关键词:
截骨术
骨刀
变形预测
神经网络
有限元分析
摘要:
目的建立一种用于髋臼周围截骨(periacetabular osteotomy,PAO)手术的骨刀变形预测模型,快速且精准地预测骨刀变形。方法建立包含皮质骨和松质骨的骨盆-骨刀有限元数值模型,分析节点应变与形变之间的相关性,并优选综合相关性最强的5个节点的应变作为输入,选择刀刃部分节点的位移增量作为输出。通过数据集训练模型后,采用基于有限元数据集的深度学习神经网络回归模型,建立骨刀应变-形变预测模型。在模型预测完成后,利用双目视觉定位系统确定截骨手术过程中骨刀的空间精确位置,以此对骨刀进行术中跟踪。结果预测模型的R^(2)为0.98781,骨刀离散成节点后的平均变形误差为0.07 mm。该预测模型能够快速且精确地获取骨刀变形,在降低PAO手术事故方面显示出巨大的潜力。结论建立的骨刀变形预测模型可通过骨刀的应变信息快速预测骨刀的变形,从而避免伤及组织周围神经和血管等组织,降低PAO术中难度和风险,并为临床应用提供理论支撑。