[发明专利]测量肌肉肌纤维束线斜率和羽状角的方法及终端设备

权利要求书

1.一种测量肌肉肌纤维束线斜率的方法，其特征在于，包括：

获取肌肉的超声图像；

定位所述超声图像中的肌膜线；

在所述超声图像中两条肌膜线中间区域截取至少一幅超声肌纤维图像；

在所述超声肌纤维图像上标注具有初始斜率的参照线，将标注有初始斜率参照线的所述超声肌纤维图像输入训练好的神经网络模型，若所述神经网络模型的输出结果不为预测角度正确，则重新在所述超声肌纤维图像上标注具有不同于所述初始斜率的参照线，并将重新标注参照线的超声肌纤维图像输入训练好的所述神经网络模型，直至所述神经网络模型的输出结果为预测角度正确为止；其中，所述神经网络模型用于判断输入的超声肌纤维图像上标注的参照线的斜率是否与所述超声肌纤维图像中肌纤维束线的斜率平行；

输出所述神经网络模型的输出结果为预测角度正确时的参照线的斜率，作为所述超声肌纤维图像中肌纤维束线的斜率。

2.一种测量肌肉羽状角的方法，其特征在于，包括：

获取肌肉的超声图像；

定位所述超声图像中的肌膜线，并计算所述超声图像中肌膜线的斜率；

在所述超声图像中两条肌膜线中间区域截取至少一个超声肌纤维图像；

在所述超声肌纤维图像上标注具有初始斜率的参照线，将标注有初始斜率参照线的所述超声肌纤维图像输入训练好的神经网络模型，若所述神经网络模型的输出结果不为预测角度正确，则重新在所述超声肌纤维图像上标注具有不同于所述初始斜率的参照线，并将重新标注参照线的超声肌纤维图像输入训练好的所述神经网络模型，直至所述神经网络模型的输出结果为预测角度正确为止；其中，所述神经网络模型用于判断输入的超声肌纤维图像上标注的参照线的斜率是否与所述超声肌纤维图像中肌纤维束线的斜率平行；

输出所述神经网络模型的输出结果为预测角度正确时的参照线的斜率，作为所述超声肌纤维图像中肌纤维束线的斜率；

根据所述超声图像中肌膜线的斜率和所述超声肌纤维图像中肌纤维束线的斜率计算肌肉羽状角。

3.如权利要求1或2所述的方法，其特征在于，所述获取肌肉的超声图像之前，还包括：

获取多个超声样本图像；

在每个所述超声样本图像中两条肌膜线中间区域截取至少一幅超声肌纤维样本图像；

针对每个所述超声肌纤维样本图像，在图像左侧边界上随机取点作为参照线初始点，并依据所述初始点确定图像右侧边界上的参照线终点；

在所述超声肌纤维样本图像上标注从所述初始点至所述终点的参照线；

将标注有参照线的所述超声肌纤维样本图像分为训练样本集和测试样本集，根据所述训练样本集和所述测试样本集，利用反向传播算法训练神经网络模型。

4.如权利要求3所述的方法，其特征在于，所述依据所述初始点确定图像右侧边界上的参照线终点，包括：

若需要生成参照线平行于所述超声肌纤维样本图像中肌纤维束线，则确定参照线终点和参照线初始点等高；若需要生成参照线高于所述超声肌纤维样本图像中肌纤维束线，则确定参照线终点高于参照线初始点；若需要生成参照线低于所述超声肌纤维样本图像中肌纤维束线，则确定参照线终点低于参照线初始点。

5.如权利要求3所述的方法，其特征在于，所述根据所述训练样本集和所述测试样本集，利用反向传播算法训练神经网络模型，包括：

对所述训练样本集和所述测试样本集中每个标注有参照线的所述超声肌纤维样本图像进行归一化和类型转换，根据归一化和类型转换后的所述训练样本集和所述测试样本集，利用反向传播算法训练神经网络模型。

6.如权利要求5所述的方法，其特征在于，所述进行归一化和类型转换，包括：

对于每个标注有参照线的所述超声肌纤维样本图像中的每一个像素，利用公式将超声肌纤维样本图像的灰度值P从[0,255]的整数归一化到[-1，1]的浮点数。

7.如权利要求1或2所述的方法，其特征在于，所述获取肌肉的超声图像之后，还包括：对所述超声图像进行预处理，得到预处理后的超声图像。