用于在整形外科手术期间监测撞击和预测撞击状态的技术包括生成传感器数据的一个或多个撞击传感器。外科手术包括对诸如外科器械或假体部件等整形外科器具的撞击。撞击分析仪利用机器学习模型基于传感器数据来生成撞击状态预测。撞击状态预测可以包括未安置状态、安置状态和骨折状态。撞击状态用户界面输出撞击状态预测。模型训练器可以利用标记的传感器数据训练机器学习模型。数据训练机器学习模型。数据训练机器学习模型。
【技术实现步骤摘要】
【国外来华专利技术】用于在整形外科手术期间监测和预测整形外科器具的撞击状态的技术
[0001]本公开整体涉及整形外科工具和系统，并且更具体地，涉及用于在相关联的整形外科手术期间监测和预测整形外科器具的撞击状态的技术。
技术介绍
[0002]关节成形术是一种熟知的外科手术，通过该关节成形术来用假体关节置换患病的和/或损坏的自然关节，假体关节可以包括一个或多个整形外科植入物。例如，在髋关节成形术外科手术中，患者的自然髋关节球窝接合部由假体髋关节接合部部分地或完全地替换。典型的假体髋关节接合部包括髋臼杯部件和股骨头部件。髋臼杯部件通常包括外部壳体和内承载件或内衬里，该外部壳体被配置成接合患者的髋臼，该内承载件或内衬里耦接到该壳体并且被配置成接合股骨头。股骨头部件和髋臼部件的内衬里形成接近自然髋关节接合部的球窝接合部。相似地，在膝关节成形术中，将患者的自然膝关节部分地或全部置换为假体膝关节。
[0003]为了有利于用假体关节来置换自然关节，整形外科医生可以使用多种整形外科器械，诸如例如扩孔钻、钻孔器、钻孔引导件、钻、定位件、插入工具和/或其他外科器械。例如，外科医生可以通过将股骨钻孔器撞击到患者的外科准备的股骨中，直到钻孔器充分撞击或安置到患者周围的骨解剖结构中来准备患者的股骨以接收股骨部件。
[0004]一种类型的可用于替换患者关节的整形外科植入物被称为非骨水泥整形外科植入物。通过将植入物撞击到患者的对应骨中，将非骨水泥植入物植入到患者的骨解剖结构中。例如，非骨水泥髋臼假体通常包括髋臼杯外壳，其被配置成植入患者的髋臼中。为此，整形外科医生将外部壳体撞击到患者的髋臼中，直到外部壳体充分安置到患者周围的骨解剖结构中。类似地，在其他关节成形术外科手术(如膝关节成形术外科手术)中，整形外科医生努力使对应的整形外科植入物正确安置。
[0005]通常，整形外科医生在外科手术期间依靠经验以及触觉和听觉反馈，来确定外科器械和/或整形植入物何时被充分撞击或安置到患者的骨解剖结构中。例如，外科医生可以依靠通过撞击器或插入器工具感觉到的触觉感觉，同时外科医生用整形外科锤来锤击外科工具，以将植入物或器械撞击到患者的骨解剖结构中。然而，仅依靠此类环境反馈可能导致整形外科器械或植入物进入患者的骨的撞击不足或过度撞击。过度撞击可能导致患者的对应骨的骨折，而撞击不足可能导致整形外科植入物的早期松动。
技术实现思路
[0006]根据一个方面，用于在整形外科手术期间预测撞击状态的系统包括用于生成指示整形外科器具相对于患者的骨的撞击状态的传感器数据的一个或多个撞击传感器；用于在整形外科手术期间从撞击传感器收集传感器数据的撞击数据收集器；用于利用机器学习模型基于传感器数据来生成撞击状态预测的撞击分析仪，其中撞击状态预测包括未安置状
态、安置状态或骨折状态；以及用于输出撞击状态预测的撞击状态用户界面。在一个实施方案中，整形外科器具包括股骨钻孔器或假体部件。
[0007]在一个实施方案中，系统还包括外科器械撞击柄。该一个或多个撞击传感器包括耦接到撞击柄的振动传感器、耦接到撞击柄的惯性测量单元和外部麦克风。
[0008]在一个实施方案中，利用机器学习模型基于传感器数据来生成撞击状态预测包括：预处理传感器数据以生成经处理的传感器数据，并且将经处理的传感器数据输入到机器学习模型。在一个实施方案中，预处理传感器数据包括：将感器数据转换为频域以生成频域传感器数据，并且降低该频域传感器数据的维度以生成经处理的传感器数据。
[0009]在一个实施方案中，利用机器学习模型基于传感器数据来生成撞击状态预测包括：将传感器数据输入到循环神经网络以生成异常预测数据，并且将异常预测数据输入到分类器以生成撞击状态预测。在一个实施方案中，循环神经网络包括长短期记忆网络，并且分类器包括随机森林预测模型。
[0010]在一个实施方案中，该系统还包括计算装置，该计算装置包括一个或多个撞击传感器、撞击数据收集器、撞击分析仪和撞击状态用户界面。一个或多个撞击传感器包括计算装置的麦克风，并且撞击状态用户界面包括计算装置的显示屏。
[0011]根据另一方面，一种或多种非暂态机器可读介质包括多个指令，该多个指令响应于执行，致使一个或多个处理器在整形外科手术期间从撞击传感器收集传感器数据，其中该传感器数据指示整形外科器具相对于患者的骨的撞击状态；利用机器学习模型基于传感器数据来生成撞击状态预测，其中该撞击状态预测包括未安置状态、安置状态或骨折状态；以及输出该撞击状态预测。
[0012]在一个实施方案中，从撞击传感器收集传感器数据包括从耦接到外科器械的振动传感器收集振动数据；从耦接到外科器械的惯性测量单元收集运动数据；以及从外部麦克风收集音频数据。
[0013]在一个实施方案中，利用机器学习模型基于传感器数据来生成撞击状态预测包括：预处理传感器数据以生成经处理的传感器数据；以及将经处理的传感器数据输入到机器学习模型。
[0014]在一个实施方案中，利用机器学习模型基于传感器数据来生成撞击状态预测包括：将传感器数据输入到循环神经网络以生成异常预测数据；以及将异常预测数据输入到分类器以生成撞击状态预测。在一个实施方案中，循环神经网络包括长短期记忆网络，并且分类器包括随机森林预测模型。
[0015]根据另一个方面，一种或多种非暂态机器可读介质包括多个指令，该多个指令响应于执行，致使一个或多个处理器从撞击传感器收集传感器数据，其中传感器数据指示整形外科器具相对于骨或骨模拟物的撞击状态；用撞击状态标签标记传感器数据以生成标记的传感器数据，其中撞击状态标签包括未安置状态、安置状态或骨折状态；以及基于标记的传感器数据训练机器学习模型以预测输入传感器数据的撞击状态。
[0016]在一个实施方案中，基于标记的传感器数据训练机器学习模型包括：预处理标记的传感器数据以生成经处理的传感器数据；以及基于经处理的传感器数据训练机器学习模型。在一个实施方案中，预处理标记的传感器数据包括将标记的传感器数据转换为频域以生成频域传感器数据；以及降低频域传感器数据的维度以生成经处理的传感器数据。在一
个实施方案中，降低频域传感器数据的维度包括执行频域传感器数据的主成分分析。
[0017]在一个实施方案中，基于标记的传感器数据训练机器学习模型以预测输入传感器数据的撞击状态包括：利用标记的传感器数据训练循环神经网络以识别标记的传感器数据中的异常；以及利用标记的传感器数据中的异常训练分类器以预测撞击状态。在一个实施方案中，循环神经网络包括长短期记忆网络。在一个实施方案中，分类器包括随机森林预测模型。
附图说明
[0018]本文所述的概念以举例的方式而非限制的方式在附图中示出。为了说明的简化和清晰，图中所示的元件未必按比例绘制。在被认为适当的情况下，图之中已重复参考标签以指示对应的或类似的元件。具体实施方式具体是指附图，其中：
[0019]图1是用于在整形外科手术期间监测和预测整形外科器具在使用中的撞击状态的系统的示意图；
[0020]图本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种用于在整形外科手术期间预测撞击状态的系统，所述系统包括：用于生成指示整形外科器具相对于患者的骨的撞击状态的传感器数据的一个或多个撞击传感器；用于在所述整形外科手术期间从所述撞击传感器收集所述传感器数据的撞击数据收集器；用于利用机器学习模型基于所述传感器数据来生成撞击状态预测的撞击分析仪，其中所述撞击状态预测包括未安置状态、安置状态或骨折状态；以及用于输出所述撞击状态预测的撞击状态用户界面。2.根据权利要求1所述的系统，其中，所述整形外科器具包括股骨钻孔器或假体部件。3.根据权利要求1所述的系统，还包括外科器械撞击柄，其中所述一个或多个撞击传感器包括：(i)耦接到所述撞击柄的振动传感器，(ii)耦接到所述撞击柄的惯性测量单元，以及(iii)外部麦克风。4. 根据权利要求1所述的系统，其中，利用所述机器学习模型基于所述传感器数据来生成所述撞击状态预测包括：预处理所述传感器数据以生成经处理的传感器数据；以及将所述经处理的传感器数据输入到所述机器学习模型。5. 根据权利要求4所述的系统，其中，预处理所述传感器数据包括：将所述传感器数据转换为频域以生成频域传感器数据；以及降低所述频域传感器数据的维度以生成所述经处理的传感器数据。6. 根据权利要求1所述的系统，其中，利用所述机器学习模型基于所述传感器数据来生成所述撞击状态预测包括：将所述传感器数据输入到循环神经网络以生成异常预测数据；以及将所述异常预测数据输入到分类器以生成所述撞击状态预测。7. 根据权利要求6所述的系统，其中：所述循环神经网络包括长短期记忆网络；并且所述分类器包括随机森林预测模型。8. 根据权利要求1所述的系统，还包括计算装置，所述计算装置包括所述一个或多个撞击传感器、所述撞击数据收集器、所述撞击分析仪和所述撞击状态用户界面，其中：所述一个或多个撞击传感器包括所述计算装置的麦克风；并且所述撞击状态用户界面包括所述计算装置的显示屏。9.一种或多种非暂态机器可读介质，包括多个指令，所述多个指令响应于执行，致使一个或多个处理器：在整形外科手术期间从撞击传感器收集传感器数据，其中所述传感器数据指示整形外科器具相对于患者的骨的撞击状态；利用机器学习模型基于所述传感器数据来生成撞击状态预测，其中所述撞击状态预测包括未安置状态、安置状态或骨折状态；以及输出所述撞击状态预测。10.根据权利要求9所述的一种或多种非暂态机器可读介质，其中，从所述撞击传感器收集所述传感器数据包括：
从耦接到外科器械的振动传感器收集振动数据...
【专利技术属性】
技术研发人员：C，
申请(专利权)人：德普伊新特斯产品公司，
类型：发明
国别省市：
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。