[发明专利]一种超声辅助肌肉识别方法、系统及辅助注射装置

权利要求书

1.一种超声辅助肌肉识别方法,其特征在于，包括：训练阶段和应用阶段；其中，训练阶段包括：构建深度学习模型，获取训练样本；所述训练样本为已知名称的肌肉超声图像；

将训练样本输入到深度学习模型中进行训练，得到训练好的深度学习模型，即：超声辅助肌肉识别模型；

其中，应用阶段包括：将待识别的超声图像输入到训练好的深度学习模型中，输出待识别超声图像中的肌肉轮廓；

所述训练的具体步骤如下：

（1）对超声图像进行预处理；

（2）将训练样本分为训练集及校正集，所述校正集为训练集中的超声图像进行轮廓标注后的超声图象；提取训练集中的图像特征，绘制出该肌肉的轮廓，并通过校正集中的图像进行校正;

所述训练阶段，训练结束的标准为：

输出待识别超声图象中的肌肉轮廓与已标注的轮廓进行误差计算；若误差小于设定阈值，则训练结束，得到训练完毕的超声辅助肌肉注射模型；若误差大于等于设定阈值，则更新训练样本，继续训练，直至误差小于设定阈值。

2.如权利要求1所述超声辅助肌肉识别方法,其特征在于，所述深度学习模型为：卷积神经网络、深度信任网络模型、堆栈自编码网络模型或SVM算法。

3.如权利要求1所述超声辅助肌肉识别方法,其特征在于，所述超声图像预处理包括对超声图像灰度化、对图像去躁、增强对比度或三者的任意组合。

4.如权利要求3所述超声辅助肌肉识别方法,其特征在于，所述去躁采用双边滤波。

5.如权利要求1所述超声辅助肌肉识别方法,其特征在于，所述图像特征为图像纹理特征。

6.如权利要求5所述超声辅助肌肉识别方法,其特征在于，所述图像纹理特征为灰度差分统计。

7.一种超声辅助肌肉识别系统，其特征在于，包括：训练模块和应用模块；

其中，训练模块包括：构建单元，其被配置为：构建深度学习模型，获取训练样本；所述训练样本为已标注肌肉轮廓的超声图像；

训练单元，其被配置为：将训练样本输入到深度学习模型中进行训练，得到训练好的深度学习模型，即：超声辅助肌肉识别模型；

其中，应用模块，包括：

识别单元，其被配置为：将待识别的超声图像输入到训练好的深度学习模型中，输出待识别超声图像中的肌肉轮廓。

8.一种存储介质，其特征在于，该存储介质上具有计算机指令，该计算机指令被执行如权利要求1-6任一项所述方法的步骤。

9.一种计算机设备，其特征在于，该计算机设备包括存储器、处理器以及存储在存储器上并在处理器上执行的计算机指令，所述计算机指令在处理器上运行时完成如权利要求1-6任一项所述方法的步骤。

10.一种辅助注射装置，其特征在于，包括：

识别单元，其被配置为：将待识别的超声图像输入到训练好的深度学习模型中，输出待识别超声图像中的肌肉轮廓；

辅助注射单元，其被配置为：依据肌肉轮廓对待注射位置进行注射；

所述辅助注射装置用于完成如权利要求1-6任一项所述方法的步骤。

11.如权利要求10所述的辅助注射装置，其特征在于，所述辅助注射单元用于指示待注射肌肉的轮廓，包括指示肌肉起始部位及肌肉走向。

12.如权利要求10所述的辅助注射装置，其特征在于，所显示处理单元根据模型训练结果显示从注射位置至肌肉部位的注射路线。