织力学特性参数测量方法的步骤。
37、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力学本文档来自技高网...
【技术保护点】
1.一种组织力学特性参数测量方法，其特征在于，所述的组织力学特性参数测量方法包括：
2.根据权利要求1所述的组织力学特性参数测量方法，其特征在于，所述对所述超声成像数据进行预处理得到预处理超声成像数据，具体包括：
3.根据权利要求1所述的组织力学特性参数测量方法，其特征在于，所述关键特征包括：羽状角度、肌肉长度和肌肉厚度。
4.根据权利要求3所述的组织力学特性参数测量方法，其特征在于，所述从所述预处理超声成像数据中提取出关键特征，具体包括：
5.根据权利要求4所述的组织力学特性参数测量方法，其特征在于，所述根据所述关键特征和所述弹性模量计算得到标签向量和特征矩阵，将所述标签向量和所述特征矩阵作为数据集，具体包括：
6.根据权利要求1所述的组织力学特性参数测量方法，其特征在于，所述将所述训练集输入到随机森林模型中进行计算，之前还包括：
7.根据权利要求1所述的组织力学特性参数测量方法，其特征在于，所述使用所述测试集对训练后的模型参数进行验证，得到符合预设要求的目标模型，具体包括：
8.一种组织力学特
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力学特性参数测量程序，所述组织力学特性参数测量程序被所述处理器执行时实现如权利要求1-7任一项所述的组织力学特性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力学特性参数测量程序，所述组织力学特性参数测量程序被处理器执行时实现如权利要求1-7任一项所述的组织力学特性参数测量方法的步骤。
...【技术特征摘要】
1.一种组织力学特性参数测量方法，其特征在于，所述的组织力学特性参数测量方法包括：
2.根据权利要求1所述的组织力学特性参数测量方法，其特征在于，所述对所述超声成像数据进行预处理得到预处理超声成像数据，具体包括：
3.根据权利要求1所述的组织力学特性参数测量方法，其特征在于，所述关键特征包括：羽状角度、肌肉长度和肌肉厚度。
4.根据权利要求3所述的组织力学特性参数测量方法，其特征在于，所述从所述预处理超声成像数据中提取出关键特征，具体包括：
5.根据权利要求4所述的组织力学特性参数测量方法，其特征在于，所述根据所述关键特征和所述弹性模量计算得到标签向量和特征矩阵，将所述标签向量和所述特征矩阵作为数据集，具体包括：
6.根据权利要求1所述的组织力学特性参数测量方法，其特征在于，所述将所述训练集...
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。