1170 / 2023-03-16 21:24:53
基于迁移学习的膝关节负荷预测
Abstract Accepted
邹建军 / 西南交通大学
张小刚 / 西南交通大学
张亚丽 / 西南交通大学
李俊言 / 西南交通大学
靳忠民 / 西南交通大学
摘要:聚乙烯磨损及相关问题是导致膝关节假体翻修的主要原因。术后膝关节的负荷条件是决定假体磨损行为的关键因素,但目前仍然存在实验难以测量,仿真模拟存在过度简化的难题。为此,本文提出了一种基于迁移学习计算框架的膝关节负荷预测方法,以有效弥补实验数据规模过小的不足,提高模型的预测精度。本研究的目的是建立迁移学习模型预测膝外翻患者在术后步态中的膝关节负荷。实验数据来自公开的数据集,包括3例膝关节正常对齐和1例膝关节外翻受试者。每名受试者植入带有力传感器的膝关节假体,可测量膝关节负荷。由于不同传感器采集的实验数据具有不同的采样频率,我们提出了一种提取完整步态周期内实验数据的同步方法。迁移学习模型采用正常膝关节对齐患者的实验数据进行预训练,然后迁移预训练模型的权重参数,增加新的自适应层,建立迁移学习模型。最后采用膝关节外翻受试者的实验数据,以逐层解冻和判别微调的策略对迁移学习模型进行再训练。通过与体内测量的膝关节负荷对比,验证了迁移学习模型和原始前馈神经网络模型的预测精度。结果表明,迁移学习模型相比于原始模型能更准确地预测膝关节外翻受试者的膝关节负荷。

关键词:人工关节;术后步态;膝关节负荷;迁移学习

 
Important Date
  • Conference Date

    Apr 24

    2023

    to

    Apr 27

    2023

  • Mar 20 2023

    Draft paper submission deadline

Sponsored By
中国机械工程学会
Organized By
中国科学院兰州化学物理研究所
Contact Information
Previous Conferences