【技术实现步骤摘要】
一种基于耳甲腔预测模型的OTC助听器定制外壳设计方法
[0001]本专利技术属于助听器外壳设计
,尤其涉及一种基于耳甲腔预测模型的
OTC
助听器定制外壳设计方法
。
技术介绍
[0002]听觉障碍疾病会严重影响患者的社交行为
、
生活质量,从而诱发患者的心理疾病
。
关注弱势人群生理和心理健康发展是我国当前面临的一个重大社会现实问题
。
目前针对听觉障碍疾病首要的干预手段是佩戴助听器,其中,
OTC
助听器是一种被允许在商店或网上直接销售给消费者,无需听力测试或听力学家的验配的助听器,近两年,随着声场均与系统
、
声电联合刺激
、
远程调试等助听技术的发展,
OTC
助听器的听力补偿需已不亚于现有专业助听器
。
但是由于个体外耳曲面形态的差异性,传统批量生产模式下仅设计生产一款通用造型的
OTC
助听产品,无法满足绝大多数用户使用舒适性的需求,匹配不良的外壳形态会导致用户佩戴与助听舒适性降低,从而影响
OTC
助听器的接受度和普及率,定制化
OTC
助听器外壳的社会需求正在逐步扩大
。
[0003]从外形结构的角度可将助听器的类型划分为耳背式
、
耳内式
、
耳道式及深耳道式,其中耳道式与深耳道式助听器由于体积小
、
隐藏性好,是目前市场较为主流的助 ...
【技术保护点】
【技术特征摘要】
1.
一种基于耳甲腔预测模型的
OTC
助听器定制外壳设计方法,其特征在于,包括如下步骤:步骤一,采集被试的耳甲腔三维形态,得到被试的耳甲腔采集模型;步骤二,在逆向工程软件中完成对耳甲腔采集模型预处理修正,得到
3D
耳甲腔网格模型;步骤三,提取决定耳甲腔形状尺寸的关键特征点,并依据关键特征点计算关键特征尺寸;步骤四,基于非刚性迭代最近点算法对所有的耳甲腔模型作点云配准,将所有耳甲腔形状均重建成由相同数量和性质的点构成的模型;步骤五,基于广义普鲁克分析算法对所有的耳甲腔重建模型作刚性配准,将所有耳甲腔模型处于统一坐标系下;步骤六,基于主成分分析算法对步骤五中配准和对齐后的模型进行降维分析,以构建耳甲腔统计形状模型;步骤七,以主成分分权向量为因变量,耳甲腔关键特征尺寸为自变量对耳甲腔统计形状模型进行回归分析,以构建参数化耳甲腔预测模型;步骤八,基于用户外耳二维图像获取耳甲腔实际关键特征尺寸作为自变量,以预测出与用户个体特征相匹配的耳甲腔三维模型;步骤九,以步骤八中获得耳甲腔三维模型为基础进行
OTC
助听器外壳形态设计
。2.
根据权利要求1所述的基于耳甲腔预测模型的
OTC
助听器定制外壳设计方法,其特征在于,所述步骤三中,所述关键特征点包括耳前切迹点
、
耳屏最凸点
、
屏间切迹点
、
对耳屏最凸点和耳甲腔最后点
。3.
根据权利要求2所述的基于耳甲腔预测模型的
OTC
助听器定制外壳设计方法,其特征在于,所述关键特征尺寸包括耳前切迹点到屏间切迹点的直线距离,耳前切迹点到耳屏最凸点的直线距离,耳屏最凸点到屏间切迹点的直线距离,耳屏最凸点到屏间切迹点的直线距离,屏间切迹点到耳甲腔最后点的直线距离,屏间切迹点到对耳屏最凸点的直线距离,对耳屏最凸点到耳甲腔最后点的直线距离
。4.
根据权利要求3所述的基于耳甲腔预测模型的
OTC
助听器定制外壳设计方法,其特征在于,所述步骤四中,将所有耳甲腔形状均重建成由相同数量和性质的点构成的模型的具体流程是:流程1,在所有模型中选择质量较高的样本
S
作为配准模板,对样本
S
及所有参与配准的目标样本均进行切割处理;流程2,将样本模型简化为由
n
个点云构成的网格面;流程3,利用非刚性迭代最近点算法对模板耳甲腔三维模型和目标耳甲腔三维模型进行配准,得到可比较分析的重建耳甲腔模型;流程4,对所有配准前后的耳甲腔模型进行误差分析,以确保配准后的模型保留了原始数据的特征信息
。5.
根据权利要求4所述的基于耳甲腔预测模型的
OTC
助听器定制外壳设计方法,其特征在于,所述步骤四的流程3中非刚性迭代最近点算法由数据误差函数
、
平滑项误差函数和特征点配准误差函数组成,所述非刚性迭代最近点算法通过对模板耳甲腔上每个顶点
v
i
进行
不同的仿射变换
。6.
根据权利要求5所述的基于耳甲腔预测模型的
OTC
助听器定制外壳设计方法,其特征在于,所述仿射变换的公式解析为如下式1:所述步骤四的流程3中耳甲腔三维模型配准过程为:
S1
,模板耳甲腔为
S
,耳甲腔模板发生形变为
S
′
,为源点云中每个顶点寻找到其在目标点云中最近点作为对应点;假设
S
=
(V,E)
,其中
V
为顶点,顶点数为
n
,
E
为和顶点相连的边;每个顶点的变换矩阵
X
i
大小是3×4,所有顶点的变换矩阵可表示为
X
=
[X1,X2,
···
,X
n
]
T
,大小为3×
4n
;通过数据误差函数实现模板顶点中找到最近的点,然后计算距离,乘上对应的权重,最后求和,求和函数解析为如下式2:其中,
v
i
被定义为模板中第
i
个顶点,
W
i
为权重,
T
为扫描的耳甲腔模型的顶点集合,
Distance
为模板顶点
v
i
到
T
中最近的顶点的距离,
D
i
为模板顶点到目标点集中最近的点;
S2
,通过平滑项误差函数使变换后的模板耳甲腔模型网格尽量平滑,平滑项误差函数解析为如下式3:其中,
G
=
diag(1,1,1,
γ
)
,
γ
为用来权衡旋转和平移的系数;
S3
,通过特征点配准误差函数最小化特征点之间的总体误差值,特征点配准误差函数解析为如下式4:其中,
l
为扫描耳甲腔数据
T
的对应模板的最近点,被定义为
L
=
(v
i1
,l
i
),
…
,(v
il
,l
l
)
;
S4
,损失函数优化解析为如下式5:
E
=
E
d
(X)+
α
E
s
(X)+
β
...
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。