[发明专利]一种识别腹直肌分离类型的特征图像计算方法

权利要求书

1.一种识别腹直肌分离类型的特征图像计算方法，其特征在于，包括以下步骤：

S1、被试者采用仰卧的姿势，将超声探头的长径垂直于所述被试者的腹白线且横向放置在所述被试者的腹部，分别测量脐周围多个位置的超声图像。

S2、对步骤S1其中一幅超声图像，以行为索引，从超声图像最后一行开始，计算每一行像素值的和，以像素值和的第一个突变点为后续开始计算的起始行，记行号为H₀。

S3、设图像的行数为H，从起始行开始，对行号为H₀到0.75H+0.25H₀范围的行进行计算，求行序列x_i(n)的本征模函数。

S4、找出行序列x_i(n)所有的极大值点并用三次样条插值函数拟合形成行序列x_i(n)的上包络线；找出行序列x_i(n)所有的极小值点，并将所有的极小值点通过三次样条插值函数拟合形成行序列x_i(n)的下包络线；将上包络线和下包络线的均值包络序列记作ML(n)。

S5、将行序列x_i(n)减去ML(n)，得到一个新的序列x′_i(n)，若x′_i(n)只包含不超过两个极值，则停止计算；若x′_i(n)存在负的局部极大值和正的局部极小值，则令x_i(n)＝x′_i(n)，重复步骤S4的操作，直到x′_i(n)满足“只包含不超过两个极值”这个条件为止。

S6、计算每个本征模函数序列的熵，得到对应于行序列x_i(n)的熵序列E_i(k)，

其中k表示本征模函数序列的个数,P_j表示行序列x_i(n)中第j种像素值在行序列x_i(n)中的概率密度函数，N为行序列x_i(n)中所含像素数的总数。

S7、对本幅超声图像，在行号为H₀到0.75H+0.25H₀范围内，将行序列x_i(n)对应的熵序列E_i(k)按照行序列所在行的位置进行排列，得到对应于这幅超声图像的熵图像。

S8、排除已经计算的本幅超声图像，重复步骤S2至S7，对剩余的超声图像，获得到每幅熵图像，全部的熵图像即为识别腹直肌分离类型的特征图像。

S9、对所得熵图像，采用基本U-Net网络即可实现腹直肌分离类型的分类。

2.根据权利要求1所述的一种识别腹直肌分离类型的特征图像计算方法，其特征在于：在步骤S1中，所述被试者在测量超声图像时应在所述被试者的呼气末时进行测量。

3.根据权利要求1所述的一种识别腹直肌分离类型的特征图像计算方法，其特征在于：在步骤S1中，分别测量脐中心、脐中心以上2～3cm、脐中心以上4～5cm、脐中心以下2～3cm及脐中心以下4～5cm共5个位置的超声图像。

4.根据权利要求1所述的一种识别腹直肌分离类型的特征图像计算方法，其特征在于：在步骤S2中，所述突变点的物理意义为超声设备所能探测的最深有效深度。

5.根据权利要求1所述的一种识别腹直肌分离类型的特征图像计算方法，其特征在于：在步骤S7中，所述熵序列E_i(k)作为熵图像的行像素，熵图像的列数等于最长熵序列E_i(k)的长度。若某个熵序列E_i(k)的长度小于最长熵序列E_i(k)的长度，则在熵图像中补0。