一种基于人工智能的骨科牵引辅助方法及系统与流程

本发明涉及骨科牵引，具体涉及一种基于人工智能的骨科牵引辅助方法及系统。

背景技术：

1、骨科牵引是治疗骨折、脱位等疾病的重要手段之一，随着人工智能技术的发展，将其应用于骨科牵引领域可以有效提高牵引的准确性和治疗效果，为患者提供更优质的医疗服务。

2、现有技术如公开号为cn115634090a申请公开一种基于人工智能的骨科牵引辅助方法及系统，采集健康肢体的样本图像和恢复阶段各时刻患肢的样本图像数据，并根据患肢的样本图像数据，选择拉伸的方式，通过对患肢的样本图像数据的分析，对骨科牵引装置根据分析结果的方向移动，调节完毕后将骨科牵引装置固定，方便根据患肢体位调节骨科牵引装置合适的间距；将检测骨科牵引装置的压力数据并传递到数据处理器中，数据处理器根据设定的拉力数值，判断拉绳的拉力是否符合要求。

3、针对上述方案，本发明申请人发现上述技术至少存在如下技术问题：1、现有技术基于健康肢体的样本图像和患者患肢的样本图像来选择牵引装置，缺少患者过往病史是否适用各牵引装置的分析，并且没有判断牵引装置的价格是否在患者所能支付费用范围内，无法保障牵引装置符合患者的使用需求。

4、2、现有技术根据患者的患肢样本图像的分析结果，对牵引装置的安装进行调节，但在调节过程中缺少牵引装置底部压力分布的分析和牵引装置对周围组织影响的分析，无法保障牵引装置的安装位置符合安装要求。

5、3、现有技术在制定牵引方案时，只对牵引力度进行了分析，缺少牵引角度的分析和患者对牵引角度和牵引力度的耐受性的分析，无法保障牵引的有效性。

技术实现思路

1、针对上述存在的技术不足，本发明的目的在于提供一种基于人工智能的骨科牵引辅助方法及系统。

2、为解决上述技术问题，本发明采用如下技术方案：第一方面，本发明提供一种基于人工智能的骨科牵引辅助方法，包括如下步骤：步骤一、数据获取：使用医疗摄影设备获取患者骨折处的图像，并建立患者的三维骨骼模型。

3、步骤二、确定牵引装置：获取患者的骨折类型、过往病史、各牵引装置的各信息，分析各牵引装置可用性系数，并根据各牵引装置可用性数和各牵引装置所需费用，选取患者所使用的牵引装置。

4、步骤三、确定牵引装置的安装位置：规划牵引装置的安装区域，并将该安装区域按照预设的第一距离阈值，设置各安装点，获取骨折处的各运动发力点位置，分析各安装点对患者运动的影响指标，并选取各备用安装点，根据各备用安装点的肌腱分布和牵引装置在各备用安装点的底部压力分布，分析各备用安装点的安装系数，并进行对比，选取安装系数最高的备用安装点，将其所在位置作为牵引装置的安装位置。

5、步骤四、确定牵引方案：获取患者的年龄、体重、骨折位置和过往病史，并从数据库中获取各备用牵引方案，根据各备用牵引方案中的牵引力度和牵引角度，获取患者的最终牵引方案。

6、优选地，所述确定牵引装置，具体过程如下：从数据库中获取患者的骨折类型、过往病史和各牵引装置的各信息，并分析各牵引装置的可用性系数，若某一牵引装置的可用性系数为1，则代表该牵引装置符合患者的使用需求，若某一牵引装置的可用性系数为0，则代表还牵引装置不符合患者的使用需求，以此方法判断各牵引装置是否符合患者的使用需求，并获取符合患者使用需求的各牵引装置，其称为各备用牵引装置，从数据库中获取各备用牵引装置的所需费用，并与患者所能支付的费用范围进行对比，获取所需费用在患者所能支付的费用范围内的各备用牵引设置，并将其称为各使用牵引装置，将各使用牵引装置的所需费用进行对比，选取所需费用最低的使用牵引装置，将其作为患者所使用的牵引装置。

7、优选地，所述分析各牵引装置的可用性系数，具体过程如下：从数据库中获取患者的骨折类型、过往病史和各牵引装置的特性，并输入到骨折类型模型和过往病史模型中，输出各牵引装置的骨折类型符合值和过往病史符合值，则：，式中代表预设的系数阈值，代表第个牵引装置的可用性系数，代表各牵引装置的编号， =1,2,3,...,，代表牵引装置的总数，和均为正整数。

8、优选地，所述确定牵引装置的安装位置，具体过程如下：s11、获取患者的骨折位置、骨折类型和牵引装置，并从数据库中获取历史各患者的骨折位置、骨折类型和牵引装置，将历史各患者的骨折位置、骨折类型和牵引装置与该患者的骨折位置、骨折类型和牵引装置进行对比，若某一历史患者的骨折位置、骨折类型和牵引装置与该患者的骨折位置、骨折类型和牵引装置均相同，则获取历史该患者的牵引装置的安装位置，并将该安装位置称为历史安装位置，以此方法获取该牵引装置的各历史安装位置，并将各历史安装位置进行聚类，得到该牵引装置的安装区域。

9、s12、在安装区域内，按照预设的第一距离阈值，设置各安装点，并获取患者骨折处的各运动发力点位置，根据各运动发力点的位置和各安装点的位置，分析安装点对患者运动的影响指标，若某一安装点对患者运动的影响指标为1，则代表该安装点影响患者的运动，若某一安装点对患者运动的影响指标为0，则代表该安装点不影响患者的运动，以此方法判断各安装点是否影响患者运动，并将不影响患者运动的各安装点称为各备用安装点。

10、s13、在牵引装置底部，按照预设的第二距离阈值，设置各采集点，在各采集点安装压力传感器，在患者的三维骨骼模型上进行各备用安装点的模拟安装，并在模拟安装过程中采集牵引装置底部各采集点的压力，同时获取各备用安装点的周围各肌腱的位置，分析各备用安装点的安装系数，并进行对比，选取安装系数最高的备用安装点，将其所在位置作为牵引装置的安装位置。

11、优选地，所述分析安装点对患者运动的影响指标，具体过程如下：获取各运动发力点在患者的三维骨骼模型中的坐标和各安装点的坐标，计算各安装点与各发力点之间的距离，则依据分析公式：得到第个安装点对患者运动的影响指标，式中代表第个安装点与其周围第个发力点的距离，代表预设的第三距离阈值，代表各安装点的编号， =1,2,3,...,，代表安装点的总数，代表各发发力点的总数， =1,2,3,...,，代表发力点的总数，、、和均为正整数。

12、优选地，所述分析各备用安装点的安装系数，具体过程如下：s21、获取牵引装置底部各采集点在各备用安装点的压力和各备用安装点周围各肌腱的坐标，并计算各备用安装点与其周围各肌腱的距离。

13、s22、将牵引装置底部各采集点进行两两组合，得到各组合，并计算各组合中两个采集点压力之差，并将其差值作为各组合的差值，并进行归一化处理，依据分析公式：得到第个备用安装点的安装系数，式中代表牵引装置在第个备用安装点时第个组合的差值，代表第个备用安装点与其周围第个肌腱的距离，代表各备用安装点的编号， =1,2,3,...,，代表备用安装点的总数，代表各组合的编号， =1,2,3,...,，代表组合的总数，代表各肌腱的编号， =1,2,3,...,，代表肌腱的总数，、、、、和均为正整数。

14、优选地，所述获取患者的最终牵引方案，具体过程如下：s31、获取患者的年龄、体重、骨折位置、骨折类型和过往病史，并与历史各患者的年龄、体重、骨折位置、骨折类型和过往病史进行对比，分析历史各患者与该患者的身体状态返回值，若历史某一患者与该患者的身体状态返回值为1，则代表历史该患者与该患者的身体状态相似，若历史某一患者与该患者的身体状态返回值为0，则代表历史该患者与该患者的身体状态不同，获取身体状态返回值为1的历史各患者，并从数据库中获取其牵引方案，将获取身体状态返回值为1的历史各患者的牵引方案称为各备用牵引方案。

15、s32、获取各备用牵引方案中的牵引角度和牵引力度，并将其应用在患者的三维骨骼模型中，在患者的三维骨骼模型中模拟各备用方案时，实时监测各生命体征数据和各肌肉数据，分析患者对各备用牵引方案中牵引角度和牵引力度的耐受性系数，计算患者对各备用牵引方案中牵引角度和牵引力度的耐受性系数与最优耐受性系数的差值，并进行对比，选取差值最小的备用牵引方案作为该患者的最终牵引方案。

16、优选地，所述分析历史各患者与该患者的身体状态返回值，具体过程如下：将患者的骨折位置、骨折类型和过往病史与数据库中获取历史各患者的骨折位置、骨折类型和过往病史输入分析模型中，并输出历史各患者与该患者的病情返回值，则依据分析公式：得到历史第个患者与该患者的身体状态返回值，式中、分别代表该患者的年龄、体重，、分别代表历史第个患者的年龄、体重，代表历史第个患者与该患者的病情返回值，、分别代表预设的年龄差值阈值、预设的体重差值阈值，代表历史各患者的编号， =1,2,3,...,，代表历史患者的总数，和均为正整数。

17、优选地，所述分析患者对各备用牵引方案中牵引角度和牵引力度的耐受性系数，具体过程如下：获取在三维骨骼模型中模拟各备用牵引方案时，各牵引时刻的各生命体征数据和各肌肉数据，并输入到生命体征数据波动模型和肌肉数据波动模型中，输出在三维骨骼模型中模拟各备用方案时生命体征波动系数和肌肉波动系数，同时计算各生命体征数据的平均值和各肌肉数据的平均值，并进行归一化处理，依据分析公式：得到患者对第个备用牵引方案中牵引角度和牵引力度的耐受性系数，式中代表在三维骨骼模型中模拟第个备用方案时第个生命体征数据的平均值，代表在三维骨骼模型中模拟第个备用方案时第个肌肉数据的平均值，代表第个生命体征数据的标准值，代表第个肌肉数据的标准值，代表在三维骨骼模型中模拟第个备用方案时生命体征波动系数，代表在三维骨骼模型中模拟第个备用方案时肌肉波动系数，代表各备用方案的编号， =1,2,3,...,，代表备用方案的总数，代表各生命体征数据的编号， =1,2,3,...,，代表生命体征数据的总数，代表各肌肉数据的编号， =1,2,3,...,，代表肌肉数据的总数，、、、、和均为正整数。

18、第二方面，本发明提供了一种基于人工智能的骨科牵引辅助系统，包括如下模块：数据获取模块用于使用医疗摄影设备获取患者骨折处的图像，并建立患者的三维骨骼模型。

19、牵引装置确定模块用于获取患者的骨折类型、过往病史、各牵引装置的各信息，分析各牵引装置可用性系数，并根据各牵引装置可用性数和各牵引装置所需费用，选取患者所使用的牵引装置。

20、牵引装置安装位置确定模块用于规划牵引装置的安装区域，并将该安装区域按照预设的第一距离阈值，设置各安装点，获取骨折处的各运动发力点位置，分析各安装点对患者运动的影响指标，并选取各备用安装点，根据各备用安装点的肌腱分布和牵引装置在各备用安装点的底部压力分布，分析各备用安装点的安装系数，并进行对比，选取安装系数最高的备用安装点，将其所在位置作为牵引装置的安装位置。

21、牵引方案确定模块用于获取患者的年龄、体重、骨折位置和过往病史，并从数据库中获取各备用牵引方案，根据各备用牵引方案中的牵引力度和牵引角度，获取患者的最终牵引方案。

22、数据库用于存储历史各患者的各信息、各牵引装置的各信息、患者的骨折类型、年龄、骨折位置和体重。

23、本发明的有益效果在于：1、本发明提供了一种基于人工智能的骨科牵引辅助方法及系统，首先获取患者骨折处的图像，并建立三维骨骼模型，其次根据患者的骨折类型、过往病史和各牵引装置的各信息，获取所使用的牵引装置，之后根据患者骨折处的各运行发力点、肌腱分布和牵引装置底部的压力分布，确定牵引装置的安装位置，最后根据患者的年龄、体重、骨折位置和过往病史选取各备用牵引方案，分析患者对各备用牵引方案中牵引角度和牵引力度的耐受性系数，并根据分析结果确定患者的最终牵引方案，保障牵引装置符合患者的使用需求和安装位置符合安装要求，也保障了牵引的有效性。

24、2、本发明根据患者的骨折类型、过往病史和各牵引装置的各信息，分析各牵引装置的可用性系数，并根据各牵引装置的可用性系数，获取各备用牵引装置，从数据库中获取各备用牵引装置的费用，并与患者所能支付的费用范围进行对比，选取最终的牵引装置，保障了牵引装置符合患者的使用需求。

25、3、本发明从数据库中获根据历史各患者的骨折位置、骨折类型和牵引装置，获取牵引装置的安装区域，在安装区域内设置各安装点，并根据各患者骨折处的各运动发力点位置，选取各备用安装点，同时根据各备用安装点周围的肌腱分布和牵引装置在各备用安装点的底部压力分布，确定牵引装置的安装位置，保障了牵引装置的安装位置符合安装要求。

26、4、本发明根据患者的年龄、体重、骨折位置、骨折类型和过往病史获取各备用牵引方案，将各备用牵引方案中的牵引角度和牵引力度应用在三维骨骼模型中，并实时监测各生命体征数据和各肌肉数据，分析患者对各备用牵引方案中的牵引角度和牵引力度的耐受性系数，并确定患者的牵引方案，保障了牵引的有效性。