基于智能化融合器的数据处理系统及方法技术方案

本发明专利技术涉及融合器的数据处理领域，具体涉及一种基于智能化融合器的数据处理系统及方法，方案包括：外部移动终端通过接收的应力数据对神经网络进行训练，并预测融合器植入部位的第一恢复情况，同时人为判定融合器植入部位的第一恢复情况，通过预测的第一恢复情况和人为判定的第一恢复情况得到目标函数；再使用不同时期融合器植入部位不同动作对应的应力数据对目标函数以及神经网络进行优化，并预测融合器植入部位的第二恢复情况，同时人为判定融合器植入部位的第二恢复情况，并将预测的第二恢复情况与人为判定的第二恢复情况进行对比，对比结果作为判定融合器植入部位恢复情况的参考因子。本发明专利技术适用于融合器植入的愈合分析。析。析。

【技术实现步骤摘要】
基于智能化融合器的数据处理系统及方法


[0001]本专利技术涉及融合器的数据处理领域，具体涉及一种基于智能化融合器的数据处理系统及方法。

技术介绍

[0002]颈前路减压植骨融合术(Anterior Cervical Decompression and Fusion,ACDF)是目前治疗颈椎病最常用的手术方式，被认为是治疗退行性颈椎病的“金标准”，其椎间融合情况与手术效果密切相关。
[0003]随着钩椎关节融合的相关研究不断深入，研究团队发现应力对融合进程与效果发挥了重要作用，对应力的监测有助于了解椎间融合的状态。申请者发现现有技术存在以下问题：(1)目前的有限元仿真受方法本身的限制无法实现在体研究。因此，缺乏直接的应力监测证据和研究数据，无法明确指导临床医师对手术的改进和对治疗效果的提高；(2)患者在手术过程及随访过程中，会接受多次影像学检查以保证假体姿态满意和检测术后融合效果。而过多而重复的影像学放射检查已被证明会影响患者的身体健康，也浪费了社会医疗资源；(3)患者出院后由于缺乏个性化的康复指导和训练，导致康复速度减慢，并且由于健康教育缺失和不良的生活习惯，颈椎常存在不良姿态却缺少预警；(4)现有融合器无法提供使用过程中的监测数据，使椎间融合器迭代升级缓慢。因此，包括融合器在内的颈椎椎间融合器依然存在提高空间，亟待进一步研究升级。

技术实现思路

[0004]本专利技术的目的是提供一种基于智能化融合器的数据处理系统及方法，能够精确监测融合器植入部位的应力分布，实时监测融合器植入部位的恢复情况，为融合器植入部位恢复情况的判定提高参考依据。
[0005]本专利技术采取如下技术方案实现上述目的，基于智能化融合器的数据处理系统，包括融合器本体，所述融合器内置姿态识别模块，融合器表面设置有应力传感器；
[0006]所述姿态识别模块用于识别融合器植入部位的活动姿态，并将识别出的姿态数据信息发送给外部移动终端；
[0007]所述应力传感器用于采集融合器植入部位的应力数据，并将应力数据发送给外部移动终端；
[0008]所述外部移动终端通过接收的应力数据对神经网络进行训练，并通过训练后的神经网络预测融合器植入部位的第一恢复情况，同时人为判定融合器植入部位的第一恢复情况，并通过预测的第一恢复情况和人为判定的第一恢复情况得到目标函数；
[0009]再使用不同时期融合器植入部位不同动作对应的应力数据对目标函数以及神经网络进行优化，根据优化后的目标函数预测融合器植入部位的第二恢复情况，同时人为判定融合器植入部位的第二恢复情况，并将预测的第二恢复情况与人为判定的第二恢复情况进行对比，对比结果作为判定融合器植入部位恢复情况的参考因子。
[0010]进一步的是，系统还包括位移传感器，所述位移传感器用于采集融合器在植入部位的活动位移数据。位移传感器与应力传感器协同作用也可以判断患者植入部位的不同姿势。
[0011]进一步的是，系统还包括信号传输模块，所述信号传输模块用于接收各传感器与各模块的数据，并发送给外部移动终端。
[0012]进一步的是，系统还包括电源模块，所述电源模块用于为系统中各传感器以及各模块提供电源。
[0013]进一步的是，所述神经网络包括输入层、隐藏层以及输出层，第一层隐藏层的计算如下：其中，表示第k个数据x
k
对于第一层第i个量的预测值的权重，表示的偏置。
[0014]进一步的是，隐藏层中还包括如下计算：进一步的是，隐藏层中还包括如下计算：p表示隐藏层的数量，表示使用ReLU激活函数对第j层的第k个量进行处理，表示对于第j+1层的第i个量的权重，表示的偏置。
[0015]进一步的是，最后一层隐藏层的计算如下：
[0016]基于智能化融合器的数据处理方法，应用于上述所述的基于智能化融合器的数据处理系统，包括：
[0017]步骤1、通过姿态识别模块识别融合器植入部位的活动姿态，并将识别出的姿态数据信息发送给外部移动终端；
[0018]步骤2、通过应力传感器采集融合器植入部位的应力数据，并将应力数据发送给外部移动终端；
[0019]步骤3、外部移动终端通过接收的应力数据对神经网络进行训练，并通过训练后的神经网络预测融合器植入部位的第一恢复情况，同时人为判定融合器植入部位的第一恢复情况，并通过预测的第一恢复情况和人为判定的第一恢复情况得到目标函数；
[0020]再使用不同时期融合器植入部位不同动作对应的应力数据对目标函数以及神经网络进行优化，根据优化后的目标函数预测融合器植入部位的第二恢复情况，同时人为判定融合器植入部位的第二恢复情况，并将预测的第二恢复情况与人为判定的第二恢复情况进行对比，对比结果作为判定融合器植入部位恢复情况的参考因子。
[0021]进一步的是，方法还包括步骤4、外部移动终端将接收的应力数据和活动姿态数据与融合器进行融合处理，得到应力
‑
姿态云图，通过应力
‑
姿态云图对融合器植入部位的恢复情况进行判定。
[0022]进一步的是，步骤3中，对于不同时期不同动作对应的应力数据，采集后以阵列的形式存储，存储为n
×
m的阵列，n、m均为大于0的整数，通过阵列中的每一列数据对神经网络
以及目标函数进行优化。
[0023]本专利技术在融合器表面设置应力传感器，在融合器内部内置姿态识别模块，通过姿态识别模块识别融合器植入部位的活动姿态，并将识别出的姿态数据信息发送给外部移动终端，通过应力传感器采集融合器植入部位的应力数据，并将应力数据发送给外部移动终端，外部移动终端通过接收的应力数据对神经网络进行训练，并通过训练后的神经网络预测融合器植入部位的第一恢复情况，同时人为判定融合器植入部位的第一恢复情况，并通过预测的第一恢复情况和人为判定的第一恢复情况得到目标函数，再使用不同时期融合器植入部位不同动作对应的应力数据对目标函数以及神经网络进行优化，根据优化后的目标函数预测融合器植入部位的第二恢复情况，同时人为判定融合器植入部位的第二恢复情况，并将预测的第二恢复情况与人为判定的第二恢复情况进行对比，对比结果作为判定融合器植入部位恢复情况的参考因子。实现了精确监测融合器植入部位的应力分布，实时监测融合器植入部位的恢复情况，并且通过不同时期不同动作的应力数据对神经网络的不断优化，能够进一步提高对比结果的准确度，为判定融合器植入部位恢复情况提供更准确的参考。
附图说明
[0024]图1是本专利技术实施例提供的一种神经网络结构示意图。
[0025]图2是本专利技术实施例提供的一种手术融合器植入物示意图。
[0026]图3是本专利技术实施例提供的一种方法流程图。
[0027]附图中，1为输入层，2为隐藏层，3为输出层，4为融合器，5为螺钉，6为脊柱。
具体实施方式
[0028]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于智能化融合器的数据处理系统，包括融合器本体，其特征在于，所述融合器内置姿态识别模块，融合器表面设置有应力传感器；所述姿态识别模块用于识别融合器植入部位的活动姿态，并将识别出的活动姿态数据信息发送给外部移动终端；所述应力传感器用于采集融合器植入部位的应力数据，并将应力数据发送给外部移动终端；所述外部移动终端通过接收的应力数据对神经网络进行训练，并通过训练后的神经网络预测融合器植入部位的第一恢复情况，同时人为判定融合器植入部位的第一恢复情况，并通过预测的第一恢复情况和人为判定的第一恢复情况得到目标函数；再使用不同时期融合器植入部位不同动作对应的应力数据对目标函数以及神经网络进行优化，根据优化后的目标函数预测融合器植入部位的第二恢复情况，同时人为判定融合器植入部位的第二恢复情况，并将预测的第二恢复情况与人为判定的第二恢复情况进行对比，对比结果作为判定融合器植入部位恢复情况的参考因子。2.根据权利要求1所述的基于智能化融合器的数据处理系统，其特征在于，还包括位移传感器，所述位移传感器用于采集融合器在植入部位的活动位移数据。3.根据权利要求1所述的基于智能化融合器的数据处理系统，其特征在于，还包括信号传输模块，所述信号传输模块用于接收各传感器与各模块的数据，并发送给外部移动终端。4.根据权利要求1所述的基于智能化融合器的数据处理系统，其特征在于，还包括电源模块，所述电源模块用于为系统中各传感器以及各模块提供电源。5.根据权利要求1所述的基于智能化融合器的数据处理系统，其特征在于，所述神经网络包括输入层、隐藏层以及输出层，第一层隐藏层的计算如下：n，其中，表示第k个数据x
k
对于第一层第i个量的预测值的权重，表示的偏置。6.根据权利要求1所述的基于智能化融合器的数据处理系统，其特征在于，隐藏层中还包括如下计算：p表示隐藏层的数量，表示使用...

【专利技术属性】
技术研发人员：汪俊，田鹏，李铭，吴晓东，
申请(专利权)人：成都泽康智骨科技有限公司，
类型：发明
国别省市：