CN111214233A - 基于支持向量机的全膝关节置换术中动态软组织平衡判断方法 - Google Patents
基于支持向量机的全膝关节置换术中动态软组织平衡判断方法 Download PDFInfo
- Publication number
- CN111214233A CN111214233A CN201911244703.8A CN201911244703A CN111214233A CN 111214233 A CN111214233 A CN 111214233A CN 201911244703 A CN201911244703 A CN 201911244703A CN 111214233 A CN111214233 A CN 111214233A
- Authority
- CN
- China
- Prior art keywords
- soft tissue
- support vector
- tissue balance
- vector machine
- dynamic soft
- 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.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4528—Joints
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
- A61B5/4585—Evaluating the knee
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Rheumatology (AREA)
- Physical Education & Sports Medicine (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及全膝关节置换技术领域,具体地说,涉及基于支持向量机的全膝关节置换术中动态软组织平衡判断方法。其方法步骤如下:采集腿部姿态的姿态角数据,建立动态软组织平衡判断公式模型;采用支持向量机对动态软组织平衡判断公式模型训练;采用支持向量机进行分类输出。该基于支持向量机的全膝关节置换术中动态软组织平衡判断方法中,构建动态软组织平衡判断公式,进行软组织平衡判断,指导医生在术中通过临床技术手段进行及时修正,从而实现下肢力线的准确恢复,对软组织平衡判断采用有监督机器学习的分类算法,减少公式判断带来的误差,提高平衡判断结果的准确度。
Description
技术领域
本发明涉及全膝关节置换技术领域,具体地说,涉及基于支持向量机的全膝关节置换术中动态软组织平衡判断方法。
背景技术
全膝关节置换术是目前针对严重膝关节OA最可靠的治疗手段,其手术成功率可达90%以上。全膝关节置换手术成功的关键在于正确的截骨和软组织的平衡,共同使得术中能够准确重建下肢正常力学力线,术后患者疼痛消失,步态得到改善,获得良好的关节运动功能,提高患者的生活质量。传统的软组织平衡判断方法,是医生利用经验在膝关节不同姿态位下,用手来感受内外侧软组织张力,存在主观上的误差,尤其对于年轻医生在经验不足的情况下误差很大。目前较为成熟的软组织平衡技术主要是国外研发的计算机导航系统和Verasense传感器系统,这些系统虽然在一定程度上解决了术中软组织平衡判断的问题,但其学习时间长、操作复杂,延长了手术时间,增加了术中感染的风险,同时,对公式模型的构建,存在了较多的近似,且需要根据临床试验确定修正系数和平衡判断压力阈值,即使如此,仍有误差存在。
发明内容
本发明的目的在于提供基于支持向量机的全膝关节置换术中动态软组织平衡判断方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供基于支持向量机的全膝关节置换术中动态软组织平衡判断方法,其方法步骤如下:
S1、采集腿部姿态的姿态角数据,获取膝关节伸、屈角α,膝关节内旋、外旋角β和髋关节内收、外展角γ角度数据,建立动态软组织平衡判断公式模型;
S2、采用支持向量机对动态软组织平衡判断公式模型训练;
S3、采用支持向量机进行分类输出。
作为优选,所述建立动态软组织平衡判断公式模型的公式如下:
S1.1、对膝关节伸、屈角α,膝关节内旋、外旋角β和髋关节内收、外展角γ进行归一化处理,归一化后得到α、β、γ对应归一化数据用ωα、ωβ、ωγ表示为:
S1.2、引入ω为不同腿部姿态下的动态权值,动态权值ω为:
ω=ραωα+ρβωβ+ργωγ……(1-4);
S1.3、建立动态软组织平衡判断公式模型,其公式为:
|Δ|<ω*T……(1-5);
作为优选,所述采用支持向量机对动态软组织平衡判断公式模型训练的方法包括如下步骤:
S2.1、输入两类训练样品向量(Xi,Yi)(i=1,2,…,N,X∈Rn,y∈|-1,1|),类号分别为w1,w2,如果Xi∈w1,则Yi=-1,;Xi∈w2,则Yi=1;
S2.2、指定核函数类型;
S2.3、利用二次规划方法求解日标函数式的最优解,得到最优Lagrange乘子a*;
S2.4、利用样本库中的一个支持向量Xi,得到偏差值b。
作为优选,所述指定核函数类型采用多项式核,其公式如下:
k(x,x')=(<x,x'>+d)p,p∈N,d≥0……(2-1)。
作为优选,所述二次规划方法的目标函数为:
作为优选,所述采用支持向量机进行分类输出的方法包括如下步骤:
S3.1、输入待测样品X;
S3.2、利用训练好的Lagrange乘子a*、偏差值b和核函数,求解判别函数f(x);
S3.3、根据sgn(f(x))的值,输出类别。
作为优选,所述求解判别函数f(x)的公式为:
作为优选,所述输出类别的方法为:若sgn(f(x))为-1,则该样品属于类w1;若sgn(f(x))为1,则该样品属于类w2。
与现有技术相比,本发明的有益效果:
1、该基于支持向量机的全膝关节置换术中动态软组织平衡判断方法中,构建动态软组织平衡判断公式,进行软组织平衡判断,指导医生在术中通过临床技术手段进行及时修正,从而实现下肢力线的准确恢复。
2、该基于支持向量机的全膝关节置换术中动态软组织平衡判断方法中,对软组织平衡判断采用有监督机器学习的分类算法,减少公式判断带来的误差,提高平衡判断结果的准确度。
附图说明
图1为本发明的整体方法流程图;
图2为本发明的建立动态软组织平衡判断公式模型流程图;
图3为本发明的支持向量机训练流程图;
图4为本发明的支持向量机分类输出流程图;
图5为本发明的膝关节伸、屈角测量示意图;
图6为本发明的膝关节内旋角测量示意图;
图7为本发明的膝关节外旋角测量示意图;
图8为本发明的髋关节外展角测量示意图;
图9为本发明的髋关节内收角测量示意图。
具体实施方式
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,都属于本发明保护的范围。
请参阅图1-图9所示,本发明提供一种技术方案:
为了方便表述腿部姿态,根据实际获取到的角度数据并结合临床常用术语,将腿部姿态角分别定义为膝关节伸、屈角,膝关节内旋、外旋角和髋关节内收、外展角。其中,膝关节伸、屈角是指小腿与大腿之间的夹角,用角α表示;膝关节内旋、外旋角是指小腿与大腿围绕下肢轴线向内侧和外侧旋转的角度,用角β表示;髋关节内收、外展角是指围绕髋关节向内侧和外侧运动的角度,用角γ表示。以左腿为例,膝关节伸、屈角α,膝关节内旋、外旋角β和髋关节内收、外展角γ三类姿态下三维模型示意图如图5-图9所示。
本发明提供基于支持向量机的全膝关节置换术中动态软组织平衡判断方法,其方法步骤如下:
S1、采集腿部姿态的姿态角数据,获取膝关节伸、屈角α,膝关节内旋、外旋角β和髋关节内收、外展角γ角度数据,建立动态软组织平衡判断公式模型;
S2、采用支持向量机对动态软组织平衡判断公式模型训练;
S3、采用支持向量机进行分类输出。
本实施例中,建立动态软组织平衡判断公式模型的公式如下:
S1.1、对膝关节伸、屈角α,膝关节内旋、外旋角β和髋关节内收、外展角γ进行归一化处理,归一化后得到α、β、γ对应归一化数据用ωα、ωβ、ωγ表示为:
S1.2、引入ω为不同腿部姿态下的动态权值,动态权值ω为:
ω=ραωα+ρβωβ+ργωγ……(1-4);
S1.3、建立动态软组织平衡判断公式模型,其公式为:
|Δ|<ω*T……(1-5);
其中,考虑到术中小腿与大腿的联动性,放置于膝关节间隙中的六轴姿态传感器可以测得髋关节内收、外展角γ(围绕传感器X轴旋转的角度),角θ(围绕传感器Y轴旋转的角度)和膝关节内旋、外旋角β(围绕传感器Z轴旋转的角度)。膝关节伸、屈角α,可通过θ推导获得,其推导公式如下:
其中x代表小腿长,y代表大腿长。在医学解剖学上,小腿长指胫骨点至内踝点的垂直距离;大腿长为髂前上棘点至胫骨点的垂直距离之93%。术前对病人进行小腿长度与大腿长度进行测量,输入到上位机软件中,上位机软件在术中根据θ值实时自动算出α值。
其中,(小腿长/大腿长)×100的值称为Crural指数,而中国成年人Crural指数均值范围在82.5~86.9,本系统上位机软件Crural指数默认值为84,则α推导公式为:
α=π-θ-arcsin(sinθ*0.84)……(1-8)。
进一步的,采用支持向量机对动态软组织平衡判断公式模型训练的方法包括如下步骤:
S2.1、输入两类训练样品向量(Xi,Yi)(i=1,2,…,N,X∈Rn,y∈|-1,1|),类号分别为w1,w2,如果Xi∈w1,则Yi=-1,;Xi∈w2,则Yi=1;
S2.2、指定核函数类型;
S2.3、利用二次规划方法求解日标函数式的最优解,得到最优Lagrange乘子a*;
S2.4、利用样本库中的一个支持向量Xi,得到偏差值b。
具体的,指定核函数类型采用多项式核,其公式如下:
k(x,x')=(<x,x'>+d)p,p∈N,d≥0……(2-1)。
进一步的,指定核函数类型还能够采用高斯核、RBF核、B样条核和Fourier核。
其中,高斯核的函数公式如下:
其中,RBF核的函数公式如下:
其中,B样条核的函数公式如下:
k(x,x')=B2N+1(||x-x'||)……(2-1-3)。
其中,Fourier核的函数公式如下:
具体的,二次规划方法的目标函数为:
本实施例中,采用支持向量机进行分类输出的方法包括如下步骤:
S3.1、输入待测样品X;
S3.2、利用训练好的Lagrange乘子a*、偏差值b和核函数,求解判别函数f(x);
S3.3、根据sgn(f(x))的值,输出类别。
其中,求解判别函数f(x)的公式为:
其中,输出类别的方法为:若sgn(f(x))为-1,则该样品属于类w1;若sgn(f(x))为1,则该样品属于类w2。
值得说明的是,Lagrange函数公式如下:
其约束条件为:
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.基于支持向量机的全膝关节置换术中动态软组织平衡判断方法,其方法步骤如下:
S1、采集腿部姿态的姿态角数据,获取膝关节伸、屈角α,膝关节内旋、外旋角β和髋关节内收、外展角γ角度数据,建立动态软组织平衡判断公式模型;
S2、采用支持向量机对动态软组织平衡判断公式模型训练;
S3、采用支持向量机进行分类输出。
3.根据权利要求1所述的基于支持向量机的全膝关节置换术中动态软组织平衡判断方法,其特征在于:所述采用支持向量机对动态软组织平衡判断公式模型训练的方法包括如下步骤:
S2.1、输入两类训练样品向量(Xi,Yi)(i=1,2,…,N,X∈Rn,y∈|-1,1|),类号分别为w1,w2,如果Xi∈w1,则Yi=-1,;Xi∈w2,则Yi=1;
S2.2、指定核函数类型;
S2.3、利用二次规划方法求解日标函数式的最优解,得到最优Lagrange乘子a*;
S2.4、利用样本库中的一个支持向量Xi,得到偏差值b。
4.根据权利要求3所述的基于支持向量机的全膝关节置换术中动态软组织平衡判断方法,其特征在于:所述指定核函数类型采用多项式核,其公式如下:
k(x,x')=(<x,x'>+d)p,p∈N,d≥0……(2-1)。
6.根据权利要求1所述的基于支持向量机的全膝关节置换术中动态软组织平衡判断方法,其特征在于:所述采用支持向量机进行分类输出的方法包括如下步骤:
S3.1、输入待测样品X;
S3.2、利用训练好的Lagrange乘子a*、偏差值b和核函数,求解判别函数f(x);
S3.3、根据sgn(f(x))的值,输出类别。
8.根据权利要求6所述的基于支持向量机的全膝关节置换术中动态软组织平衡判断方法,其特征在于:所述输出类别的方法为:若sgn(f(x))为-1,则该样品属于类w1;若sgn(f(x))为1,则该样品属于类w2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911244703.8A CN111214233A (zh) | 2019-12-06 | 2019-12-06 | 基于支持向量机的全膝关节置换术中动态软组织平衡判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911244703.8A CN111214233A (zh) | 2019-12-06 | 2019-12-06 | 基于支持向量机的全膝关节置换术中动态软组织平衡判断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111214233A true CN111214233A (zh) | 2020-06-02 |
Family
ID=70807948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911244703.8A Pending CN111214233A (zh) | 2019-12-06 | 2019-12-06 | 基于支持向量机的全膝关节置换术中动态软组织平衡判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111214233A (zh) |
-
2019
- 2019-12-06 CN CN201911244703.8A patent/CN111214233A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11284838B2 (en) | Non-invasive wearable biomechanical and physiology monitor for injury prevention and rehabilitation | |
Cutti et al. | Soft tissue artefact assessment in humeral axial rotation | |
WO2017014294A1 (ja) | 歩行解析方法および歩行解析システム | |
Qiu et al. | Body sensor network-based robust gait analysis: Toward clinical and at home use | |
Haering et al. | Measurement and description of three-dimensional shoulder range of motion with degrees of freedom interactions | |
Clemens et al. | Inertial sensor-based measures of gait symmetry and repeatability in people with unilateral lower limb amputation | |
WO2015162158A1 (en) | Human motion tracking | |
Mentiplay et al. | Modified conventional gait model versus cluster tracking: Test-retest reliability, agreement and impact of inverse kinematics with joint constraints on kinematic and kinetic data | |
CN110059670B (zh) | 人体头面部、肢体活动角度及体姿非接触测量方法及设备 | |
CN107115102A (zh) | 一种骨关节功能评估方法与装置 | |
Li et al. | Using body sensor network to measure the effect of rehabilitation therapy on improvement of lower limb motor function in children with spastic diplegia | |
Li et al. | Real-time gait event detection for a lower extremity exoskeleton robot by infrared distance sensors | |
US20220287590A1 (en) | Quantification of symmetry and repeatability in limb motion for treatment of abnormal motion patterns | |
Lewis et al. | In vitro assessment of a motion-based optimization method for locating the talocrural and subtalar joint axes | |
Liu et al. | A wearable gait analysis and recognition method for Parkinson’s disease based on error state Kalman filter | |
CN108538362B (zh) | 一种运动数据实时采集的肌腱异向受力损伤预警分析方法 | |
CN111214233A (zh) | 基于支持向量机的全膝关节置换术中动态软组织平衡判断方法 | |
van der Straaten et al. | Discriminant validity of 3D joint kinematics and centre of mass displacement measured by inertial sensor technology during the unipodal stance task | |
Meng et al. | A strathclyde cluster model for gait kinematic measurement using functional methods: a study of inter-assessor reliability analysis with comparison to anatomical models | |
CN117653084A (zh) | 利用步态评估脊柱侧弯康复状态的方法 | |
CN113012812B (zh) | 一种膝、踝关节以及足底压力数据整合方法及系统 | |
CN112951360B (zh) | 一种双侧手指协同运动控制方法与系统 | |
Barri et al. | Path reference generation for upper-limb rehabilitation with kinematic model | |
CN111772638A (zh) | 步态控制方法、装置、电子设备及存储介质 | |
Wang et al. | A method for calculating lower extremity anatomical landmark trajectories based on inertial motion capture data |
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 |