【技术实现步骤摘要】
基于有限元和机器学习的脊柱近端交界角的手术优化方法
本专利技术涉及医学图像处理
，尤其涉及基于有限元和机器学习的脊柱近端交界角的手术优化方法。
技术介绍
随着新设备设计的出现，用于治疗脊柱畸形的脊柱内固定装置不断发展，为外科手术提供了许多可供选择的矫形方法。这些改变引领了许多手术方案的革新，包括近端和远端融合节段的选择，种植物类型例及内固定装置材料的选择。在最新公布的专利中大多都是针对手术器械的改进，例如中国专利CN110916732A一种用于脊柱手术拉钩的保护套，CN110338897A一种骨科脊柱侧弯手术用可调弯折板。但在脊柱矫形这类复杂手术过程中每个组成部分的生物力学效应，以及这些变量如何通过生物力学效应而改变病人的预后情况，尚不完全清楚。在脊柱矫形领域，计算机辅助设计的最新进展迅速改变了骨科手术的面貌，随着有价值的模型应用，患者的临床结果得到了显著改善。对于后路脊柱融合术，通过植入物和连接杆纠正脊柱在3个维度上的异常曲度。在虚拟矫形手术中，脊柱近端交界角度(PJA)会重新和手术过程中的椎体去旋转匹配，每个PJA...
【技术保护点】
1.基于有限元和机器学习的脊柱近端交界角的手术优化方法，其特征在于，包括以下步骤：/n步骤s1：收集患者信息，所述信息包括患者的性别、年龄、体重、术前CT、术前的全脊柱X光以及术后的全脊柱X光；/n步骤s2：对所述术前CT进行图像分割；/n步骤s3：从患者术前的全脊柱X光以及术后的全脊柱X光上分别测量得到患者的PJA角度α；/n步骤s4：计算患者在直立情况下最上端固定椎体头端的椎间盘术前术后所受到的压力F；/n步骤s5：进行静力分析，得到由手术过程中患者PJA角度变化所产生的患者在直立状态下椎间盘上表面的应力分布改变数据；/n步骤s6：根据患者信息以及步骤s3中所得到的应力...
【技术特征摘要】
1.基于有限元和机器学习的脊柱近端交界角的手术优化方法，其特征在于，包括以下步骤：
步骤s1：收集患者信息，所述信息包括患者的性别、年龄、体重、术前CT、术前的全脊柱X光以及术后的全脊柱X光；
步骤s2：对所述术前CT进行图像分割；
步骤s3：从患者术前的全脊柱X光以及术后的全脊柱X光上分别测量得到患者的PJA角度α；
步骤s4：计算患者在直立情况下最上端固定椎体头端的椎间盘术前术后所受到的压力F；
步骤s5：进行静力分析，得到由手术过程中患者PJA角度变化所产生的患者在直立状态下椎间盘上表面的应力分布改变数据；
步骤s6：根据患者信息以及步骤s3中所得到的应力分布改变数据来建立机器学习模型g(·)；
步骤s7：训练所述机器学习模型g(·)；
步骤s8：通过最小化理想输出结果与机器学习模型g(·)所得到的预测结果之间的绝对差异，得出术后PJA的最优解
2.根据权利要求1所述的基于有限元和机器学习的脊柱近端交界角的手术优化方法，其特征在于：在步骤s2中，对术前CT进行图像分割是指将患者术前CT导入Mimics软件并对最上端固定椎体头端椎间盘的纤维环和髓核部分进行自动的分割。
3.根据权利要求1所述的基于有限元和机器学习的脊柱近端交界角的手术优化方法，其特征在于：在步骤s4中，所述压力F的计算方法包括以下步骤：
步骤s401：根据UIV的位置以及患者的体重计算出其对应的椎间盘所受到的重力G；
步骤s402：对重力G进行垂直于椎间盘上表面的力的分解，从而得到椎间盘受到的压力F。
4.根据权利要求3所述的基于有限元和机器学习的脊柱近端交界角的手术优化方法，其特征在于：在步骤s402中，压力F的计算式为：
F＝G*cos(α)。
5.根据权利要求1所述的基于有限元和机器学习的脊柱近端交界角的手术优化方法，其特征在于：在步骤s5中，所述静力分析包括以下步骤：
步骤s501：对纤维环和髓核进行网格的划分，选择0.3mm的三角形网格；
步骤s502：分别为纤维环和髓核赋予不同的材料特征，其弹性模量分别为3.0MPa和1.0MPa,其泊松比分别为0.45和0.3；
步骤s503：限制椎间盘底面的在xyz方向上的平移和旋转自由度，再对椎间盘表...
【专利技术属性】
技术研发人员：彭丽，张广铭，周小波，
申请(专利权)人：四川大学华西医院，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。