(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211127481.3 (22)申请日 2022.09.16 (71)申请人 同济大学 地址 200000 上海市杨 浦区四平路1239号 (72)发明人 张氢　闵冠宇　葛韵斐　孙远韬　 (74)专利代理 机构 上海伯瑞杰知识产权代理有 限公司 312 27 专利代理师 孟旭彤 (51)Int.Cl. G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 30/20(2020.01) G06F 17/16(2006.01) A61B 17/66(2006.01) (54)发明名称 基于神经网络的六轴外固定器计算机辅助 矫形优化方法 (57)摘要 本发明涉及一种基于神经网络的六轴外固 定器计算机辅助矫形优化方法， 该方法包括： 基 于坐标参数和长度参数， 对六轴外固定器进行逆 运动学求解和正运动学求解， 得到六根螺杆的长 度参数和相对位姿。 确定参考骨段， 以参考骨段 的断端为参考点， 并根据畸形参数和安装参数构 造位姿变换和关系矩阵， 其中， 畸形参数和安装 参数由临床诊断测得。 确定安全矫形速度， 并对 畸形过程中参数的变化序列进行计算， 得到每组 畸形参数对应的位姿变换矩阵， 推导远端环和近 端环之间的空间位置关系。 通过优化运动学计算 方法， 计算六轴外固定器上伸缩螺杆的长度， 完 成调整方案。 该方法通过优化运动学算法， 使外 固定器和与其骨段的位姿变化轨迹得到优化 以 更接近理想轨迹。 权利要求书3页 说明书9页 附图5页 CN 115496182 A 2022.12.20 CN 115496182 A 1.一种基于神经网络的六轴外固定器计算机辅助矫形优化方法， 其特征在于， 所述六 轴外固定器由近端环、 远端环以及用于连接所述近端环、 远端环的六根螺杆组成， 其中， 所 述近端环用于固定断骨的近端骨段， 所述远端环用于固定所述断骨的远端骨段； 所述六轴外固定器 计算机辅助矫形优化方法， 包括以下步骤： 基于坐标参数和长度参数， 对所述六轴外固定器进行逆运动学求解和正运动学求解， 得到六根螺杆的长度参数和相对位姿； 确定参考骨段， 以所述参考骨段的断端为参考点， 并根据畸形参数和安装参数构造位 姿变换和关系矩阵， 其中， 所述畸形参数和安装参数由临床诊断测得； 确定安全矫形速度， 并对畸形过程中参数的变化序列进行计算， 得到每组畸形参数对 应的位姿变换矩阵， 推导所述远端环和近端环之间的空间位置关系； 通过所述优化运动学计算方法， 计算所述六轴外固定器上伸缩螺杆的长度， 完成调整 方案。 2.根据权利要求1所述的基于神经网络的六轴外固定器计算机辅助矫形优化方法， 其 特征在于， 所述基于坐标参数和长度参数， 对所述六轴外固定器进行逆运动学求解和正运 动学求解， 包括： 以所述近端环和远端环的几何中心为原点， 设计近端环坐标系Sp和远端环坐标系Sd， 假 设所述近端环坐标系为 参考坐标系， 获取坐标参数P(xd， yd， zd， αd， βd， γd)； 基于所述近端环坐标系Sp， 在所述远端环坐标系Sd中建立第一向量关系， 实现空间向量 位姿的旋转变换， 所述第一向量关系的表达式为： 基于所述第一向量关系， 推导出所述螺杆连接铰点的第二向量关系， 将所述远端环坐 标系Sd中的第一向量转化为所述近端环坐标系Sp中的第二向量， 所述第二向量关系的表达 式为： 结合所述Sp中近端环连接铰点上的第三向量， 与所述第二向量相减取绝对值， 得到第一 长度， 所述第一长度的表达式为： 式中， 表示Sd中远端环上伸缩螺杆连接铰点的第 一向量， 表示Sp中远端环上 伸缩螺杆连接铰点的第二向量， 表示Sp中近端环上连接铰点的第三向量， T为旋转变换 矩阵， R和t分别为矩阵中的转动和移动分量， i 为螺杆编号。 3.根据权利要求2所述的基于神经网络的六轴外固定器计算机辅助矫形优化方法， 其 特征在于， 所述基于坐标参数和长度参数， 对所述六轴外固定器进行逆运动学求解和正运 动学求解， 还包括： 基于所述螺杆的第 一初始长度和所述近端环上第 二向量和第 三向量的关系， 建立第 一 多元非线性方程， 所述第一多元非线性方程的表达式为： 基于所述远端环的实际位姿变化轨迹与理论轨迹的偏差关系， 建立子节点位姿变化轨权　利　要　求　书 1/3 页 2 CN 115496182 A 2迹与理想位姿变化轨迹之间的累计偏差量 目标函数， 并以所述 目标函数作为评价依据， 所 述目标函数的表达式为： 式中， ΔT表示位置变化轨迹的累积偏差量， ΔR表示姿态变化轨迹的累积偏差量， li(T) 表示子节点位置变化轨迹中每一个子节点到理论位置变化轨迹的距离， lj(R)则表示子节 点姿态变化轨迹中每一个子节点到理论姿态变化轨迹的距离， l0(T)和l0(R)分别表示两节 点间理论 位置和姿态轨 迹的直线长度。 4.根据权利要求3所述的基于神经网络的六轴外固定器计算机辅助矫形优化方法， 其 特征在于， 所述基于坐标参数和长度参数， 对所述六轴外固定器进行逆运动学求解和正运 动学求解， 还包括： 结合所述目标函数， 建立多层感知器深度神经网络， 求解所述第一多元非线性方程， 得 到所述螺杆的中间节点长度， 所述多层感知神经网络， 由多层神经元组成， 包括输入层、 输 出层和隐蔽层， 其表达式为： 式中， n为该层输入数量， m为该层 所含神经元数量， 输入、 输出层均 为6， 隐藏层均 为20， ωij和bj分别为层间连接权值和阈值， x和y分别为该层输入和输出， f为激活函数， 隐藏层的 激活函数均设置为ReLu函数， 而输出层的激活函数则设置为恒等 函数； 所述多层感知神经网络输入为所述初始长度， 输出为初始位姿计算结果， 损 失表达式 为： 式中， Ti＝(xi‑xi′)2+(yi‑yi′)2+(zi‑zi′)2， Ri＝( αi‑αi′)2+( βi‑βi′)2+(γi‑γi′)2， s表示 利用小批量样本进行网络训练时的单次样本数， xi， yi， zi， αi， βi以及γi表示样本数据中的 理想位姿参数， xi′， yi′， zi′， αi′， βi以及γi′表示网络 输出的计算 位姿参数； 所述绝对值求差比较表达式为： |ΔLi|＝|Lin‑Lcal|＜ δ(i＝1～6)。 5.根据权利要求4所述的基于神经网络的六轴外固定器计算机辅助矫形优化方法， 其 特征在于， 所述基于坐标参数和长度参数， 对所述六轴外固定器进行逆运动学求解和正运 动学求解， 还包括： 基于初始位姿计算结果， 再次进行逆运动学求 解， 得到螺杆的中间节点长度； 基于所述中间节点长度， 与所述初始长度做绝对值求差比较， 得到误差长度， 若所述误 差长度小于第一阈值， 则将初始位姿计算结果作为理想位姿计算结果进行输出， 若所述误 差长度大于所述第一阈值， 则进行误差补偿， 所述 误差补偿的表达式为： Lin＝Lin+ΔLi； 式中， ΔLi(i＝1～6)为 误差长度， Lin为初始长度， Lcal为中间节点长度， δ 为第一阈值。 6.根据权利要求1所述的基于神经网络的六轴外固定器计算机辅助矫形优化方法， 其 特征在于， 所述畸形参数表示为D(Dx， Dy， Dz， Drx， Dry， Drz)， 所述安装参数表示为M(Mx， My， Mz， Mrx， Mry， Mrz)， 用于描述差异性的足踝畸形病例以及所述六轴外固定器中近端环在患者肢体权　利　要　求　书 2/3 页 3 CN 115496182 A 3