CN117725706B - 一种胫骨形状的预测方法、装置、设备及存储介质 - Google Patents
一种胫骨形状的预测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117725706B CN117725706B CN202410176881.6A CN202410176881A CN117725706B CN 117725706 B CN117725706 B CN 117725706B CN 202410176881 A CN202410176881 A CN 202410176881A CN 117725706 B CN117725706 B CN 117725706B
- Authority
- CN
- China
- Prior art keywords
- sample
- tibia
- point
- height
- target curve
- 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
Links
- 210000002303 tibia Anatomy 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000014509 gene expression Effects 0.000 claims abstract description 24
- 230000006870 function Effects 0.000 claims description 28
- 239000013598 vector Substances 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 description 17
- 230000008901 benefit Effects 0.000 description 6
- 230000006378 damage Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 244000309466 calf Species 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 210000003141 lower extremity Anatomy 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 208000012260 Accidental injury Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000002082 fibula Anatomy 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000006461 physiological response Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请公开了一种胫骨形状的预测方法、装置、设备及存储介质，涉及计算机技术领域，该方法包括：获取假人的第一身高；根据所述假人的第一身高以及预先确定的预设函数，确定所述第一身高对应的最远距离，所述最远距离为胫骨对应的目标曲线的最高点和最低点的距离，所述最高点和所述最低点均在所述胫骨上；根据所述最远距离，确定所述目标曲线上的多个特征点坐标；根据所述目标曲线上的多个特征点坐标，确定所述目标曲线的表达式，所述目标曲线的表达式用于确定所述胫骨的形状。该方法能够提高假人胫骨形状的多样性并且减小该胫骨形状与真实情况的偏差。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种胫骨形状的预测方法、装置、设备及存储介质。
背景技术
假人是评价车辆安全的检测装备和衡量车辆安全的技术砝码。通过使用假人代替真人进行碰撞试验，可以模拟出不同情况下人体的损伤情况。
目前，传统的假人，在制造过程中，假人的胫骨形状固定且单一，并且胫骨形状与真实情况的偏差较大。
发明内容
本申请提供一种胫骨形状的预测方法、装置、设备及存储介质，能够提高假人胫骨形状的多样性并且减小该胫骨形状与真实情况的偏差。
为达到上述目的，本申请采用如下技术方案：
第一方面，本申请提供了一种胫骨形状的预测方法，包括：
获取假人的第一身高；
根据所述假人的第一身高以及预先确定的预设函数，确定所述第一身高对应的最远距离，所述最远距离为胫骨对应的目标曲线的最高点和最低点的距离，所述最高点和所述最低点均在所述胫骨上；
根据所述最远距离，确定所述目标曲线上的多个特征点坐标；
根据所述目标曲线上的多个特征点坐标，确定所述目标曲线的表达式，所述目标曲线的表达式用于确定所述胫骨的形状。
在一些可能的实现方式中，所述预设函数通过胫骨的样本数据得到，所述胫骨的样本数据包括样本身高以及所述样本身高对应的样本最远距离，所述样本最远距离为样本胫骨对应的样本曲线的样本最高点和样本最低点的距离，所述样本最高点和所述样本最低点均在所述样本胫骨上。
在一些可能的实现方式中，所述预设函数包括多个预设子函数，所述最远距离包括多个最远子距离，所述目标曲线包括多个目标子曲线。
在一些可能的实现方式中，所述根据所述假人的第一身高以及预先确定的预设函数，确定所述第一身高对应的最远距离，包括：
其中，第i个最远子距离，/>为预先确定的第i个预设子函数的第一参数，/>为预先确定的第i个预设子函数的第二参数，/>为第一身高。
在一些可能的实现方式中，所述多个特征点分别为最高点、最低点、中间点、上特征点和下特征点，所述中间点、所述上特征点和所述下特征点均在所述胫骨上，所述中间点为所述最高点和所述最低点的中点，所述上特征点为所述最高点和所述中间点的中点，所述下特征点为所述中间点和所述最低点的中点。
第二方面，本申请提供了一种胫骨形状的预测装置，所述装置包括：
获取模块，用于获取假人的第一身高；
确定模块，用于根据所述假人的第一身高以及预先确定的预设函数，确定所述第一身高对应的最远距离，所述最远距离为胫骨对应的目标曲线的最高点和最低点的距离，所述最高点和所述最低点均在所述胫骨上；根据所述最远距离，确定所述目标曲线上的多个特征点坐标；
预测模块，用于根据所述目标曲线上的多个特征点坐标，确定所述目标曲线的表达式，所述目标曲线的表达式用于确定所述胫骨的形状。
在一些可能的实现方式中，所述预设函数通过胫骨的样本数据得到，所述胫骨的样本数据包括样本身高以及所述样本身高对应的样本最远距离，所述样本最远距离为样本胫骨对应的样本曲线的样本最高点和样本最低点的距离，所述样本最高点和所述样本最低点均在所述样本胫骨上。
在一些可能的实现方式中，所述预设函数包括多个预设子函数，所述最远距离包括多个最远子距离，所述目标曲线包括多个目标子曲线。
在一些可能的实现方式中，所述确定模块通过以下公式确定第一身高对应的最远距离：
其中，第i个最远子距离，/>为预先确定的第i个预设子函数的第一参数，/>为预先确定的第i个预设子函数的第二参数，/>为第一身高。
在一些可能的实现方式中，所述多个特征点分别为最高点、最低点、中间点、上特征点和下特征点，所述中间点、所述上特征点和所述下特征点均在所述胫骨上，所述中间点为所述最高点和所述最低点的中点，所述上特征点为所述最高点和所述中间点的中点，所述下特征点为所述中间点和所述最低点的中点。
第三方面，本申请提供了一种计算设备，包括存储器和处理器；
其中，在所述存储器中存储有一个或多个计算机程序，所述一个或多个计算机程序包括指令；当所述指令被所述处理器执行时，使得所述计算设备执行如第一方面中任一项所述的方法。
第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行如第一方面中任一项所述的方法。
由上述技术方案可知，本申请至少具有如下有益效果：
本申请提供了一种胫骨形状的预测方法，在该方法中，先获取假人的第一身高，然后根据假人的第一身高以及预先确定的预设函数，确定第一身高对应的最远距离，该最远距离为胫骨对应的目标曲线的最高点和最低点的距离，最高点和最低点均在胫骨上，根据该最远距离，确定目标曲线上的多个特征点的坐标，再根据目标曲线上的多个特征点坐标，确定所述目标曲线的表达式，目标曲线的表达式用于确定该胫骨的形状。在该方法中，通过假人的身高来预测假人的胫骨形状，身高不同的人对应的胫骨形状不同，从而提高了胫骨形状的多样性、丰富性。由于身高与胫骨形状存在相关关系，通过身高预测得到的胫骨形状与真实情况的偏差较小，更能够反应真实的损伤情况。
应当理解的是，本申请中对技术特征、技术方案、有益效果或类似语言的描述并不是暗示在任意的单个实施例中可以实现所有的特点和优点。相反，可以理解的是对于特征或有益效果的描述意味着在至少一个实施例中包括特定的技术特征、技术方案或有益效果。因此，本说明书中对于技术特征、技术方案或有益效果的描述并不一定是指相同的实施例。进而，还可以任何适当的方式组合本实施例中所描述的技术特征、技术方案和有益效果。本领域技术人员将会理解，无需特定实施例的一个或多个特定的技术特征、技术方案或有益效果即可实现实施例。在其他实施例中，还可在没有体现所有实施例的特定实施例中识别出额外的技术特征和有益效果。
附图说明
图1为本申请实施例提供的一种胫骨形状的预测方法的流程图；
图2为本申请实施例提供的一种胫骨的示意图；
图3为本申请实施例提供的又一种胫骨的示意图；
图4为本申请实施例提供的一种胫骨形状的预测装置的结构示意图；
图5为本申请实施例提供的一种计算设备的结构示意图。
具体实施方式
本申请说明书和附图说明中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而不是用于限定特定顺序。
在本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
为了下述各实施例的描述清楚简洁，首先给出相关技术的简要介绍：
车辆碰撞实验是通过模拟交通事故情况，测试车辆在碰撞时的安全性能和结构强度的一种方法。这些实验通常由汽车制造商和独立的安全组织进行，以确保车辆在发生碰撞时可以提供最佳的保护。
在汽车碰撞实验中，使用了一种被称为"汽车碰撞测试假人"（也叫做碰撞测试模型或碰撞测试人体模型）的仿生人体模型。这种模型的目的是模拟真实人体在车辆碰撞事故中的生理反应，以评估车辆的安全性能。在这些假人模型中，包括对胫骨的建模，以便更全面地了解碰撞对下肢的影响。
胫骨是人体下肢的长骨之一，位于小腿。它连接到膝盖的下方，与腓骨并排构成小腿的骨骼结构。胫骨在行走和支撑体重中起到关键作用。在胫骨部分，可能会考虑到骨折、扭曲和其他类型的损伤，以帮助评估碰撞对下肢的影响。这种仿真有助于汽车制造商和研究人员设计更安全的汽车结构，以减轻事故对乘客的伤害。
传统的假人，在制造过程中，假人的胫骨形状固定且单一，并且胫骨形状与真实情况的偏差较大，这将难以准确的模拟真实碰撞情况下的人体损伤情况。
有鉴于此，本申请实施例提供了一种胫骨形状的预测方法，该方法包括获取假人的第一身高，根据该假人的第一身高以及预先确定的预设函数，确定第一身高对应的最远距离，该最远距离为胫骨对应的目标曲线的最高点和最低点的距离，该最高点和最低点均在胫骨上，然后再根据最远距离，确定目标曲线上的多个特征点坐标，根据目标曲线上多个特征点的坐标，确定该目标曲线的表达式，该目标曲线的表达式用于确定胫骨的形状。
在该方法中，通过假人的身高来预测假人的胫骨形状，身高不同的人对应的胫骨形状不同，从而提高了胫骨形状的多样性、丰富性。由于身高与胫骨形状存在相关关系，通过身高预测得到的胫骨形状与真实情况的偏差较小，更能够反应真实的损伤情况。
需要说明的是，上述胫骨形状的预测方法可以由电子设备执行，该电子设备可以是终端，也可以是服务器。其中，终端包括但不限于计算机、笔记本电脑、手机等，服务器包括但不限于边缘服务器、云服务器。
为了使得本申请的技术方案更加清楚、易于理解，下面以电子设备的角度，结合附图对本申请实施例提供的胫骨形状的预测方法进行介绍。如图1所示，该图为本申请实施例提供的一种胫骨形状的预测方法的流程图，该方法包括：
S101、电子设备获取假人的第一身高。
第一身高是指所要制造的假人的身高，例如可以是170cm，也可以是180cm，具体可以基于实际想要制造的假人的参数确定。电子设备获取该假人的第一身高后，可以基于该第一身高对假人的胫骨的形状进行预测，从而便于制造该假人的胫骨。
S102、电子设备根据假人的第一身高以及预先确定的预设函数，确定第一身高对应的最远距离，该最远距离为胫骨对应的目标曲线的最高点和最低点的距离，最高点和最低点均在胫骨上。
下面先介绍预设函数。经过回归分析，身高与胫骨在竖直方向任意两点的距离存在一定线性关系，本申请中通过胫骨的样本数据，预先得到身高与胫骨在竖直方向上最高点和最低点之间的距离的关系，即，上述预设函数。
其中，预设函数通过胫骨的样本数据得到，胫骨的样本数据包括样本身高以及样本身高对应的样本最远距离，样本最远距离为样本胫骨对应的样本曲线的样本最高点和样本最低点的距离，样本最高点和样本最低点均在样本胫骨上。如图2所示，该图为本申请实施例提供的一种胫骨的示意图。其中，最远距离为最高点201和最低点202之间的距离。
在一些实施例中，预设函数包括多个预设子函数，最远距离包括多个最远子距离，目标曲线包括多个目标子曲线。
在一些示例中，在得到胫骨的样本数据后，该胫骨的样本数据包括样本身高以及样本身高对应的最远距离，样本最远距离为样本胫骨对应的样本曲线的样本最高点和样本最低点的距离，其中，用表示第j个样本身高，/>表示第j个样本身高对应的最远距离，然后通过以下公式，确定第j个预设子函数：
其中，为待确定的第j个预设子函数的第一参数，/>为待确定的第j个预设子函数的第二参数。
再通过以下公式，确定上述和/>：
其中，表示第e个样本的第j条形状向量对应的最远距离，E为样本总数，例如100个人。/>表示第k个样本的第j条形状向量对应的最远距离，K表示样本总数，表示第j条形状向量对应的最远距离的平均值。/>表示第e个样本的样本身高，/>表示第k个样本的样本身高，/>表示样本身高的平均值。/>和/>为中间变量，在计算过程中可以消除。
基于类似的原理，电子设备可以得到每个预设子函数的第一参数以及第二参数，进而得到每个预设子函数。进而电子设备可以基于各个预设子函数，确定第一身高对应的各个最远距离，具体可以通过以下公式计算最远距离：
其中，第i个最远子距离，/>为预先确定的第i个预设子函数的第一参数（如通过上述实施例的方式确定），/>为预先确定的第i个预设子函数的第二参数（如通过上述实施例的方式确定），/>为第一身高。
如此，电子设备在得到第一身高后，可以通过上述公式，得到多组最远距离，如等等。
下面介绍目标曲线。本申请中目标曲线的选取方式包括多种，第一种是选择特征曲线，该特征曲线是具有一定代表能力的曲线，用特征曲线可以代表胫骨的形状，这样能够减少计算量。第二种是选择全部曲线，选择全部曲线能够更好的拟合胫骨形状。
下面通过示例的方式介绍第一种。
第一步，重建胫骨三维模型，在胫骨模型上进行切片横向按照5mm的步长切片，纵向按照0.5mm的步长切片（这里可以理解为网格的绘制，要拟合某条曲线就必须要得到曲线的二维坐标，要得到二维坐标就必须先有三维坐标，所以这里绘制网格为了得到网格顶点的三维坐标，作为胫骨各个点的坐标）。
第二步，在得到胫骨模型每个网格顶点的坐标后，可以通过目测的方式，先粗略选择具有特征的点，例如，胫骨侧面凹陷或者突出的点，然后进入第三步。
第三步，寻找能够代表胫骨侧面形状的特征点。
具体地，（1）假设存在m个胫骨样本数据，每个胫骨上选择了n个特征点。
（2）n个特征点里面每个特征点的坐标记为（，/>，/>），/>指的是第j个胫骨样本中第f点的X轴坐标，/>指的是第j个胫骨样本中第f点的Y轴坐标，/>指的是第j个胫骨样本中第f点的Z轴坐标。
（3）以其中一个胫骨样本数据（如第i个胫骨样本）为例，胫骨上点坐标所组成的矩阵定义为矩阵A（需要说明的是，定义矩阵A是为了求出哪些点更能够代表胫骨形状）。
。
示例性的，矩阵A的具体数值可以如下所示：
。
（4）对矩阵A进行标准化处理，得到矩阵B。
可以通过以下公式，对上述数据进行标准化处理：
其中，表示标准化后的第j行第g列元素，/>表示标准化前，即矩阵A中的第j行第g列元素，n表示选择的特征点个数，/>表示矩阵A第g列的平均值。
得到矩阵B：
。
示例性的，矩阵B的具体数值可以如下所示：
。
（5）构造协方差矩阵。
。
其中，协方差矩阵C的示例如下：
。
（6）求协方差矩阵C的特征值，并按照大到小的顺序排序。
特征值可以记为λj，求出协方差矩阵C的特征向量：，（特征值λj的意义为矩阵B第j列的方差和，所以该值越大表征向量储存的信息量越多，证明该特征值λj对应的特征向量上承载的信息更多），假如现在特征值λ1最大（λ1=37.19，λ2=9.51，λ3=0.70），就选择λ1对应的特征向量/>去做投影，投影方法如下：
。
上述特征值λ1，λ2，λ3对应的特征向量如下：
。
做投影得到：
。
D为投影向量，因为是投影，比较的是绝对值大小，可以得到d1=-5.83对应的是矩阵B的第一行，第对应的第一个点，d2=-4.07对应的是矩阵B第二行对应的是第二个点，以此类推。
为了进行比较，将上述d1-d5转换为百分比，公式如下：
表示第p个d占总的百分比，可以得到/>=0.25、0.17、0.41、0.12、0.05。
然后对上述排序前q个进行求和并与预设阈值进行比较，如果求和结果大于预设阈值，则得到前q个/>，例如/>。
需要说明的是，d1代表胫骨上第一个点在特征向量的投影量，这个值越大代表该点越能影响胫骨的侧面形状，可以在求出D向量后，通过EXCEL做一个排序，选择d值越大的对应的点作为需要的特征点，至此特征点的选取结束。然后定义第一个特征点对应的形状曲线为L1，第二个特征点对应的形状曲线为L2，以此类推，得到全部的形状曲线，将该形状曲线作为特征曲线。
S103、电子设备根据最远距离，确定目标曲线上的多个特征点坐标。
继续参见图2，特征点可以包括最高点201、最低点202、中间点203、上特征点204和下特征点205，其中，中间点203、上特征点204和下特征点205均在胫骨上，中间点203为最高点201和最低点202的中点，上特征点204为最高点201和中间点203的中点，下特征点205为最低点202和中间点203的中点。
在另一些实施例中，特征点还可以包括突起点（由胫骨的结构决定），需要说明的是，本申请实施例不具体限定特征点的个数以及特征点的设置方式，本领域技术人员可以基于实际需要选择更多的特征点或更少的特征点。如图3所示，该图为本申请实施例提供的又一种胫骨的示意图。该胫骨包括第一点301、第二点302、第三点303、第四点304、第五点305、第六点306、第七点307、第八点308和第九点309。在实际计算过程中，可以对上述9个点进行分组，例如第一点301、第二点302、第三点303、第四点304和第五点305为一组进行计算处理，得到胫骨上半部分的形状，将第五点305、第六点306、第七点307、第八点308和第九点309分为一组，得到胫骨下半部分的形状。
下面以图2所示的特征点为例，介绍目标曲线的特征点的确定方式。该目标曲线的特征点的坐标如下所示：
其中，表示第e个样本中目标曲线的最高点的X坐标，/>表示第e个样本中目标曲线的最高点的Y坐标，/>表示第e个样本中目标曲线的最高点的Z坐标。/>表示第e个样本中目标曲线的最低点的X坐标，/>表示第e个样本中目标曲线的最低点的Y坐标，表示第e个样本中目标曲线的最低点的Z坐标。/>表示目标曲线对应的最远距离为目标子函数的第一参数，/>为目标子函数的第二参数，/>为输入的假人的身高。
S104、电子设备根据目标曲线上的多个特征点坐标，确定目标曲线的表达式，该目标曲线的表达式用于确定胫骨的形状。
电子设备在得到该目标曲线上的多个特征点坐标后，可以确定该目标曲线的表达式，例如通过插值法得到该目标曲线的表达式。
下面举例介绍，以目标曲线为L1为例，最高点坐标为（10,20,26），最低点的坐标（11,19.4,-14），中间点坐标（8，16，6），上特征点坐标为（9，18.7，21），下特征点坐标为（9，18.5，-9）。
然后对L1对应的形状曲线进行插值。先将得到的坐标点进行简化表达，即最高点坐标为、最低点坐标为(/>、中点坐标为/>、上特征点坐标/>、下特征点坐标为/>，将五个点坐标投影到Z-X平面，投影后的五个坐标分别表示为（这里投影后以Z为自变量,X为因变量），延续上例，五个点投影后的坐标为最高点投影坐标为（26，10）；最低点投影坐标为（-14，11）；中间点投影坐标为（6，8）；上特征点投影坐标为（21，9）；下特征点投影坐标为（-9，9）。
基于上述示例的数据可以计算差商表：
进而得到目标曲线的表达式：
需要说明的是，上述示例仅仅是以计算一条目标曲线的表达式为例进行介绍，可以通过类似的方式确定多条目标子曲线的表达式，进而拟合得到胫骨的形状。
基于上述内容描述，本申请中，在胫骨顶端边线按照一定的距离依次标记出最高点，然后按照最高点往下同样按照等距（距离为d）的方式依次标记点到胫骨底部的边线形成竖直方向的轮廓线，通过三维重建的方式得到每一个标记点的三维坐标，以每一条竖轮廓线的坐标形成一个向量，通过主成分分析得出最能表现胫骨侧面形状的向量，然后重新选择这些向量对应最高点和最低点的连线竖直方向对应的三个点，其中包括上特征点和下特征点以及胫骨中点，通过回归分析得到身高和最高点最低点的距离、上特征点和下特征点的距离、中点高，从而得到五点实际胫骨对应的位置，最后通过五点进行插值得到该轮廓线的插值方程。
本申请能够高效地预测不同人体的胫骨的形状，面对假人小腿设计太过单一且不切合实际等问题，只要确定了假人的身高，就能够给出一个更加真实的小腿形状，用于设计或制造假人。
本申请提供了一种胫骨形状预测方法，在该方法中，先获取假人的第一身高，然后根据假人的第一身高以及预先确定的预设函数，确定第一身高对应的最远距离，该最远距离为胫骨对应的目标曲线的最高点和最低点的距离，最高点和最低点均在胫骨上，根据该最远距离，确定目标曲线上的多个特征点的坐标，再根据目标曲线上的多个特征点坐标，确定所述目标曲线的表达式，目标曲线的表达式用于确定该胫骨的形状。在该方法中，通过假人的身高来预测假人的胫骨形状，身高不同的人对应的胫骨形状不同，从而提高了胫骨形状的多样性、丰富性。由于身高与胫骨形状存在相关关系，通过身高预测得到的胫骨形状与真实情况的偏差较小，更能够反应真实的损伤情况。
上文结合图1至图3对本申请实施例提供的胫骨形状的预测方法进行了详细介绍，下面将结合附图对本申请实施例提供的装置、设备进行介绍。
如图4所示，该图为本申请实施例提供的一种胫骨形状的预测装置的结构示意图，该装置包括：
获取模块401，用于获取假人的第一身高；
确定模块402，用于根据所述假人的第一身高以及预先确定的预设函数，确定所述第一身高对应的最远距离，所述最远距离为胫骨对应的目标曲线的最高点和最低点的距离，所述最高点和所述最低点均在所述胫骨上；根据所述最远距离，确定所述目标曲线上的多个特征点坐标；
预测模块403，用于根据所述目标曲线上的多个特征点坐标，确定所述目标曲线的表达式，所述目标曲线的表达式用于确定所述胫骨的形状。
在一些可能的实现方式中，所述预设函数通过胫骨的样本数据得到，所述胫骨的样本数据包括样本身高以及所述样本身高对应的样本最远距离，所述样本最远距离为样本胫骨对应的样本曲线的样本最高点和样本最低点的距离，所述样本最高点和所述样本最低点均在所述样本胫骨上。
在一些可能的实现方式中，所述预设函数包括多个预设子函数，所述最远距离包括多个最远子距离，所述目标曲线包括多个目标子曲线。
在一些可能的实现方式中，所述确定模块402通过以下公式确定第一身高对应的最远距离：
其中，第i个最远子距离，/>为预先确定的第i个预设子函数的第一参数，/>为预先确定的第i个预设子函数的第二参数，/>为第一身高。
在一些可能的实现方式中，所述多个特征点分别为最高点、最低点、中间点、上特征点和下特征点，所述中间点、所述上特征点和所述下特征点均在所述胫骨上，所述中间点为所述最高点和所述最低点的中点，所述上特征点为所述最高点和所述中间点的中点，所述下特征点为所述中间点和所述最低点的中点。
根据本申请实施例的胫骨形状的预测装置可对应于执行本申请实施例中描述的方法，并且胫骨形状的预测装置的各个模块/单元的上述和其它操作和/或功能分别为了实现图1所示实施例中的各个方法的相应流程，为了简洁，在此不再赘述。
本申请实施例还提供了一种计算设备。该计算设备具体用于实现如图4所示实施例中胫骨形状的预测装置的功能。
如图5所示，该图为本申请实施例提供的一种计算设备的结构示意图，该计算设备700包括总线701、处理器702、通信接口703和存储器704。处理器702、存储器704和通信接口703之间通过总线701通信。
总线701可以是外设部件互连标准（peripheral component interconnect，PCI）总线或扩展工业标准结构（extended industry standard architecture，EISA）总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
处理器702可以为中央处理器(central processing unit，CPU)、图形处理器（graphics processing unit，GPU）、微处理器（micro processor，MP）或者数字信号处理器（digital signal processor，DSP）等处理器中的任意一种或多种。
通信接口703用于和外部通信。
存储器704可以包括易失性存储器(volatile memory)，例如随机存取存储器(random access memory，RAM)。存储器704还可以包括非易失性存储器(non-volatilememory)，例如只读存储器(read-only memory，ROM)，快闪存储器，硬盘驱动器（hard diskdrive， HDD）或固态驱动器（solid state drive，SSD）。
存储器704中存储有可执行代码，处理器702执行该可执行代码以执行前述胫骨形状的预测方法。
具体地，在实现图4所示实施例的情况下，且图4实施例中所描述的胫骨形状的预测装置的各模块或单元为通过软件实现的情况下，执行图4中的各模块/单元功能所需的软件或程序代码可以部分或全部存储在存储器704中。处理器702执行存储器704中存储的各单元对应的程序代码，执行前述胫骨形状的预测方法。
本申请实施例还提供了一种计算机可读存储介质。所述计算机可读存储介质可以是计算设备能够存储的任何可用介质或者是包含一个或多个可用介质的数据中心等数据存储设备。所述可用介质可以是磁性介质（例如软盘、硬盘、磁带）、光介质（例如DVD）、或者半导体介质（例如固态硬盘）等。该计算机可读存储介质包括指令，所述指令指示计算设备执行上述应用于胫骨形状的预测装置的胫骨形状的预测方法。
本申请实施例还提供了一种计算机程序产品，所述计算机程序产品包括一个或多个计算机指令。在计算设备上加载和执行所述计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。
所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机或数据中心通过有线（例如同轴电缆、光纤、数字用户线（DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机或数据中心进行传输。
所述计算机程序产品被计算机执行时，所述计算机执行前述胫骨形状的预测方法的任一方法。该计算机程序产品可以为一个软件安装包，在需要使用前述胫骨形状的预测方法的任一方法的情况下，可以下载该计算机程序产品并在计算机上执行该计算机程序产品。
上述各个附图对应的流程或结构的描述各有侧重，某个流程或结构中没有详述的部分，可以参见其他流程或结构的相关描述。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。
Claims (8)
1.一种胫骨形状的预测方法，其特征在于，包括：
获取假人的第一身高；
根据所述假人的第一身高以及预先确定的预设函数，确定所述第一身高对应的最远距离，所述最远距离为胫骨对应的目标曲线在竖直方向上的最高点和最低点的距离，所述最高点和所述最低点均在所述胫骨上；
根据所述最远距离，确定所述目标曲线上的多个特征点坐标；
根据所述目标曲线上的多个特征点坐标，确定所述目标曲线的表达式，所述目标曲线的表达式用于确定所述胫骨的形状；
所述预设函数包括多个预设子函数，所述最远距离包括多个最远子距离，所述目标曲线包括多个目标子曲线，第j个预设子函数的确定方式为：
其中，为第j个样本身高对应的最远距离，/>为第j个样本身高，/>为待确定的第j个预设子函数的第一参数，/>为待确定的第j个预设子函数的第二参数；
和/>的确定方式为：
其中，表示第e个样本的第j条形状向量对应的最远距离，E为样本总数，/>表示第k个样本的第j条形状向量对应的最远距离，K为样本总数，E=K，/>表示第j条形状向量对应的最远距离的平均值，/>表示第e个样本的样本身高，/>表示第k个样本的样本身高，/>表示样本身高的平均值，/>和/>为中间变量。
2.根据权利要求1所述的方法，其特征在于，所述预设函数通过胫骨的样本数据得到，所述胫骨的样本数据包括样本身高以及所述样本身高对应的样本最远距离，所述样本最远距离为样本胫骨对应的样本曲线在竖直方向上的样本最高点和样本最低点的距离，所述样本最高点和所述样本最低点均在所述样本胫骨上。
3.根据权利要求1所述的方法，其特征在于，所述根据所述假人的第一身高以及预先确定的预设函数，确定所述第一身高对应的最远距离，包括：
其中，第i个最远子距离，/>为预先确定的第i个预设子函数的第一参数，/>为预先确定的第i个预设子函数的第二参数，/>为第一身高。
4.根据权利要求1所述的方法，其特征在于，所述多个特征点分别为最高点、最低点、中间点、上特征点和下特征点，所述中间点、所述上特征点和所述下特征点均在所述胫骨上，所述中间点为所述最高点和所述最低点的中点，所述上特征点为所述最高点和所述中间点的中点，所述下特征点为所述中间点和所述最低点的中点。
5.一种胫骨形状的预测装置，其特征在于，所述装置包括：
获取模块，用于获取假人的第一身高；
确定模块，用于根据所述假人的第一身高以及预先确定的预设函数，确定所述第一身高对应的最远距离，所述最远距离为胫骨对应的目标曲线在竖直方向上的最高点和最低点的距离，所述最高点和所述最低点均在所述胫骨上；根据所述最远距离，确定所述目标曲线上的多个特征点坐标；
预测模块，用于根据所述目标曲线上的多个特征点坐标，确定所述目标曲线的表达式，所述目标曲线的表达式用于确定所述胫骨的形状；
所述预设函数包括多个预设子函数，所述最远距离包括多个最远子距离，所述目标曲线包括多个目标子曲线，第j个预设子函数的确定方式为：
其中，为第j个样本身高对应的最远距离，/>为第j个样本身高，/>为待确定的第j个预设子函数的第一参数，/>为待确定的第j个预设子函数的第二参数；
和/>的确定方式为：
其中，表示第e个样本的第j条形状向量对应的最远距离，E为样本总数，/>表示第k个样本的第j条形状向量对应的最远距离，K为样本总数，E=K，/>表示第j条形状向量对应的最远距离的平均值，/>表示第e个样本的样本身高，/>表示第k个样本的样本身高，/>表示样本身高的平均值，/>和/>为中间变量。
6.根据权利要求5所述的装置，其特征在于，所述预设函数通过胫骨的样本数据得到，所述胫骨的样本数据包括样本身高以及所述样本身高对应的样本最远距离，所述样本最远距离为样本胫骨对应的样本曲线在竖直方向上的样本最高点和样本最低点的距离，所述样本最高点和所述样本最低点均在所述样本胫骨上。
7.一种计算设备，其特征在于，包括存储器和处理器；
其中，在所述存储器中存储有一个或多个计算机程序，所述一个或多个计算机程序包括指令；当所述指令被所述处理器执行时，使得所述计算设备执行如权利要求1至4中任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行如权利要求1至4任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410176881.6A CN117725706B (zh) | 2024-02-08 | 2024-02-08 | 一种胫骨形状的预测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410176881.6A CN117725706B (zh) | 2024-02-08 | 2024-02-08 | 一种胫骨形状的预测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117725706A CN117725706A (zh) | 2024-03-19 |
| CN117725706B true CN117725706B (zh) | 2024-05-31 |
Family
ID=90201997
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410176881.6A Active CN117725706B (zh) | 2024-02-08 | 2024-02-08 | 一种胫骨形状的预测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117725706B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115359017A (zh) * | 2022-08-26 | 2022-11-18 | 江苏世康启航医疗器械有限公司 | 一种胫骨平台后倾角的确定装置 |
| CN115640714A (zh) * | 2022-09-22 | 2023-01-24 | 湖南大学 | 一种人体有限元模型生成方法 |
| CN116108729A (zh) * | 2023-04-17 | 2023-05-12 | 中国汽车技术研究中心有限公司 | 汽车碰撞假人下肢损伤峰值位置确定方法、设备及介质 |
-
2024
- 2024-02-08 CN CN202410176881.6A patent/CN117725706B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115359017A (zh) * | 2022-08-26 | 2022-11-18 | 江苏世康启航医疗器械有限公司 | 一种胫骨平台后倾角的确定装置 |
| CN115640714A (zh) * | 2022-09-22 | 2023-01-24 | 湖南大学 | 一种人体有限元模型生成方法 |
| CN116108729A (zh) * | 2023-04-17 | 2023-05-12 | 中国汽车技术研究中心有限公司 | 汽车碰撞假人下肢损伤峰值位置确定方法、设备及介质 |
Non-Patent Citations (6)
| Title |
|---|
| Automatic quantification of morphology on magnetic resonance images of the proximal tibia;Dongdong He 等;《医学中新技术与新装备(英文)》;20231231;全文 * |
| 反映中国人体特征的参数化下肢建模与乘员碰撞损伤研究;杜雯菁;《中国优秀硕士论文全文数据库 工程科技Ⅱ辑》;20210215;全文 * |
| 基于中国人体CT数据的股骨和胫骨参数化模型的开发;杜雯菁 等;《清华大学学报(自然科学版)》;20180921;全文 * |
| 基于中国人体特征的下肢几何建模与长骨验证;吕方;《中国优秀硕士论文全文数据库 医药卫生科技辑》;20160615;全文 * |
| 基于统计形状建模及深度学习的下肢生物力学参数精准预测模型研究;王建吉;《中国优秀博士论文全文数据库 医药卫生科技辑》;20230215;全文 * |
| 正碰中驾驶员侧膝部气囊对乘员损伤影响研究;刘灿灿 等;《科技与创新》;20200630;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117725706A (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8666706B2 (en) | Material property distribution determination for fatigue life calculation using dendrite arm spacing and porosity-based models | |
| CN106529055A (zh) | 一种基于应变模态振型相关性的模型修正方法 | |
| US8401827B2 (en) | Processing device and method for structure data representing a physical structure | |
| CN102867075A (zh) | 基于加速度频率响应分析的车身地板优化设计方法 | |
| CN111209697B (zh) | 一种基于拓扑优化车身顶棚结构的分析方法及系统 | |
| JP7308606B2 (ja) | 頻繁に使用するパーツ用の自動アセンブリメイト作成 | |
| US20120296616A1 (en) | Three-dimensional fluid simulation method | |
| CN104573277A (zh) | 一种车辆悬架系统性能分解方法 | |
| EP2498192A2 (en) | Method for creating finite element model of rubber composite | |
| KR20210033521A (ko) | 차체 부품의 감도 해석 방법 및 장치, 차체 부품의 재료 특성 결정 방법 | |
| US11996008B1 (en) | Method, device, and medium for determining peak position of lower extremity injury in a crash test dummy | |
| CN114970288B (zh) | 碰撞有限元假人皮肤件的仿真建模方法 | |
| CN117725706B (zh) | 一种胫骨形状的预测方法、装置、设备及存储介质 | |
| CN113420370B (zh) | 一种高度静不定结构的强度设计载荷获取方法 | |
| Danglade et al. | A priori evaluation of simulation models preparation processes using artificial intelligence techniques | |
| CN103177165A (zh) | 客车车身结构设计系统、客车侧翻仿真测试系统及方法 | |
| CN116992577B (zh) | 跨介质航行器的仿真方法、系统、设备及存储介质 | |
| CN107609234B (zh) | 基于不确定性的稳健性分析方法及系统 | |
| JP7018993B2 (ja) | コンピュータベースのシミュレーションのための高速方法 | |
| US11120180B2 (en) | Methods and systems for conducting a time-marching numerical simulation of a deep drawing metal forming process for manufacturing a product or part | |
| CN116186468A (zh) | 假人姿态设置方法、电子设备和存储介质 | |
| CN108629802B (zh) | 用于人体模拟试验装置的方法和系统 | |
| CN114386176A (zh) | 车辆通过减速带的验证方法、装置、设备和介质 | |
| CN117725705B (zh) | 一种肋骨形状的优化方法、装置、设备及存储介质 | |
| Luque et al. | Simulation of hip joint location for occupant packaging design |
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 |