CN116306326B - 一种关节接触力学仿真模型建立方法、装置及电子设备 - Google Patents

一种关节接触力学仿真模型建立方法、装置及电子设备 Download PDF

Info

Publication number
CN116306326B
CN116306326B CN202310597030.4A CN202310597030A CN116306326B CN 116306326 B CN116306326 B CN 116306326B CN 202310597030 A CN202310597030 A CN 202310597030A CN 116306326 B CN116306326 B CN 116306326B
Authority
CN
China
Prior art keywords
surface structure
contact
information
image
main surface
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.)
Active
Application number
CN202310597030.4A
Other languages
English (en)
Other versions
CN116306326A (zh
Inventor
李晨天
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southern Medical University Zhujiang Hospital
Original Assignee
Southern Medical University Zhujiang Hospital
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southern Medical University Zhujiang Hospital filed Critical Southern Medical University Zhujiang Hospital
Priority to CN202310597030.4A priority Critical patent/CN116306326B/zh
Publication of CN116306326A publication Critical patent/CN116306326A/zh
Application granted granted Critical
Publication of CN116306326B publication Critical patent/CN116306326B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • G06V2201/033—Recognition of patterns in medical or anatomical images of skeletal patterns
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Biomedical Technology (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及建模仿真领域，其目的在于提供一种关节接触力学仿真模型建立方法、装置及电子设备，该方法包括：获取关节各组成结构在外力受力条件下的原始图像和材料属性信息；将原始图像进行图像识别得到关节接触结构的主面结构图像和从面结构图像；结合材料属性信息和外力受力条件对主面结构图像和从面结构图像进行分析得到主面结构的第一信息图谱和从面结构的第二信息图谱；基于的第一信息图谱和第二信息图谱建立接触力学仿真模型。本发明通过对外力受力条件下的原始图像进行分析建立高精度的接触力学仿真模型，基于接触力学仿真模型可以快速对人体关节接触进行仿真模拟生成仿真模拟结果，有效提高接触力学分析效率。

Description

一种关节接触力学仿真模型建立方法、装置及电子设备
技术领域
本发明涉及建模仿真技术领域，具体涉及一种关节接触力学仿真模型建立方法、装置及电子设备。
背景技术
人体关节是实现人体活动的重要枢纽，关节损伤会影响人体的行动能力和生活质量，因此人体关节接触力学仿真分析对关节疾病的医学研究起到十分重要的辅助作用。传统力学分析方法的建模过程复杂、计算过程费时，且精度无法保证，容易使计算结果出现偏差，对研究过程造成了诸多不变。
发明内容
有鉴于此，本发明实施例提供了一种关节接触力学仿真模型建立方法，以解决现有分析模型精度差、效率低的问题。
为达到上述目的，本发明提供如下技术方案：
本发明实施例提供了一种关节接触力学仿真模型建立方法，包括：
获取关节各组成结构在外力受力条件下的原始图像和材料属性信息；
将所述原始图像进行图像识别得到关节接触结构的主面结构图像和从面结构图像；
结合所述材料属性信息和所述外力受力条件对所述主面结构图像和从面结构图像进行分析得到主面结构的第一信息图谱和从面结构的第二信息图谱；
基于所述的第一信息图谱和所述第二信息图谱建立接触力学仿真模型，
判断所述接触力学仿真模型的精度是否小于预设精度值，当所述接触力学仿真模型的精度小于预设精度值时，改变所述外力受力条件并返回获取关节各组成结构在外力受力条件下的原始图像的步骤，直至所述接触力学仿真模型的精度大于或等于预设精度值。
可选的，所述结合所述材料属性信息和所述外力受力条件对对所述主面结构图像和从面结构图像进行分析得到主面结构的第一信息图谱和从面结构的第二信息图谱，包括：
将所述主面结构图像、从面结构图像和所述外力受力条件输入预设位移预测模型，得到预测位移；
根据所述主面结构图像、从面结构图像和所述预测位移建立关节的三维布种曲面；
根据所述材料属性信息和所述三维布种曲面对所述主面结构图像进行分析得到第一属性信息和第一空间信息；
通过所述外力受力条件、材料属性信息和所述三维布种曲面对所述从面结构图像进行分析得到第二属性信息和第二空间信息；
基于所述第一属性信息和第一空间信息生成主面结构的第一信息图谱；
基于所述第二属性信息和第二空间信息生成从面结构的第二信息图谱。
可选的，根据所述主面结构图像、从面结构图像和所述预测位移建立关节的三维布种曲面，包括：
通过所述预测位移从所述主面结构图像和所述从面结构图像中提取位移后产生的重叠空间；
根据所述重叠空间判断各关节表面在产生形变后的相对空间位置；
基于所述相对空间位置分析所述重叠空间的形变平衡曲面，并将所述平衡曲面作为三维布种曲面。
可选的，所述第一属性信息包括第一尺寸信息和第一总刚度，所述第一空间信息包括第一空间坐标和第一法向量，所述通过所述三维布种曲面对所述主面结构图像进行分析得到第一属性信息和第一空间信息，包括：
对所述三维布种曲面进行划分得到多个离散单元；
对每个所述离散单元进行分析得到每个离散单元中接触点的第一空间坐标和主面的第一法向量；
分别对所述离散单元中的多个接触结构进行测量，得到每个接触结构的第一尺寸信息；
根据所述尺寸信息和所述材料属性信息计算每个离散单元的第一总刚度。
可选的，所述对所述三维布种曲面进行划分得到多个离散单元，包括：
根据预设空间间隔选取所述三维布种曲面及对应主面结构图像、从面结构图像上的点，得到多个布种位置；
基于所述布种位置划分所述三维布种曲面及对应主面结构图像、从面结构图像的法线，得到每条法线路径上所通过的接触结构；
将每条法线路径上所通过的接触结构划分为到同一离散单元内，得到多个离散单元。
可选的，所述第二属性信息包括第二尺寸信息和第二总刚度，所述第二空间信息包括第二空间坐标和第二法向量，所述通过所述外力受力条件、材料属性信息和所述三维布种曲面对所述从面结构图像进行分析得到第二属性信息和第二空间信息，包括：
根据所述预测位移将所述离散单元的法向量进行刚性位移，得到位移后每个离散单元中接触点的第二空间坐标和从面的第二法向量；
根据所述第二法向量对所述三维布种曲面中的从面结构进行划分得到多个结构单元；
分别对所述结构单元中的多个接触结构进行测量，得到每个接触结构的第二尺寸信息；
根据所述尺寸信息和所述材料属性信息计算每个结构单元的第二总刚度。
可选的，所述方法还包括：
基于所述预测位移分析每个离散单元位移前后的形变量；
根据所述形变量分析所述主面结构和所述从面结构之间的接触应力；
对所述接触应力进行向量求和得到总反应力；
根据所述总反应力、所述外力受力条件和预设损失函数对所述预设位移预测模型的精度进行分析，得到精度分析结果；
判断所述精度分析结果是否大于预设精度值；
当所述精度分析结果小于预设精度值时，通过预设算法对所述预设位移预测模型的模型参数进行调整，并返回将所述主面结构图像、从面结构图像和所述外力受力条件输入预设位移预测模型，得到预测位移的步骤，直至所述精度分析结果小于或等于所述预设精度值，得到最终的预设位移预测模型。
可选的，所述基于所述信息图谱建立接触力学仿真模型，包括：
根据所述主面结构的信息图谱生成主面结构特征矩阵；
根据所述从面结构的信息图谱生成从面结构特征矩阵；
基于所述主面结构特征矩阵和所述从面结构特征矩阵计算主接触面单元上的接触应力矩阵；
根据所述接触应力矩阵和预设损失函数建立所述接触力学仿真模型。
本发明实施例还提供了关节接触力学仿真模型建立装置，包括：
获取模块，用于获取关节各组成结构在外力受力条件下的原始图像和材料属性信息；
识别模块，用于将所述原始图像进行图像识别得到关节接触结构的主面结构图像和从面结构图像；
分析模块，用于结合材料属性信息和所述外力受力条件对所述主面结构图像和从面结构图像进行分析得到主面结构的第一信息图谱和从面结构的第二信息图谱；
建立模块，用于基于所述的第一信息图谱和所述第二信息图谱建立接触力学仿真模型，
判断模块，用于判断所述接触力学仿真模型的精度是否小于预设精度值，当所述接触力学仿真模型的精度小于预设精度值时，改变所述外力受力条件并返回获取关节各组成结构在外力受力条件下的原始图像的步骤，直至所述接触力学仿真模型的精度大于或等于预设精度值。
本发明实施例还提供了一种电子设备，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行本发明实施例提供的关节接触力学仿真模型建立方法。
本发明技术方案，具有如下优点：
本发明提供了一种关节接触力学仿真模型建立方法，通过获取关节各组成结构在外力受力条件下的原始图像和材料属性信息；将原始图像进行图像识别得到关节接触结构的主面结构图像和从面结构图像；结合材料属性信息和外力受力条件对主面结构图像和从面结构图像进行分析得到主面结构的第一信息图谱和从面结构的第二信息图谱；基于的第一信息图谱和第二信息图谱建立接触力学仿真模型。本发明通过对外力受力条件下的原始图像进行分析建立高精度的接触力学仿真模型，基于接触力学仿真模型可以快速对人体关节接触进行仿真模拟生成仿真模拟结果，有效提高接触力学分析效率。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中的关节接触力学仿真模型建立方法的流程图；
图2为根据本发明实施例中对主面结构图像和从面结构图像进行分析的流程图；
图3为根据本发明实施例中建立关节的三维布种曲面的流程图；
图4为根据本发明实施例中对主面结构图像进行分析的流程图；
图5为根据本发明实施例中对三维布种曲面进行划分得到多个离散单元的流程图；
图6为根据本发明实施例中对从面结构图像进行分析的流程图；
图7为根据本发明实施例中基于信息图谱建立接触力学仿真模型的流程图；
图8为根据本发明实施例中主、从面结构分析示意图；
图9为根据本发明实施例中空间变换示意图
图10为根据本发明实施例中主面产生位移后从面结构分析示意图；
图11为根据本发明实施例中在三个曲面上按等比例间隔采样的曲面布种示意图；
图12为根据本发明实施例中整体过程示意图；
图13为本发明实施例中的关节接触力学仿真模型建立装置的结构示意图；
图14为本发明实施例中的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
根据本发明实施例，提供了一种关节接触力学仿真模型建立方法实施例，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。
在本实施例中提供了一种关节接触力学仿真模型建立方法，可用于上述的终端设备，如电脑等，如图1所示，该关节接触力学仿真模型建立方法包括如下步骤：
步骤S1：获取关节各组成结构在外力受力条件下的原始图像和材料属性信息。具体的，获取的原始图像包含组成关节结构的各个解剖结构信息（如关节周围骨组织、软骨、半月板、韧带等图像），并在原始图像中标注了每个解剖结构在图像中的感兴趣区域。
步骤S2：将原始图像进行图像识别得到关节接触结构的主面结构图像和从面结构图像。具体的，主面结构图像为识别分割完成后的股骨关节软骨图像，从面结构图像为分割完成后的半月板以及股骨关节软骨图像。
步骤S3：结合材料属性信息和外力受力条件对主面结构图像和从面结构图像进行分析得到主面结构的第一信息图谱和从面结构的第二信息图谱。具体的，信息图谱内包含主面结构和从面结构的空间信息以及材料属性。
步骤S4：基于的第一信息图谱和第二信息图谱建立接触力学仿真模型。具体的，通过建立接触力学仿真模型，可以对关节接触进行高精度模拟，从而便于基于模型更高效的得到仿真结果。
通过上述步骤S1至步骤S4，本发明实施例提供的关节接触力学仿真模型建立方法，通过对外力受力条件下的原始图像进行分析建立高精度的接触力学仿真模型，基于接触力学仿真模型可以快速对人体关节接触进行仿真模拟生成仿真模拟结果，有效提高接触力学分析效率。
具体地，在一实施例中，上述的步骤S3，如图2所示，具体包括如下步骤：
步骤S31：将主面结构图像、从面结构图像和外力受力条件输入预设位移预测模型，得到预测位移。具体的，预设位移预测模型含有3个输入层，分别为主面结构图像M，从面结构图像S，外力边界条件向量F；其隐藏层含有对应多个由多层神经网络层组成的类似编码器样结构，其输出层为一个3维向量，用于预测待求解的预测位移D。
步骤S32：根据主面结构图像、从面结构图像和预测位移建立关节的三维布种曲面。具体的，三维布种曲面为各空间布点构成的关节三维模型。
步骤S33：根据材料属性信息和三维布种曲面对主面结构图像进行分析得到第一属性信息和第一空间信息。
步骤S34：通过外力受力条件、材料属性信息和三维布种曲面对从面结构图像进行分析得到第二属性信息和第二空间信息。
具体的，属性信息包括弹性模量、泊松比、弹簧长度、弹簧刚度，空间信息包括主面接触点的三维空间坐标Pm、主面上的法向量Nm，从面接触点的三维空间坐标Ps、主面上的法向量Ns，i为第i个接触点（如图8所示）。由于主面法向量等空间信息在整个分析计算过程中被视为常量，因此可通过计算机图形学方法进行预处理；同时，为了使整个采样计算过程连续可微，本实施例中可使用包括但不限于STN（spatial transformer networks）等神经网络模型进行分析，在此将其称为类STN模型（STN-like models）。如图9所示，在使用类STN模型时，求解将主面法向量变换到与水平面垂直时所需的旋转、位移变换矩阵（TransformMatrix），并代入类STN模型对主面结构进行空间变换。
其中，旋转矩阵可通过如下两种方法实现：
1、对于主面M上每一个离散单元，独立进行旋转矩阵计算，然后遍历每个离散单元进行上述STN变换，并将该单元的采样结果填入特征矩阵中。
2、使用弹性空间变换神经网络层，如图9中所示，将每对N与R的变换其视为弹性变换，对图像进行弹性映射，并将采样结果填入特征矩阵中。
步骤S35：基于第一属性信息和第一空间信息生成主面结构的第一信息图谱。
步骤S36：基于第二属性信息和第二空间信息生成从面结构的第二信息图谱。
具体地，在一实施例中，上述的步骤S32，如图3所示，具体包括如下步骤：
步骤S321：通过预测位移从主面结构图像和从面结构图像中提取位移后产生的重叠空间。
步骤S322：根据重叠空间判断各关节表面在产生形变后的相对空间位置。
步骤S323：基于相对空间位置分析重叠空间的形变平衡曲面，并将平衡曲面作为三维布种曲面。
具体的，对于受力平衡曲面位置的确定，应满足接触面上的静态力学平衡方程，如图10所示，即：自平衡线上一点引一条垂线，将该垂线穿过主、从结构的区域视作一个离散单元的形变后状态。
基于该平衡线垂点在平衡曲面上的相对位置，通过弹性配准映射到刚性位移后的主、从面上，以确定垂点在主、从面无形变时对应的点。通过主、从面无形变时对应的点分别向主、从结构引一条垂线，将垂线分别穿过主、从结构的区域视作上述离散单元的形变前状态。
假设平衡曲面上的该点为主、从结构所发生形变后的离散单元最终位置，形变前主、从面上的点为形变开始前的离散单元起始位置。使用弹性力学方程分别计算出对于主、从面离散单元在点所产生的应力大小。如该曲面上的点为力学平衡点，则对应离散单元产生的合力为0。
在实施过程中，在一定空间距离间隔上，寻找主面、从面上对应的点。并以上述对应点的中点作为平衡面的初始位置。对于主、从面离散单元分别计算刚度，并计算出各个主、从面对应点处的应力。当计算结果受力不平衡时，更新平衡面上点的位置，迭代上述应力计算过程，直到力学平衡成立，得到优化后的平衡面。再通过空间曲面插值方法建立平滑的布种曲面。通过三维的方式将各关节进行呈现，构造模型的数据结构简单，节约计算机资源，且更便于后续的分析和理解。
具体地，在一实施例中，上述的步骤S33，第一属性信息包括第一尺寸信息和第一总刚度，第一空间信息包括第一空间坐标和第一法向量，如图4所示，具体包括如下步骤：
步骤S331：对三维布种曲面进行划分得到多个离散单元。
步骤S332：对每个离散单元进行分析得到每个离散单元中接触点的第一空间坐标和主面的第一法向量。
步骤S333：分别对离散单元中的多个接触结构进行测量，得到每个接触结构的第一尺寸信息。具体的，每个离散单元可视为一个弹簧单元，第一尺寸信息包括弹性模量、泊松比、弹簧长度。
步骤S334：根据尺寸信息和材料属性信息计算每个离散单元的第一总刚度。
具体的，使用矩阵运算可以得出主接触面单元上的接触应力，其计算公式如下：
对于每个离散单元i，计算
，
其中Ei为单元内对应材料结构的弹性模量，为对应材料结构的泊松比，/>为对应材料结构的弹簧长度，则Ki为对应材料结构的刚度系数。
将其代入下式：
，
其中，为单元的总刚度。
具体地，在一实施例中，上述的步骤S331，如图5所示，具体包括如下步骤：
步骤S3311：根据预设空间间隔选取三维布种曲面及对应主面结构图像、从面结构图像上的点，得到多个布种位置。
步骤S3312：基于布种位置划分三维布种曲面及对应主面结构图像、从面结构图像的法线，得到每条法线路径上所通过的接触结构。
步骤S3313：将每条法线路径上所通过的接触结构划分为到同一离散单元内，得到多个离散单元。
具体的，以水平面为基准，每隔一定距离作垂直于水平面的直线。直线与主面结构中接触表面相交的点作为离散接触单元的划分位置。如图11所示，根据主面上离散单元的距离间隔比例，在平衡面、从面上按等比例间隔建立对应的划分位置。在对应划分位置处对表面作法线，将对应法线经过的主面、从面结构划分到同一个离散单元内。通过将结构离散化处理，可以使数据精简，降低数据复杂程度，提高数据处理速度和效率。
具体地，在一实施例中，上述的步骤S34，第二属性信息包括第二尺寸信息和第二总刚度，第二空间信息包括第二空间坐标和第二法向量，如图6所示，具体包括如下步骤：
步骤S341：根据预测位移将离散单元的法向量进行刚性位移，得到位移后每个离散单元中接触点的第二空间坐标和从面的第二法向量。具体的，如图10所示，根据预测位移，将主接触面离散单元上的法向量平移D个单位，得到位移发生后对应的主面接触点位置Ps。其向量运算表达为：Ps=Pm+D。在根据Ps分析第二法向量Ns。
步骤S342：根据第二法向量对三维布种曲面中的从面结构进行划分得到多个结构单元。具体的，将位移发生后的主面上的法向量作为采样线，沿采样线方向对从面结构进行单元划分，得到多个结构单元。
步骤S343：分别对结构单元中的多个接触结构进行测量，得到每个接触结构的第二尺寸信息。具体的，对每个单元内的弹性模量、泊松比、弹簧长度分析。
步骤S344：根据尺寸信息和材料属性信息计算每个结构单元的第二总刚度。具体的，第二总刚度的计算和第一总刚度的计算过程相同，不再进行阐述。
具体的，在一实施例中，上述的关节接触力学仿真模型建立方法还包括对预设位移预测模型进行优化，其具体优化过程如下：
基于预测位移分析每个离散单元位移前后的形变量。
根据形变量分析主面结构和从面结构之间的接触应力。
对接触应力进行向量求和得到总反应力。
根据总反应力、外力受力条件和预设损失函数对预设位移预测模型的精度进行分析，得到精度分析结果。
判断精度分析结果是否大于预设精度值。
当精度分析结果小于预设精度值时，通过预设算法对预设位移预测模型的模型参数进行调整，并返回将主面结构图像、从面结构图像和外力受力条件输入预设位移预测模型，得到预测位移的步骤，直至精度分析结果小于或等于预设精度值，得到最终的预设位移预测模型。
具体的，计算每个离散单元位移前后的形变量，例如，第i个离散单元的计算过程如下：
Htoti=Hmi+Hsi
Hci= |Pbmi-Pbsi|
其中，Hm为主面弹簧单元长度，Hs为从面弹簧单元长度，Htot为弹簧总长度，Pbm为平衡面弹簧单元在软骨下骨界面上的交点，Pbs为平衡面弹簧单元在软骨下骨界面上的交点，则Hc为弹簧单元在发生位移后的总长度。
将上述计算结果代入下式，求得离散单元i主从面之间的距离δi，可以快速判断单元i主、从面结构在位移D下是否产生接触。
δi = argmax{(Htoti - Hci) ,0 }
再根据弹性力学公式可以计算出每个离散单元对应的接触应力。
将上述接触应力进行向量求和计算，得到总反应力。对外力受力/>与/>的方向与大小进行验算，损失函数如下：
根据损失函数结果的下降趋势，通过反向传播更新神经网络模型的参数，拟合出按力求解方程组。在预设位移预测模型足够精确时，总反应力与外力受力大小相等，方向相反。因此，当损失函数的计算结果越趋近于0时，预设位移预测模型越精确。
具体的，当预设神经网络模型的精度足够大时，预设神经网络模型的中间输出可以作为可使用的结果。通过模型优化可以使得到的预设位移预测模型具有更高的准确度。
具体地，在一实施例中，上述基于第一属性信息和第一空间信息生成主面结构的第一信息图谱，包括：
基于第一空间信息将第一属性信息映射到三维布种曲面上。
将三维布种曲面映射为二维平面得到主面结构的第一信息图谱。
上述基于第二属性信息和第二空间信息生成从面结构的第二信息图谱，包括：
基于第二空间信息将第二属性信息映射到主面产生位移后的三维布种曲面上。
将主面产生位移后的三维布种曲面映射为二维平面得到从面结构的第二信息图谱。
具体的，将分别上述上下关节软骨厚度、半月板厚度、接触间隙、离散单元总刚度的计算结果映射到主面结构和从面结构的三维布种曲面上，再进一步将布种曲面映射到二维平面。将得到的二维平面作为主面结构和从面结构的信息图谱。
具体地，在一实施例中，上述的步骤S4，如图7和图12所示，具体包括如下步骤：
步骤S41：根据主面结构的信息图谱生成主面结构特征矩阵。
步骤S42：根据从面结构的信息图谱生成从面结构特征矩阵。具体的，生成主面结构特征矩阵和从面结构特征矩阵的过程通过预设的空间变换神经网络实现。
步骤S43：基于主面结构特征矩阵和从面结构特征矩阵计算主接触面单元上的接触应力矩阵。
步骤S44：根据接触应力矩阵和预设损失函数建立接触力学仿真模型。
具体的，将主面结构特征矩阵和从面结构特征矩阵中的特征数据代入下式：
σj= （Ktot_j·δj）Nj
其中，δj为离散单元j在发生总位移后产生的形变量，Nj为离散单元弹簧长轴方向的单位向量，则σj为离散单元m的单位面积应力。
将其代入下式：
其中，为离散单元j的截面面积，F为接触表面总反应力。即可得到接触力学仿真分析结果。
具体的，在一实施例中，本方案的接触力学仿真模型，可以根据需求提取代表接触力学分析中特定变量的模拟数据（如位移、应力、应变等变量），在训练收敛的情况下，该中间层输出则对应需要的分析结果。
在本实施例中还提供了一种关节接触力学仿真模型建立装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种关节接触力学仿真模型建立装置，如图13所示，包括：
获取模块101，用于获取关节各组成结构在外力受力条件下的原始图像和材料属性信息，详细内容参见上述方法实施例中步骤S1的相关描述，在此不再进行赘述。
识别模块102，用于将原始图像进行图像识别得到关节接触结构的主面结构图像和从面结构图像，详细内容参见上述方法实施例中步骤S2的相关描述，在此不再进行赘述。
分析模块103，用于结合材料属性信息和外力受力条件对主面结构图像和从面结构图像进行分析得到主面结构的第一信息图谱和从面结构的第二信息图谱，详细内容参见上述方法实施例中步骤S3的相关描述，在此不再进行赘述。
建立模块104，用于基于的第一信息图谱和第二信息图谱建立接触力学仿真模型，详细内容参见上述方法实施例中步骤S4的相关描述，在此不再进行赘述。
判断模块105，用于判断接触力学仿真模型的精度是否小于预设精度值，当接触力学仿真模型的精度小于预设精度值时，改变外力受力条件并返回获取关节各组成结构在外力受力条件下的原始图像的步骤，直至接触力学仿真模型的精度大于或等于预设精度值，详细内容参见上述方法实施例中步骤S5的相关描述，在此不再进行赘述。
本实施例中的关节接触力学仿真模型建立装置是以功能单元的形式来呈现，这里的单元是指ASIC电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
根据本发明实施例还提供了一种电子设备，如图14所示，该电子设备可以包括处理器1401和存储器1402，其中处理器1401和存储器1402可以通过总线或者其他方式连接，图14中以通过总线连接为例。
处理器1401可以为中央处理器（Central Processing Unit，CPU）。处理器1401还可以为其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器1402作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明方法实施例中的方法所对应的程序指令/模块。处理器1401通过运行存储在存储器1402中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的方法。
存储器1402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器1401所创建的数据等。此外，存储器1402可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器1402可选包括相对于处理器1401远程设置的存储器，这些远程存储器可以通过网络连接至处理器1401。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器1402中，当被处理器1401执行时，执行上述方法实施例中的方法。
上述电子设备具体细节可以对应参阅上述方法实施例中对应的相关描述和效果进行理解，此处不再赘述。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）、随机存储记忆体（Random Access Memory，RAM）、快闪存储器（Flash Memory）、硬盘（Hard Disk Drive，缩写：HDD）或固态硬盘（Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (9)

1.一种关节接触力学仿真模型建立方法，其特征在于，包括：
获取关节各组成结构在外力受力条件下的原始图像和材料属性信息；
将所述原始图像进行图像识别得到关节接触结构的主面结构图像和从面结构图像；
结合所述材料属性信息和所述外力受力条件对所述主面结构图像和从面结构图像进行分析得到主面结构的第一信息图谱和从面结构的第二信息图谱；
将所述主面结构图像、从面结构图像和所述外力受力条件输入预设位移预测模型，得到预测位移；
根据所述主面结构图像、从面结构图像和所述预测位移建立关节的三维布种曲面；
根据所述材料属性信息和所述三维布种曲面对所述主面结构图像进行分析得到第一属性信息和第一空间信息；
通过所述外力受力条件、材料属性信息和所述三维布种曲面对所述从面结构图像进行分析得到第二属性信息和第二空间信息；
基于所述第一属性信息和第一空间信息生成主面结构的第一信息图谱；
基于所述第二属性信息和第二空间信息生成从面结构的第二信息图谱；
基于所述的第一信息图谱和所述第二信息图谱建立接触力学仿真模型。
2.根据权利要求1所述的关节接触力学仿真模型建立方法，其特征在于，根据所述主面结构图像、从面结构图像和所述预测位移建立关节的三维布种曲面，包括：
通过所述预测位移从所述主面结构图像和所述从面结构图像中提取位移后产生的重叠空间；
根据所述重叠空间判断各关节表面在产生形变后的相对空间位置；
基于所述相对空间位置分析所述重叠空间的形变平衡曲面，并将所述平衡曲面作为三维布种曲面。
3.根据权利要求1所述的关节接触力学仿真模型建立方法，其特征在于，所述第一属性信息包括第一尺寸信息和第一总刚度，所述第一空间信息包括第一空间坐标和第一法向量，所述通过所述三维布种曲面对所述主面结构图像进行分析得到第一属性信息和第一空间信息，包括：
对所述三维布种曲面进行划分得到多个离散单元；
对每个所述离散单元进行分析得到每个离散单元中接触点的第一空间坐标和主面的第一法向量；
分别对所述离散单元中的多个接触结构进行测量，得到每个接触结构的第一尺寸信息；
根据所述尺寸信息和所述材料属性信息计算每个离散单元的第一总刚度。
4.根据权利要求3所述的关节接触力学仿真模型建立方法，其特征在于，所述对所述三维布种曲面进行划分得到多个离散单元，包括：
根据预设空间间隔选取所述三维布种曲面及对应主面结构图像、从面结构图像上的点，得到多个布种位置；
基于所述布种位置划分所述三维布种曲面及对应主面结构图像、从面结构图像的法线，得到每条法线路径上所通过的接触结构；
将每条法线路径上所通过的接触结构划分为到同一离散单元内，得到多个离散单元。
5.根据权利要求3所述的关节接触力学仿真模型建立方法，其特征在于，所述第二属性信息包括第二尺寸信息和第二总刚度，所述第二空间信息包括第二空间坐标和第二法向量，所述通过所述外力受力条件、材料属性信息和所述三维布种曲面对所述从面结构图像进行分析得到第二属性信息和第二空间信息，包括：
根据所述预测位移将所述离散单元的法向量进行刚性位移，得到位移后每个离散单元中接触点的第二空间坐标和从面的第二法向量；
根据所述第二法向量对所述三维布种曲面中的从面结构进行划分得到多个结构单元；
分别对所述结构单元中的多个接触结构进行测量，得到每个接触结构的第二尺寸信息；
根据所述尺寸信息和所述材料属性信息计算每个结构单元的第二总刚度。
6.根据权利要求5所述的关节接触力学仿真模型建立方法，其特征在于，所述方法还包括：
基于所述预测位移分析每个离散单元位移前后的形变量；
根据所述形变量分析所述主面结构和所述从面结构之间的接触应力；
对所述接触应力进行向量求和得到总反应力；
根据所述总反应力、所述外力受力条件和预设损失函数对所述预设位移预测模型的精度进行分析，得到精度分析结果；
判断所述精度分析结果是否大于预设精度值；
当所述精度分析结果小于预设精度值时，通过预设算法对所述预设位移预测模型的模型参数进行调整，并返回将所述主面结构图像、从面结构图像和所述外力受力条件输入预设位移预测模型，得到预测位移的步骤，直至所述精度分析结果小于或等于所述预设精度值，得到最终的预设位移预测模型。
7.根据权利要求1所述的关节接触力学仿真模型建立方法，其特征在于，所述基于所述信息图谱建立接触力学仿真模型，包括：
根据所述主面结构的信息图谱生成主面结构特征矩阵；
根据所述从面结构的信息图谱生成从面结构特征矩阵；
基于所述主面结构特征矩阵和所述从面结构特征矩阵计算主接触面单元上的接触应力矩阵；
根据所述接触应力矩阵和预设损失函数建立所述接触力学仿真模型。
8.一种关节接触力学仿真模型建立装置，其特征在于，包括：
获取模块，用于获取关节各组成结构在外力受力条件下的原始图像和材料属性信息；
识别模块，用于将所述原始图像进行图像识别得到关节接触结构的主面结构图像和从面结构图像；
分析模块，用于结合材料属性信息和所述外力受力条件对所述主面结构图像和从面结构图像进行分析得到主面结构的第一信息图谱和从面结构的第二信息图谱；将所述主面结构图像、从面结构图像和所述外力受力条件输入预设位移预测模型，得到预测位移；根据所述主面结构图像、从面结构图像和所述预测位移建立关节的三维布种曲面；根据所述材料属性信息和所述三维布种曲面对所述主面结构图像进行分析得到第一属性信息和第一空间信息；通过所述外力受力条件、材料属性信息和所述三维布种曲面对所述从面结构图像进行分析得到第二属性信息和第二空间信息；基于所述第一属性信息和第一空间信息生成主面结构的第一信息图谱；基于所述第二属性信息和第二空间信息生成从面结构的第二信息图谱；
建立模块，用于基于所述的第一信息图谱和所述第二信息图谱建立接触力学仿真模型；
判断模块，用于判断所述接触力学仿真模型的精度是否小于预设精度值，当所述接触力学仿真模型的精度小于预设精度值时，改变所述外力受力条件并返回获取关节各组成结构在外力受力条件下的原始图像的步骤，直至所述接触力学仿真模型的精度大于或等于预设精度值。
9.一种电子设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-7中任一项所述的关节接触力学仿真模型建立方法。
CN202310597030.4A 2023-05-25 2023-05-25 一种关节接触力学仿真模型建立方法、装置及电子设备 Active CN116306326B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310597030.4A CN116306326B (zh) 2023-05-25 2023-05-25 一种关节接触力学仿真模型建立方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310597030.4A CN116306326B (zh) 2023-05-25 2023-05-25 一种关节接触力学仿真模型建立方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN116306326A CN116306326A (zh) 2023-06-23
CN116306326B true CN116306326B (zh) 2023-09-15

Family

ID=86832725

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310597030.4A Active CN116306326B (zh) 2023-05-25 2023-05-25 一种关节接触力学仿真模型建立方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN116306326B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000010034A1 (en) * 1998-08-14 2000-02-24 Prato Frank S Application of scatter and attenuation correction to emission tomography images using inferred anatomy from atlas
CN105139442A (zh) * 2015-07-23 2015-12-09 昆明医科大学第一附属医院 一种结合ct和mri二维图像建立人体膝关节三维仿真模型的方法
CN107515982A (zh) * 2017-08-22 2017-12-26 电子科技大学 一种三维力学有限元模态分析中的接触分析方法
CN116030957A (zh) * 2021-10-25 2023-04-28 深圳市帝迈生物技术有限公司 知识图谱构建方法、装置、辅助诊断设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2354525A1 (en) * 1998-09-14 2000-06-22 Stanford University Assessing the condition of a joint and preventing damage
US10892058B2 (en) * 2017-09-29 2021-01-12 K2M, Inc. Systems and methods for simulating spine and skeletal system pathologies
CN112533555A (zh) * 2018-08-28 2021-03-19 史密夫和内修有限公司 机器人辅助韧带移植物放置和张紧

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000010034A1 (en) * 1998-08-14 2000-02-24 Prato Frank S Application of scatter and attenuation correction to emission tomography images using inferred anatomy from atlas
CN105139442A (zh) * 2015-07-23 2015-12-09 昆明医科大学第一附属医院 一种结合ct和mri二维图像建立人体膝关节三维仿真模型的方法
CN107515982A (zh) * 2017-08-22 2017-12-26 电子科技大学 一种三维力学有限元模态分析中的接触分析方法
CN116030957A (zh) * 2021-10-25 2023-04-28 深圳市帝迈生物技术有限公司 知识图谱构建方法、装置、辅助诊断设备及存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张尚明 ; 王守森 ; .数字化颅脑图谱和三维模型的构建与应用.中国微侵袭神经外科杂志.2011,(04),第49-51页. *
张琳琳 ; 叶铭 ; 王冬梅 ; 王成焘 ; .肱骨外旋运动中盂肱关节面接触分析.上海交通大学学报.2008,(05),第124-128页. *
徐伟 ; 周庭永 ; 钱学华 ; 刘本菊 ; 李林宏 ; 张慧 ; 吕发金 ; .数字医学在膝关节三维重建中的应用.重庆医科大学学报.2011,(01),第78-81页. *
桂斌捷 ; 刘德宝 ; .锁骨三维模型构建和力学分析.中国组织工程研究与临床康复.2009,(30),第29-32页. *

Also Published As

Publication number Publication date
CN116306326A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
Valente et al. Are subject-specific musculoskeletal models robust to the uncertainties in parameter identification?
CN108959794B (zh) 一种基于深度学习的结构频响动力学模型修正方法
WO2017031718A1 (zh) 弹性物体变形运动的建模方法
Lu Circular element: Isogeometric elements of smooth boundary
CN115457492A (zh) 目标检测方法、装置、计算机设备及存储介质
Sánchez et al. Embedding digitized fibre fields in finite element models of muscles
CN115565203A (zh) 一种跨模态弱监督的三维人体姿态估计方法及系统
CN118314264B (zh) 基于数字孪生的城市模型渲染系统及方法
Kohout et al. Real‐Time Modelling of Fibrous Muscle
CN114169383A (zh) 有限元模型结构的应变-位移重构方法
CN112257021A (zh) 一种可选的克里金空间插值降雨量估算方法
Regazzoni et al. Universal solution manifold networks (USM-Nets): non-intrusive mesh-free surrogate models for problems in variable domains
CN116306326B (zh) 一种关节接触力学仿真模型建立方法、装置及电子设备
Hu et al. Mode shape prediction based on convolutional neural network and autoencoder
JP6645508B2 (ja) 構造解析方法、及び構造解析プログラム
JP6645509B2 (ja) 構造解析方法、及び構造解析プログラム
Bounik et al. Accurate coarse soft tissue modeling using FEM-based fine simulation
CN116310194A (zh) 一种配电站房三维模型重建方法、系统、设备和存储介质
CN116108735A (zh) 边界和初始条件未知的流体数据时空高分辨率重建方法
Abaidi et al. GAN-based generation of realistic compressible-flow samples from incomplete data
Kag et al. Physics-informed neural network for modeling dynamic linear elasticity
CN102760182B (zh) 基于压缩感知技术的人口出行需求计算方法
CN110837721A (zh) 一种基于神经网络算法的隧穿双栅晶体管特性模拟方法
CN118470222B (zh) 一种基于sdf扩散的医学超声影像三维重建方法和系统
Zhang et al. Visual perception of fluid viscosity: Toward realistic fluid simulation

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