CN109464193A - 数据预测方法、装置及系统 - Google Patents
数据预测方法、装置及系统 Download PDFInfo
- Publication number
- CN109464193A CN109464193A CN201811616271.4A CN201811616271A CN109464193A CN 109464193 A CN109464193 A CN 109464193A CN 201811616271 A CN201811616271 A CN 201811616271A CN 109464193 A CN109464193 A CN 109464193A
- Authority
- CN
- China
- Prior art keywords
- data
- mentioned
- gait
- surgical
- postoperative
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/102—Modelling of surgical devices, implants or prosthesis
- A61B2034/104—Modelling the effect of the tool, e.g. the effect of an implanted prosthesis or for predicting the effect of ablation or burring
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
Landscapes
- Health & Medical Sciences (AREA)
- Surgery (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Robotics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Prostheses (AREA)
Abstract
本发明公开了一种数据预测方法、装置及系统。其中,该方法包括:获取待手术对象的手术数据,其中,上述手术数据至少包括:截骨策略数据和待置换假体的假体参数数据;基于上述截骨策略数据和上述假体参数数据,建立上述待手术对象的术后肌肉骨骼模型;通过将上述待手术对象的术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据。本发明解决了现有技术无法实现在假体置换手术前预测患者的术后步态数据,导致手术成功率和手术满意度较低的技术问题。
Description
技术领域
本发明涉及医疗技术领域,具体而言,涉及一种数据预测方法、装置及系统。
背景技术
人工膝关节置换术和人工髋关节置换术,是目前最为常见的下肢人工关节置换手术,置换手术中用到的人工假体多为通用型假体,其型号分类固定,因此很难满足不同身高、体重的患者。并且,对患者术后步态恢复情况则完全依赖于医生对于手术的控制和预期,匹配性较低的假体在植入后容易导致假体磨损、松动,进而造成假体脱落、骨质溶解等严重后果。患者不得不为此进行二次翻修手术,不但创伤面加大,患者更加痛苦,翻修后的功能恢复程度也不尽如人意。
可见,现有技术中对患者术后步态恢复情况完全依赖于医生对于手术的控制和预期,无法实现在患者接受手术之前,对患者术后的步态进行科学预测,导致手术成功率和手术满意度较低。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种数据预测方法、装置及系统,以至少解决现有技术无法实现在假体置换手术前预测患者的术后步态数据,导致手术成功率和手术满意度较低的技术问题。
根据本发明实施例的一个方面,提供了一种数据预测方法,包括:获取待手术对象的手术数据,其中,上述手术数据至少包括:截骨策略数据和待置换假体的假体参数数据;基于上述截骨策略数据和上述假体参数数据,建立上述待手术对象的术后肌肉骨骼模型;通过将上述待手术对象的术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据。
进一步地,上述术前步态数据至少包括:健侧步态运动数据,通过将上述待手术对象的术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据,包括:通过将上述健侧步态运动数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象进行假体置换手术后的步态力反馈数据。
进一步地,上述术前步态数据至少包括:关节力数据,通过将上述待手术对象的术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据,包括:通过将上述关节力数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象进行假体置换手术后的步态运动反馈数据。
进一步地,在预测得到上述待手术对象的术后步态数据之后,上述方法还包括:获取样本对象的人体步态运动数据;通过将上述人体步态运动数据输入人体肌肉骨骼模型,得到上述样本对象的样本步态数据。
进一步地,在得到上述样本对象的样本步态数据之后,上述方法还包括:基于上述样本步态数据对上述术后步态数据进行分析,得到分析结果;在上述分析结果指示上述术后步态数据满足预定要求的情况下,依据上述手术数据对上述待手术对象进行假体置换手术;在上述分析结果指示上述术后步态数据未满足上述预定要求的情况下,对上述假体参数数据进行修改,直至上述术后步态数据满足上述预定要求。
进一步地,在依据上述手术数据对上述待手术对象进行假体置换手术之前,上述方法还包括:依据金属3D打印技术或者多轴数控机床加工技术,得到上述待置换假体中的假体组件。
进一步地,获取待手术对象的手术数据包括:获取上述待手术对象的术前数据,其中,上述术前数据至少包括:上述术前步态数据、肌肉运动数据、扫描图像数据;基于上述术前数据建立术前肌肉骨骼模型;依据上述术前数据和上述术前肌肉骨骼模型,确定上述待手术对象的手术数据。
进一步地,在获取待手术对象的手术数据之前,上述方法还包括:预先建立目标数据库,其中,上述目标数据库中存储有样本术前步态数据,以及与上述样本术前步态数据存在对应关系的样本手术数据;获取待手术对象的手术数据,包括:从上述目标数据库中筛选出与上述术前步态数据对应的上述手术数据。
根据本发明实施例的另一方面,还提供了一种数据预测系统,包括:数据存储设备,用于存储待手术对象的手术数据,其中,上述手术数据至少包括:截骨策略数据和待置换假体的假体参数数据;分析设备,与上述数据存储设备连接,用于基于上述截骨策略数据和上述假体参数数据,建立上述待手术对象的术后肌肉骨骼模型;并通过将上述待手术对象的术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据。
根据本发明实施例的另一方面,还提供了一种数据预测装置,包括:获取模块,用于获取待手术对象的手术数据,其中,上述手术数据至少包括:截骨策略数据和待置换假体的假体参数数据;建立模块,用于基于上述截骨策略数据和上述假体参数数据,建立上述待手术对象的术后肌肉骨骼模型;预测模块,用于通过将上述待手术对象的术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据。
根据本发明实施例的另一方面,还提供了一种存储介质,上述存储介质包括存储的程序,其中,在上述程序运行时控制上述存储介质所在设备执行任意一项上述的数据预测方法。
根据本发明实施例的另一方面,还提供了一种处理器,上述处理器用于运行程序,其中,上述程序运行时执行任意一项上述的数据预测方法。
在本发明实施例中,通过获取待手术对象的手术数据,其中,上述手术数据至少包括:截骨策略数据和待置换假体的假体参数数据;基于上述截骨策略数据和上述假体参数数据,建立上述待手术对象的术后肌肉骨骼模型;通过将上述待手术对象的术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据,达到了在假体置换术前对患者术后步态数据进行预测的目的,从而实现了提高手术成功率和手术满意度的技术效果,进而解决了现有技术无法实现在假体置换手术前预测患者的术后步态数据,导致手术成功率和手术满意度较低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种数据预测方法的流程图;
图2是根据本发明实施例的一种可选的数据预测方法的流程图;
图3是根据本发明实施例的一种可选的数据预测方法的流程图;
图4是根据本发明实施例的一种数据预测系统的结构示意图;以及
图5是根据本发明实施例的一种数据预测装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种数据预测方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种数据预测方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取待手术对象的手术数据,其中,上述手术数据至少包括:截骨策略数据和待置换假体的假体参数数据;
步骤S104,基于上述截骨策略数据和上述假体参数数据,建立上述待手术对象的术后肌肉骨骼模型;
步骤S106,通过将上述待手术对象的术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据。
可选的,上述待手术对象为需要进行假体置换手术的患者;上述术前步态数据为待手术对象在进行假体置换手术之前的步态信息数据;上述待置换假体可以但不限于为膝关节假体,以上述待置换假体为膝关节假体为例,则上述术前步态数据至少包括:膝关节弯曲角度、股骨胫骨相对位移、胫骨旋转角度等等。
在本申请实施例中,上述待置换假体可以为膝关节假体,即一种人工膝关节,由于人体膝关节受损会造成关节疼痛、功能障碍,通过置换人工膝关节可以有效的重建关节功能,提高患者的生活质量。
可选的,上述截骨策略数据可以为在进行假体置换手术时,将患者患部的人体膝关节进行截除的策略数据,例如,骨骼尺寸(长度、宽度)等;上述假体参数数据至少包括:上述待置换假体的假体型号(例如,膝关节假体的假体型号)、假体几何特征等;上述术后步态数据可以但不限于为术后步态曲线。
在本申请实施例中,通过步态分析系统获取待手术对象的截骨策略数据和待置换假体的假体参数数据;并通过肌骨动力学分析系统对上述截骨策略数据和假体参数数据进行分析处理,建立上述待手术对象的术后肌肉骨骼模型;进而,通过将上述待手术对象的术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据。
可选的,基于上述截骨策略数据和假体参数数据建立的上述术后肌肉骨骼模型,可以为一种预测分析模型,通过将上述待手术对象的术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据。
基于本申请上述实施例所提供的数据预测方法,医生和研发工程师可以使用步态分析系统、肌骨动力学分析系统、术后步态预测系统等预测得到上述待手术对象的术后步态数据,例如,术后步态曲线。具体的,在本申请实施例中,可以对使用不同的待置换假体,不同截骨情况下患者的术后步态数据进行预测,达到个性化治疗的目的。
在本发明实施例中,通过获取待手术对象的手术数据,其中,上述手术数据至少包括:截骨策略数据和待置换假体的假体参数数据;基于上述截骨策略数据和上述假体参数数据,建立上述待手术对象的术后肌肉骨骼模型;通过将上述待手术对象的术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据,达到了在假体置换术前对患者术后步态数据进行预测的目的,从而实现了提高手术成功率和手术满意度的技术效果,进而解决了现有技术无法实现在假体置换手术前预测患者的术后步态数据,导致手术成功率和手术满意度较低的技术问题。
在一种可选的实施例中,图2是根据本发明实施例的一种可选的数据预测方法的流程图,如图2所示,获取待手术对象的手术数据包括:
步骤S202,获取上述待手术对象的术前数据,其中,上述术前数据至少包括:上述术前步态数据、肌肉运动数据、扫描图像数据;
步骤S204,基于上述术前数据建立术前肌肉骨骼模型;
步骤S206,依据上述术前数据和上述术前肌肉骨骼模型,确定上述待手术对象的手术数据。
可选的,上述扫描图像数据可以但不限于为CT扫描图像数据、MRI扫描图像数据,可以依据上述扫描图像数据确定上述待手术对象的骨骼尺寸信息;上述肌肉运动数据可以但不限于为待手术对象在步态过程中的肌肉电信号。
在一种可选的实施例中,可以采用步态分析系统获取患者的术前步态数据;通过核磁共振与CT扫描获取患者的扫描图像数据,并采用肌电仪获取患者在步态过程中的肌肉运动数据。
具体的,可以预先依据上述待手术对象的术前步态数据、扫描图像数据和肌肉运动数据建立术前肌肉骨骼模型,可选的,上述术前肌肉骨骼模型可以为3D肌肉骨骼模型,例如,使用建模软件,依据获取的CT/MRI扫描图像数据,所建立的包含肌肉、韧带等软组织的3D肌肉骨骼模型。
可选的,通过将上述术前数据和上述术前肌肉骨骼模型导入肌骨动力学分析系统,并调节骨骼模型比例尺寸,设置肌肉韧带附着点位,建立上述待手术对象的术前步态模型;进而通过将上述术前数据输入上述术前步态模型进行分析,可以得到上述待手术对象的手术数据。
在一种可选的实施例中,在获取待手术对象的手术数据之前,上述方法还包括:
步骤S302,预先建立目标数据库,其中,上述目标数据库中存储有样本术前步态数据,以及与上述样本术前步态数据存在对应关系的样本手术数据;
步骤S304,获取待手术对象的手术数据,包括:从上述目标数据库中筛选出与上述术前步态数据对应的上述手术数据。
可选的,上述目标数据库可以但不限于为医疗数据库;上述目标数据库中还可以存储有待手术对象和已手术对象的性别、年龄等基本信息,待手术对象和已手术对象的骨骼尺寸、使用假体型号、假体几何特征等详细信息。
需要说明的是,通过建立上述目标数据库可以对患者的术前步态数据、术后步态数据分析提供有力支持,该目标数据库的建立可以将医生手术的“经验化”思路改变为“数据化”思维,即实现基于医疗大数据的假体置换方法。
并且,随着目标数据库的建立,样本术前步态数据以及与样本术前步态数据存在对应关系的样本手术数据也会越来越多,数据预测结果的精确度会逐渐提高。进而,医生在术手前就能掌握患者术后的情况,对医生的手术策略以及术中判断提供更加有力的支持,促进医疗技术产业的发展。
在上述可选的实施例中,通过在术前步态筛选模块中输入待手术对象的术前步态数据和生理数据(例如,肌肉运动数据),进而术前步态筛选模块通过匹配算法在目标数据库中进行近似筛选,给出的筛选结果可以但不限于包含:建议假体型号、术后步态预测数据等。
需要说明的是,当目标数据库中存储的信息数据较少或暂时查询不到相关数据信息时,还可以依赖待手术对象的自体数据对其置换上述待置换假体的术后步态数据进行预测评估,并给出个性化的治疗方案。
仍存在一种可选的实施例,当待手术对象的信息数据与目标数据库中相关数据类型匹配度较高时,可使用目标数据库进行筛选和假体个性化设计分析:
通过术前步态筛选模块链接目标数据库,并将患者的术前步态数据导入术前步态筛选模块,通过以术前步态数据中的关键点位的信息(例如,站立期足跟接地时的地面反作用力,摆动期的关节转动最大角度等)作为识别特征,在目标数据库中选取对应的待置换关节假体。
在一种可选的实施例中,上述术前步态数据至少包括:健侧步态运动数据,通过将上述待手术对象的术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据,包括:
步骤S1060,通过将上述健侧步态运动数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象进行假体置换手术后的步态力反馈数据。
可选的,上述术前步态数据至少包括:健侧步态运动数据,通过将上述健侧步态运动数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象进行假体置换手术后的步态力反馈数据。
在一种可选的实施例中,上述术前步态数据至少包括:关节力数据,通过将上述待手术对象的术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据,包括:
步骤S1062,通过将上述关节力数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象进行假体置换手术后的步态运动反馈数据。
可选的,上述术前步态数据至少包括:关节力数据,通过将上述关节力数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象进行假体置换手术后的步态运动反馈数据。
在一种可选的实施例中,在预测得到上述待手术对象的术后步态数据之后,上述方法还包括:
步骤S402,获取样本对象的人体步态运动数据;
步骤S404,通过将上述人体步态运动数据输入人体肌肉骨骼模型,得到上述样本对象的样本步态数据。
可选的,上述样本对象可以但不限于为健康对象,例如,不需要假体置换的对象;上述人体步态运动数据可以但不限于为健康人体步态运动数据;上述人体肌肉骨骼模型可以为针对不需要假体置换的对象的健康人体肌肉骨骼模型。
在一种可选的实施例中,在得到上述样本对象的样本步态数据之后,上述方法还包括:
步骤S502,基于上述样本步态数据对上述术后步态数据进行分析,得到分析结果;
步骤S504,在上述分析结果指示上述术后步态数据满足预定要求的情况下,依据上述手术数据对上述待手术对象进行假体置换手术;
步骤S506,在上述分析结果指示上述术后步态数据未满足上述预定要求的情况下,对上述假体参数数据进行修改,直至上述术后步态数据满足上述预定要求。
在上述可选的实施例中,通过将上述人体步态运动数据输入人体肌肉骨骼模型,得到上述样本对象的样本步态数据,基于上述样本步态数据对上述术后步态数据进行分析,得到分析结果,并在上述分析结果指示上述术后步态数据满足预定要求的情况下,依据上述手术数据对上述待手术对象进行假体置换手术。
并且,在上述分析结果指示上述术后步态数据未满足上述预定要求的情况下,对上述假体参数数据进行修改,直至上述术后步态数据满足上述预定要求。可选的,上述预定要求用于表征上述术后步态数据与上述样本步态数据的匹配度较高。
需要说明的是,在本申请实施例中,可以允许医生根据患者特殊情况修改假体参数数据中的特定的几何外形尺寸特征,例如,可以使用不同类型的假体,更改截骨面的位置和角度,并根据修改后的假体参数数据进行数据匹配,通过术后步态预测系统给出此种状态下患者的术后步态预测数据,也即,术后步态预测系统通过对目标数据库中相关信息的检索和匹配,给出预测结果,并且,预测的术后步态数据由多个步态特征点整合而成,可以减少了检索和匹配的时间,也可以将患者术后步态数据的大致特征反馈给医生。
进而,可以通过本申请实施例,对患者实现了待置换关节假体的个性化定制,并在术前即对定制假体植入后的手术效果有了一定的把握;通过本申请上述实施例,依据上述数据预测方法进行膝关节置换术的术前预估,可以使医生和患者双方对手术和术后效果有更加深入的掌控。
在一种可选的实施例中,在依据上述手术数据对上述待手术对象进行假体置换手术之前,上述方法还包括:
步骤S602,依据金属3D打印技术或者多轴数控机床加工技术,得到上述待置换假体中的假体组件。
需要说明的是,以上述待置换假体为膝关节假体为例,生产的个性化膝关节假体以精确测量截骨量、截骨面精确配合、关节假体髁曲面贴近患者生理外形等技术指标为主要依据。在本申请实施例中,通过使用多轴数控机床加工技术与金属3D打印技术,可以使得生产个性化置换假体的难度和成本大幅度降低。
以下通过一种可选的实施例对本申请实施例中的数据预测方法进行示意性说明,图3是根据本发明实施例的一种可选的数据预测方法的流程图,如图3所示,本申请实施例所提供的可选的数据预测方法,还可以但不限于通过以下方法步骤实现:
步骤S702,获取待手术对象的术前数据,其中,上述术前数据至少包括:上述术前步态数据、肌肉运动数据、扫描图像数据;
步骤S704,基于上述术前数据建立术前肌肉骨骼模型;
步骤S706,依据上述术前数据和上述术前肌肉骨骼模型,确定上述待手术对象的手术数据;
可选的,通过将上述术前数据和上述术前肌肉骨骼模型导入肌骨动力学分析系统,并调节骨骼模型比例尺寸,设置肌肉韧带附着点位,建立上述待手术对象的术前步态模型;进而通过将上述术前数据输入上述术前步态模型进行分析,可以得到上述待手术对象的手术数据。
在上述步骤S706中,上述手术数据至少包括:截骨策略数据和待置换假体的假体参数数据;
步骤S708,基于上述截骨策略数据和上述假体参数数据,建立上述待手术对象的术后肌肉骨骼模型;
步骤S710,通过将上述术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据;
步骤S712,获取样本对象的人体步态运动数据;
步骤S714,通过将上述人体步态运动数据输入人体肌肉骨骼模型,得到上述样本对象的样本步态数据;
步骤S716,基于上述样本步态数据对上述术后步态数据进行分析,得到分析结果;
步骤S718,在上述分析结果指示上述术后步态数据满足预定要求的情况下,依据上述手术数据对上述待手术对象进行假体置换手术;
步骤S720,在上述分析结果指示上述术后步态数据未满足上述预定要求的情况下,对上述假体参数数据进行修改,直至上述术后步态数据满足上述预定要求。
在上述步骤S716至步骤S718中,可以但不限于参照样本对象的样本步态数据(健康人体步态信息)对得到的预测得到的术后步态数据进行分析判断:当上述术后步态数据满足上述预定要求时,依据上述手术数据对上述待手术对象进行假体置换手术,也即,医生按照既定方案进行手术;当上述术后步态数据未满足上述预定要求时,则对上述假体参数数据进行修改,并可以返回执行步骤S708到步骤S710,直至上述术后步态数据满足上述预定要求。
需要说明的是,个性化假体定制通常指完全根据个人的生理结构数据,定制与其本人一致的关节假体,本申请实施例通过提供有限的个性化定制思路,基于将人体关节的重要几何尺寸按照不同类型的人群、性别、体重等因素区分为大几类,在假体修改模块中仅提供有限的可修改参数及该参数的修改范围,进而可以显著提高医疗效率且保留了定制化假体的优势。
通过本申请实施例所提供的数据预测方法,可以使得医生在术前对患者的术后步态数据进行预测分析,使医生对患者手术后的恢复效果有更加清晰的把握,也便于医生为患者制定更加合理的手术方案。
实施例2
根据本发明实施例,还提供了一种用于实施上述数据预测方法的系统实施例,图4是根据本发明实施例的一种数据预测系统的结构示意图,如图4所示,上述数据预测系统,包括:数据存储设备40和分析设备42,其中:
数据存储设备40,用于存储待手术对象的手术数据,其中,上述手术数据至少包括:截骨策略数据和待置换假体的假体参数数据;分析设备42,与上述数据存储设备连接,用于基于上述截骨策略数据和上述假体参数数据,建立上述待手术对象的术后肌肉骨骼模型;并通过将上述待手术对象的术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据。
需要说明的是,本申请中的图4中所示数据预测系统的具体结构仅是示意,在具体应用时,本申请中的数据预测系统可以比图4所示的数据预测系统具有多或少的结构。
仍需要说明的是,上述实施例1中的任意一种可选的或优选的数据预测方法,均可以在本实施例所提供的数据预测系统中执行或实现。
此外,仍需要说明的是,本实施例的可选或优选实施方式可以参见实施例1中的相关描述,此处不再赘述。
实施例3
根据本发明实施例,还提供了一种用于实施上述数据预测方法的装置实施例,图5是根据本发明实施例的一种数据预测装置的结构示意图,如图5所示,上述数据预测装置,包括:获取模块50、建立模块52和预测模块54,其中:
获取模块50,用于获取待手术对象的手术数据,其中,上述手术数据至少包括:截骨策略数据和待置换假体的假体参数数据;建立模块52,用于基于上述截骨策略数据和上述假体参数数据,建立上述待手术对象的术后肌肉骨骼模型;预测模块54,用于通过将上述待手术对象的术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,例如,对于后者,可以通过以下方式实现:上述各个模块可以位于同一处理器中;或者,上述各个模块以任意组合的方式位于不同的处理器中。
此处需要说明的是,上述获取模块50、建立模块52和预测模块54对应于实施例1中的步骤S102至步骤S106,上述模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在计算机终端中。
需要说明的是,本实施例的可选或优选实施方式可以参见实施例1中的相关描述,此处不再赘述。
上述的数据预测装置还可以包括处理器和存储器,上述获取模块50、建立模块52和预测模块54等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元,上述内核可以设置一个或以上。存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
根据本申请实施例,还提供了一种存储介质实施例。可选地,在本实施例中,上述存储介质包括存储的程序,其中,在上述程序运行时控制上述存储介质所在设备执行上述任意一种数据预测方法。
可选地,在本实施例中,上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中,或者位于移动终端群中的任意一个移动终端中,上述存储介质包括存储的程序。
可选地,在程序运行时控制存储介质所在设备执行以下功能:获取待手术对象的手术数据,其中,上述手术数据至少包括:截骨策略数据和待置换假体的假体参数数据;基于上述截骨策略数据和上述假体参数数据,建立上述待手术对象的术后肌肉骨骼模型;通过将上述待手术对象的术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据。
可选地,在程序运行时控制存储介质所在设备执行以下功能:通过将上述健侧步态运动数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象进行假体置换手术后的步态力反馈数据。
可选地,在程序运行时控制存储介质所在设备执行以下功能:通过将上述关节力数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象进行假体置换手术后的步态运动反馈数据。
可选地,在程序运行时控制存储介质所在设备执行以下功能:获取样本对象的人体步态运动数据;通过将上述人体步态运动数据输入人体肌肉骨骼模型,得到上述样本对象的样本步态数据。
可选地,在程序运行时控制存储介质所在设备执行以下功能:基于上述样本步态数据对上述术后步态数据进行分析,得到分析结果;在上述分析结果指示上述术后步态数据满足预定要求的情况下,依据上述手术数据对上述待手术对象进行假体置换手术;在上述分析结果指示上述术后步态数据未满足上述预定要求的情况下,对上述假体参数数据进行修改,直至上述术后步态数据满足上述预定要求。
可选地,在程序运行时控制存储介质所在设备执行以下功能:依据金属3D打印技术或者多轴数控机床加工技术,得到上述待置换假体中的假体组件。
可选地,在程序运行时控制存储介质所在设备执行以下功能:获取上述待手术对象的术前数据,其中,上述术前数据至少包括:上述术前步态数据、肌肉运动数据、扫描图像数据;基于上述术前数据建立术前肌肉骨骼模型;依据上述术前数据和上述术前肌肉骨骼模型,确定上述待手术对象的手术数据。
可选地,在程序运行时控制存储介质所在设备执行以下功能:预先建立目标数据库,其中,上述目标数据库中存储有样本术前步态数据,以及与上述样本术前步态数据存在对应关系的样本手术数据;获取待手术对象的手术数据,包括:从上述目标数据库中筛选出与上述术前步态数据对应的上述手术数据。
根据本申请实施例,还提供了一种处理器实施例。可选地,在本实施例中,上述处理器用于运行程序,其中,上述程序运行时执行上述任意一种数据预测方法。
本申请实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:获取待手术对象的手术数据,其中,上述手术数据至少包括:截骨策略数据和待置换假体的假体参数数据;基于上述截骨策略数据和上述假体参数数据,建立上述待手术对象的术后肌肉骨骼模型;通过将上述待手术对象的术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据。
可选地,上述处理器执行程序时,还可以通过将上述健侧步态运动数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象进行假体置换手术后的步态力反馈数据。
可选地,上述处理器执行程序时,还可以通过将上述关节力数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象进行假体置换手术后的步态运动反馈数据。
可选地,上述处理器执行程序时,还可以获取样本对象的人体步态运动数据;通过将上述人体步态运动数据输入人体肌肉骨骼模型,得到上述样本对象的样本步态数据。
可选地,上述处理器执行程序时,还可以基于上述样本步态数据对上述术后步态数据进行分析,得到分析结果;在上述分析结果指示上述术后步态数据满足预定要求的情况下,依据上述手术数据对上述待手术对象进行假体置换手术;在上述分析结果指示上述术后步态数据未满足上述预定要求的情况下,对上述假体参数数据进行修改,直至上述术后步态数据满足上述预定要求。
可选地,上述处理器执行程序时,还可以依据金属3D打印技术或者多轴数控机床加工技术,得到上述待置换假体中的假体组件。
可选地,上述处理器执行程序时,还可以获取上述待手术对象的术前数据,其中,上述术前数据至少包括:上述术前步态数据、肌肉运动数据、扫描图像数据;基于上述术前数据建立术前肌肉骨骼模型;依据上述术前数据和上述术前肌肉骨骼模型,确定上述待手术对象的手术数据。
可选地,上述处理器执行程序时,还可以预先建立目标数据库,其中,上述目标数据库中存储有样本术前步态数据,以及与上述样本术前步态数据存在对应关系的样本手术数据;获取待手术对象的手术数据,包括:从上述目标数据库中筛选出与上述术前步态数据对应的上述手术数据。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取待手术对象的手术数据,其中,上述手术数据至少包括:截骨策略数据和待置换假体的假体参数数据;基于上述截骨策略数据和上述假体参数数据,建立上述待手术对象的术后肌肉骨骼模型;通过将上述待手术对象的术前步态数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象的术后步态数据。
可选地,上述计算机程序产品执行程序时,还可以通过将上述健侧步态运动数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象进行假体置换手术后的步态力反馈数据。
可选地,上述计算机程序产品执行程序时,还可以通过将上述关节力数据输入上述术后肌肉骨骼模型,预测得到上述待手术对象进行假体置换手术后的步态运动反馈数据。
可选地,上述计算机程序产品执行程序时,还可以获取样本对象的人体步态运动数据;通过将上述人体步态运动数据输入人体肌肉骨骼模型,得到上述样本对象的样本步态数据。
可选地,上述计算机程序产品执行程序时,还可以基于上述样本步态数据对上述术后步态数据进行分析,得到分析结果;在上述分析结果指示上述术后步态数据满足预定要求的情况下,依据上述手术数据对上述待手术对象进行假体置换手术;在上述分析结果指示上述术后步态数据未满足上述预定要求的情况下,对上述假体参数数据进行修改,直至上述术后步态数据满足上述预定要求。
可选地,上述计算机程序产品执行程序时,还可以依据金属3D打印技术或者多轴数控机床加工技术,得到上述待置换假体中的假体组件。
可选地,上述计算机程序产品执行程序时,还可以获取上述待手术对象的术前数据,其中,上述术前数据至少包括:上述术前步态数据、肌肉运动数据、扫描图像数据;基于上述术前数据建立术前肌肉骨骼模型;依据上述术前数据和上述术前肌肉骨骼模型,确定上述待手术对象的手术数据。
可选地,上述计算机程序产品执行程序时,还可以预先建立目标数据库,其中,上述目标数据库中存储有样本术前步态数据,以及与上述样本术前步态数据存在对应关系的样本手术数据;获取待手术对象的手术数据,包括:从上述目标数据库中筛选出与上述术前步态数据对应的上述手术数据。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (12)
1.一种数据预测方法,其特征在于,包括:
获取待手术对象的手术数据,其中,所述手术数据至少包括:截骨策略数据和待置换假体的假体参数数据;
基于所述截骨策略数据和所述假体参数数据,建立所述待手术对象的术后肌肉骨骼模型;
通过将所述待手术对象的术前步态数据输入所述术后肌肉骨骼模型,预测得到所述待手术对象的术后步态数据。
2.根据权利要求1所述的方法,其特征在于,所述术前步态数据至少包括:健侧步态运动数据,通过将所述待手术对象的术前步态数据输入所述术后肌肉骨骼模型,预测得到所述待手术对象的术后步态数据,包括:
通过将所述健侧步态运动数据输入所述术后肌肉骨骼模型,预测得到所述待手术对象进行假体置换手术后的步态力反馈数据。
3.根据权利要求1所述的方法,其特征在于,所述术前步态数据至少包括:关节力数据,通过将所述待手术对象的术前步态数据输入所述术后肌肉骨骼模型,预测得到所述待手术对象的术后步态数据,包括:
通过将所述关节力数据输入所述术后肌肉骨骼模型,预测得到所述待手术对象进行假体置换手术后的步态运动反馈数据。
4.根据权利要求1所述的方法,其特征在于,在预测得到所述待手术对象的术后步态数据之后,所述方法还包括:
获取样本对象的人体步态运动数据;
通过将所述人体步态运动数据输入人体肌肉骨骼模型,得到所述样本对象的样本步态数据。
5.根据权利要求4所述的方法,其特征在于,在得到所述样本对象的样本步态数据之后,所述方法还包括:
基于所述样本步态数据对所述术后步态数据进行分析,得到分析结果;
在所述分析结果指示所述术后步态数据满足预定要求的情况下,依据所述手术数据对所述待手术对象进行假体置换手术;
在所述分析结果指示所述术后步态数据未满足所述预定要求的情况下,对所述假体参数数据进行修改,直至所述术后步态数据满足所述预定要求。
6.根据权利要求5所述的方法,其特征在于,在依据所述手术数据对所述待手术对象进行假体置换手术之前,所述方法还包括:
依据金属3D打印技术或者多轴数控机床加工技术,得到所述待置换假体中的假体组件。
7.根据权利要求1至6中任意一项所述的方法,其特征在于,获取待手术对象的手术数据包括:
获取所述待手术对象的术前数据,其中,所述术前数据至少包括:所述术前步态数据、肌肉运动数据、扫描图像数据;
基于所述术前数据建立术前肌肉骨骼模型;
依据所述术前数据和所述术前肌肉骨骼模型,确定所述待手术对象的手术数据。
8.根据权利要求1至6中任意一项所述的方法,其特征在于,
在获取待手术对象的手术数据之前,所述方法还包括:预先建立目标数据库,其中,所述目标数据库中存储有样本术前步态数据,以及与所述样本术前步态数据存在对应关系的样本手术数据;
获取待手术对象的手术数据,包括:从所述目标数据库中筛选出与所述术前步态数据对应的所述手术数据。
9.一种数据预测系统,其特征在于,包括:
数据存储设备,用于存储待手术对象的手术数据,其中,所述手术数据至少包括:截骨策略数据和待置换假体的假体参数数据;
分析设备,与所述数据存储设备连接,用于基于所述截骨策略数据和所述假体参数数据,建立所述待手术对象的术后肌肉骨骼模型;并通过将所述待手术对象的术前步态数据输入所述术后肌肉骨骼模型,预测得到所述待手术对象的术后步态数据。
10.一种数据预测装置,其特征在于,包括:
获取模块,用于获取待手术对象的手术数据,其中,所述手术数据至少包括:截骨策略数据和待置换假体的假体参数数据;
建立模块,用于基于所述截骨策略数据和所述假体参数数据,建立所述待手术对象的术后肌肉骨骼模型;
预测模块,用于通过将所述待手术对象的术前步态数据输入所述术后肌肉骨骼模型,预测得到所述待手术对象的术后步态数据。
11.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至8中任意一项所述的数据预测方法。
12.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至8中任意一项所述的数据预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811616271.4A CN109464193B (zh) | 2018-12-27 | 2018-12-27 | 数据预测方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811616271.4A CN109464193B (zh) | 2018-12-27 | 2018-12-27 | 数据预测方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109464193A true CN109464193A (zh) | 2019-03-15 |
CN109464193B CN109464193B (zh) | 2020-12-08 |
Family
ID=65677150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811616271.4A Active CN109464193B (zh) | 2018-12-27 | 2018-12-27 | 数据预测方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109464193B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110169774A (zh) * | 2019-05-28 | 2019-08-27 | 深圳正指向科技有限公司 | 一种基于区块链的运动状态识别系统及方法 |
CN111096830A (zh) * | 2019-12-28 | 2020-05-05 | 杭州电子科技大学 | 一种基于LightGBM的外骨骼步态预测方法 |
CN111227933A (zh) * | 2019-04-16 | 2020-06-05 | 北京大学第三医院(北京大学第三临床医学院) | 一种下颌角截骨术的预测和实时渲染系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007126917A2 (en) * | 2006-03-29 | 2007-11-08 | Ortho Sensing Technologies, L.L.C. | Application of neural networks to prosthesis fitting and balancing in joints |
CN103860294A (zh) * | 2014-03-07 | 2014-06-18 | 北京大学第三医院 | 一种全膝关节置换假体的个性化设计和制造系统及方法 |
US20140277542A1 (en) * | 2013-03-18 | 2014-09-18 | Orthosensor Inc | System and method for measuring slope or tilt of a bone cut on the muscular-skeletal system |
CN106109062A (zh) * | 2016-06-14 | 2016-11-16 | 太原理工大学 | 一种基于生物力学的个性化人工膝关节制备方法 |
CN108618843A (zh) * | 2017-03-21 | 2018-10-09 | 上海博玛医疗科技有限公司 | 一种基于计算机辅助技术的人工关节术前准备系统及方法 |
-
2018
- 2018-12-27 CN CN201811616271.4A patent/CN109464193B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007126917A2 (en) * | 2006-03-29 | 2007-11-08 | Ortho Sensing Technologies, L.L.C. | Application of neural networks to prosthesis fitting and balancing in joints |
US20140277542A1 (en) * | 2013-03-18 | 2014-09-18 | Orthosensor Inc | System and method for measuring slope or tilt of a bone cut on the muscular-skeletal system |
CN103860294A (zh) * | 2014-03-07 | 2014-06-18 | 北京大学第三医院 | 一种全膝关节置换假体的个性化设计和制造系统及方法 |
CN106109062A (zh) * | 2016-06-14 | 2016-11-16 | 太原理工大学 | 一种基于生物力学的个性化人工膝关节制备方法 |
CN108618843A (zh) * | 2017-03-21 | 2018-10-09 | 上海博玛医疗科技有限公司 | 一种基于计算机辅助技术的人工关节术前准备系统及方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111227933A (zh) * | 2019-04-16 | 2020-06-05 | 北京大学第三医院(北京大学第三临床医学院) | 一种下颌角截骨术的预测和实时渲染系统 |
CN111227933B (zh) * | 2019-04-16 | 2021-02-19 | 北京大学第三医院(北京大学第三临床医学院) | 一种下颌角截骨术的预测和实时渲染系统 |
CN110169774A (zh) * | 2019-05-28 | 2019-08-27 | 深圳正指向科技有限公司 | 一种基于区块链的运动状态识别系统及方法 |
CN111096830A (zh) * | 2019-12-28 | 2020-05-05 | 杭州电子科技大学 | 一种基于LightGBM的外骨骼步态预测方法 |
CN111096830B (zh) * | 2019-12-28 | 2021-11-30 | 杭州电子科技大学 | 一种基于LightGBM的外骨骼步态预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109464193B (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11090120B2 (en) | Systems and methods for optimizing parameters of orthopaedic procedures | |
De Pieri et al. | Refining muscle geometry and wrapping in the TLEM 2 model for improved hip contact force prediction | |
AU2007227129B2 (en) | Methods of predetermining the contour of a resected bone surface and assessing the fit of a prosthesis on the bone | |
CN109464193A (zh) | 数据预测方法、装置及系统 | |
US20150250552A1 (en) | Advanced methods of modeling knee joint kinematics and designing surgical repair systems | |
US20130185310A1 (en) | Method and system for human joint treatment plan and personalized surgery planning using 3-d kinematics, fusion imaging and simulation | |
Zach et al. | Design, analysis and verification of a knee joint oncological prosthesis finite element model | |
CN111134840B (zh) | 膝关节置换手术方案的生成装置和终端 | |
EP3010433A2 (en) | Systems and processes for revision total joint arthroplasty | |
CN109157286A (zh) | 数据预测方法及装置 | |
EP3377998B1 (en) | Image processing method | |
Arsene et al. | Probabilistic finite element predictions of the human lower limb model in total knee replacement | |
CN109157306A (zh) | 调节膝关节假体的方法及装置 | |
AU2022244007A1 (en) | Surgical system | |
US20230107257A1 (en) | Arthroplasty insert | |
Tezduyar | A THESIS SUBMITTED | |
Chawla et al. | Contour based repositioning of specific joints of the GHBMC human body FE model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |