RESUMO
ABSTRACT Introduction To reduce or avoid injuries during high-intensity sports and help treat the injured part, the method of recognizing biological images of the damaged part is a crucial point of current research. Objective To reduce the damage caused by high-intensity sports and improve the efficiency of injury treatment, this article explores the method of identifying damaged parts in biological imaging of high-intensity sports injuries. Methods A method is proposed to recognize damaged parts of biological images of high-intensity sports injuries based on an improved regional growth algorithm. Results A rough segmented image developed in black and white is obtained with the main body as the objective and background. Based on approximate segmentation, the region growth algorithm is used to accurately recognize the damaged region by improving the selection of the hotspots and the growth rules. Conclusion The recognition accuracy is high, and the recognition time is shorter. The algorithm proposed in this work can improve the precision of recognizing the damaged parts of the biological image of the sports injury and shorten the recognition time. It has the feasibility to determine the damaged parts of sports injuries. Level of evidence II; Therapeutic studies: investigation of treatment results.
RESUMO Introdução Para reduzir ou evitar lesões durante esportes de alta intensidade e auxiliar no tratamento da parte lesada, o método de reconhecimento de imagens biológicas da parte lesada é um ponto crucial das pesquisas atuais. Objetivo Para reduzir os danos causados por esportes de alta intensidade e melhorar a eficiência do tratamento de lesões, este artigo explora o método de identificação de partes danificadas em imagens biológicas de lesões esportivas de alta intensidade. Métodos é proposto um método para reconhecer partes danificadas de imagens biológicas de lesões esportivas de alta intensidade com base em um algoritmo de crescimento regional aprimorado. Resultados Uma imagem áspera segmentada desenvolvida em preto e branco é obtida com o corpo principal como objetivo e fundo. Com base na segmentação aproximada, o algoritmo de crescimento da região é usado para reconhecer com precisão a região danificada, melhorando a seleção de pontos quentes e regras de crescimento. Conclusão a precisão do reconhecimento é alta e o tempo de reconhecimento é menor. O algoritmo proposto neste trabalho pode melhorar a precisão do reconhecimento das partes danificadas da imagem biológica da lesão esportiva e encurtar o tempo de reconhecimento. Tem a viabilidade de determinar as partes danificadas de lesões esportivas. Nível de evidência II; Estudos terapêuticos: investigação dos resultados do tratamento.
RESUMEN Introducción Para reducir o evitar lesiones durante los deportes de alta intensidad y ayudar a tratar la parte lesionada, el método de reconocimiento de imágenes biológicas de la parte dañada es un punto crucial de la investigación actual. Objetivo Para reducir el daño causado por los deportes de alta intensidad y mejorar la eficiencia del tratamiento de lesiones, este artículo explora el método de identificación de partes dañadas en imágenes biológicas de lesiones deportivas de alta intensidad. Métodos Se propone un método para reconocer partes dañadas de imágenes biológicas de lesiones deportivas de alta intensidad basado en un algoritmo de crecimiento regional mejorado. Resultados Se obtiene una imagen segmentada rugosa revelada en blanco y negro con el cuerpo principal como objetivo y fondo. Basado en la segmentación aproximada, el algoritmo de crecimiento de la región se utiliza para reconocer con precisión la región dañada mejorando la selección de los puntos calientes y las reglas de crecimiento. Conclusión la precisión del reconocimiento es alta y el tiempo de reconocimiento es más corto. El algoritmo propuesto en este trabajo puede mejorar la precisión del reconocimiento de las partes dañadas de la imagen biológica de la lesión deportiva y acortar el tiempo de reconocimiento. Tiene la viabilidad de determinar las partes dañadas de las lesiones deportivas. Nivel de evidencia II; Estudios terapéuticos: investigación de los resultados del tratamiento.
Assuntos
Humanos , Traumatismos em Atletas/diagnóstico por imagem , Simulação de Doença , Algoritmos , Treinamento Intervalado de Alta IntensidadeRESUMO
ABSTRACT Introduction High-intensity rehabilitation training will produce exercise fatigue. Objective A backpropagation (BP) network neural algorithm is proposed to predict sports fatigue based on electromyography (EMG) signal images. Methods The principal component analysis algorithm is used to reduce the dimension of EMG signal features. The knee joint angle is estimated by the regularized over-limit learning machine algorithm and the BP neural network algorithm. Results The RMSE value of the regularized over-limit learning machine algorithm is lower than that of the BP neural network algorithm. At the same time, the ρ value of the regularized over-limit learning machine algorithm is closer to 1, indicating its higher accuracy. Conclusions The model training time of the regularized over-limit learning machine algorithm has been greatly reduced, which improves efficiency. Level of evidence II; Therapeutic studies - investigation of treatment results.
RESUMO Introdução O treinamento de reabilitação de alta intensidade produzirá fadiga ao exercício. Objetivo Um algoritmo neural de backpropagation network (BP) é proposto para prever a fadiga esportiva com base em imagens de sinais de eletromiografia (EMG). Métodos O algoritmo de análise de componente principal é usado para reduzir a dimensão das características do sinal EMG. O ângulo da articulação do joelho é estimado usando o algoritmo de aprendizado de máquina de limite regularizado acima e o algoritmo de rede neural BP. Resultados o valor RMSE do algoritmo de aprendizado de máquina acima do limite regularizado é menor que o do algoritmo de rede neural BP. Ao mesmo tempo, o valor de ρ do algoritmo de aprendizado de máquina acima do limite regularizado está próximo de 1, indicando sua maior precisão. Conclusões O tempo de treinamento do modelo de algoritmo de aprendizado de máquina acima do limite regularizado foi bastante reduzido, o que melhora a eficiência. Nível de evidência II; Estudos terapêuticos: investigação dos resultados do tratamento.
RESUMEN Introducción El entrenamiento de rehabilitación de alta intensidad producirá fatiga por ejercicio. Objetivo Se propone un algoritmo neuronal de red de retropropagación (BP) para predecir la fatiga deportiva basándose en imágenes de señales de electromiografía (EMG). Métodos El algoritmo de análisis de componentes principales se utiliza para reducir la dimensión de las características de la señal EMG. El ángulo de la articulación de la rodilla se estima mediante el algoritmo de la máquina de aprendizaje por encima del límite regularizado y el algoritmo de red neuronal BP. Resultados el valor de RMSE del algoritmo de la máquina de aprendizaje por encima del límite regularizado es menor que el del algoritmo de red neuronal de BP. Al mismo tiempo, el valor ρ del algoritmo de la máquina de aprendizaje por encima del límite regularizado está más cerca de 1, lo que indica su mayor precisión. Conclusiones El tiempo de entrenamiento del modelo del algoritmo de la máquina de aprendizaje por encima del límite regularizado se ha reducido en gran medida, lo que mejora la eficiencia. Nivel de evidencia II; Estudios terapéuticos: investigación de los resultados del tratamiento.