CN120832703A - 用于矫形器的设计的过程和系统 - Google Patents

Abstract

本申请涉及用于矫形器的设计的过程和系统。一种能够使用计算机化系统操作的过程，用于提供指示受试者的身体的脊柱区的几何构造的输出数据以用于脊柱对准校正，所述过程包括以下步骤：（i）从受试者的脊柱区的身体表面的三维点云模型来检测受试者的身体标志，其中，身体标志是指示受试者的脊柱解剖标志的标志；（ii）确定受试者的脊柱的脊柱校正，其中脊柱校正，其中所述脊柱校正提供受试者的脊柱对准校正，以及（iii）生成受试者的脊柱区的校正后的三维点云模型。

Description

用于矫形器的设计的过程和系统

技术领域

本发明涉及矫形器装置领域，并且更具体地涉及用于脊柱矫形器装置的设计的过程和系统。

背景技术

在整形外科介入领域内，存在若干方面，其主要方面中的一些是：

（i）内部关节置换或修复装置，通常称为“整形外科植入物”或“假体”，诸如髋、膝和肩假体，

（ii）矫形器装置，诸如脊柱支架，用于介入诸如脊柱侧凸的畸形，并且此类装置通常设置在身体外部并附连到身体，诸如脊柱支架。

在整形外科和肌肉骨骼校正实践领域内，还包括矫形器装置，其是通常在身体的一部分上施加外力以支撑关节并且还校正受试者的畸形的外科装置或器具。

这种矫形器装置的示例是外部校正装置，例如脊柱支架。这种支架用于向患者（例如患有脊柱侧凸的患者）的脊柱施加力。

特别地，患有AIS（青少年特发性脊柱侧凸）的儿童，该AIS是一种通常影响10岁和青年期之间的儿童的病症，这由“S”或“C”形状的右侧或左侧的脊柱异常弯曲的存在表示。患有脊柱侧凸的青少年通常是健康的，并且通常用外部固定到其脊柱的支架进行治疗，以通过支架逐渐迫使脊柱进入更正常的状态。

在诸如脊柱支架的矫形器装置的设计和制造的现有技术中，典型的步骤包括：

（i）手动从受试者的身体形成负模铸件模型；

（ii）使用通常具有聚合物材料的铣床来生产正模铸件；

（iii）手动对正模铸件进行校正；以及

（iv）在正模铸件上手动模制聚合物材料以形成矫形器。

本发明的目的

本发明的目的是提供一种用于矫形器装置设计的过程和系统，该矫形器装置克服或至少部分地改善与现有技术相关的至少一些缺陷。

发明内容

在第一方面，本发明提供了一种能够使用计算机化系统操作的过程，用于提供指示受试者的身体的脊柱区的几何构造的输出数据以用于脊柱对准校正，所述过程包括以下步骤：（i）从受试者的脊柱区的身体表面的三维点云模型中检测受试者的身体标志，其中，身体标志是指示受试者的脊柱解剖标志的标志；（ii）确定受试者的脊柱的脊柱校正，其中，所述脊柱校正提供受试者的脊柱对准校正，以及（iii）生成受试者的脊柱区的校正后的三维点云模型，其中，所述校正后的三维点云模型是基于受试者的所述脊柱校正和受试者的脊柱区的表面的三维点云模型生成的，其中，所述校正后的三维模型包括输出数据，所述输出数据指示包括用于受试者的脊柱对准校正的受试者的所述身体标志的受试者的身体的表面的脊柱区的几何构造，并且其中，来自受试者的脊柱区的身体表面的所述三维点云模型的所述身体标志和受试者的脊柱的所述解剖标志在受试者的脊柱区的所述校正后的三维点云模型的生成期间移动。

受试者的脊柱区的三维点云模型可以从一个或多个数据输入集生成，其中，一个或多个数据输入集中的每个数据输入集指示所述受试者的光学图像，并且其中，所述光学图像是指示所述受试者的脊柱区的几何构造的三维光学图像。光学图像可以是红色、绿色、蓝色和深度（RGBD）图像。

三维点云模型可以使用来自受试者的脊柱区的对应一个三维光学图像的一个数据集生成。一个三维光学图像可以是受试者的脊柱区的后前位（PA）三维光学图像。

可以使用来自受试者的脊柱区的三个对应三维光学图像的三个数据集来生成三维点云模型。受试者的脊柱区的三维光学图像优选地是受试者的脊柱区的后前位（PA）、左（Lt）和右（Rt）三维光学图像。

可以从受试者的脊柱区的所述三维点云模型来确定受试者的脊柱校正。

可以根据来自受试者的脊柱区的一个或多个医学图像的受试者的脊柱的解剖标志来确定受试者的脊柱校正。一个或多个医学图像可以是受试者的脊柱区的一个或多个X射线图像。

一个或多个医学图像可以是受试者的脊柱区的前后位（AP）X射线图像，以提供受试者的脊柱的二维（2D）脊柱对准校正。一个或多个医学图像是受试者的脊柱区的前后位（AP）X射线图像和侧向（LAT）X射线图像，以提供受试者的脊柱的三维（3D）脊柱对准校正。

可以通过预先训练的人工智能（AI）部件来检测从受试者的脊柱区的表面的三维点云模型检测到的受试者的身体标志。由所述预先训练的人工智能（AI）部件检测到的身体标志位置可以由一个或多个人工操作员进一步审查并且在需要时进行微调。

通过由所述一个或多个人工操作员分配扭转、背部平衡和脊柱曲线校正中的一个或多个来确定用于受试者的脊柱对准校正的脊柱校正。

受试者的脊柱区的表面的校正后的三维点云模型可以由预先训练的人工智能（AI）单元从受试者的脊柱区的表面的三维点云模型和身体标志位置提供，并且可以可选地还包括由一个或多个人工操作员通过分配扭转、背部平衡和脊柱曲线校正中的一个或多个来进行微调。

指示用于脊柱对准校正的受试者的身体的表面的脊柱区的几何构造的输出数据是指示用于向受试者提供所述脊柱对准校正的矫形器的几何构造。

在第二方面，本发明提供了一种计算机化系统，用于提供指示受试者身体的脊柱区的几何构造的输出数据以用于脊柱对准校正。所述系统包括用于从受试者的脊柱区的身体表面的三维点云模型中检测受试者的身体标志的几何构造优化部件，其中，身体标志是指示脊柱解剖标志的标志；所述几何构造优化用于生成受试者的脊柱区的校正后的三维点云模型，其中，所述校正后的后的三维点云模型是基于受试者的脊柱校正并且基于受试者的脊柱区的表面的三维点云模型生成的，其中，所述脊柱校正提供受试者的脊柱对准校正，其中，所述校正后的三维模型包括输出数据，所述输出数据指示包括用于受试者的脊柱对准校正的所述身体标志的受试者的身体的表面的脊柱区的几何构造，并且其中，来自受试者的脊柱区的身体表面的所述三维点云模型的所述身体标志和受试者的脊柱的所述解剖标志在受试者的脊柱区的所述校正后的三维点云模型的生成期间移动。

系统可以包括点云生成部件，用于从一个或多个数据输入集来生成受试者的脊柱区的所述三维点云模型，其中，一个或多个数据输入集中的每个数据输入集指示所述受试者的光学图像，并且其中，所述光学图像是指示所述受试者的脊柱区的几何构造的三维光学图像。光学图像可以是红色、绿色、蓝色和深度（RGBD）图像。

可以使用来自受试者的脊柱区的对应一个三维光学图像的一个数据集来生成三维点云模型。一个三维光学图像可以是受试者的脊柱区的后前位（PA）三维光学图像。

可以使用来自受试者的脊柱区的三个对应三维光学图像的三个数据集来生成三维点云模型。受试者的脊柱区的三维光学图像可以是受试者的脊柱区的后前位（PA）、左（Lt）和右（Rt）三维光学图像。

从受试者的脊柱区的所述三维点云模型来确定受试者的脊柱校正。

可以从受试者的脊柱区的一个或多个医学图像来确定受试者的脊柱校正。一个或多个医学图像可以是受试者的脊柱区的一个或多个X射线图像。

一个或多个医学图像可以是受试者的脊柱区的前后位（AP）X射线图像，以提供受试者的脊柱的二维（2D）脊柱对准校正。

一个或多个医学图像可以是受试者的脊柱区的前后位（AP）X射线图像和侧向（LAT）X射线图像，以提供受试者的脊柱的三维（3D）脊柱对准校正。

可以通过预先训练的人工智能（AI）部件来检测从受试者的脊柱区的表面的三维点云模型检测到的受试者的身体标志。

系统还可以包括用户界面，使得由所述预先训练的人工智能（AI）部件检测到的校正后的的解剖标志位置由一个或多个人工操作员进一步审查以在需要时进行微调。可以通过由所述一个或多个人工操作员分配扭转、背部平衡和脊柱曲线校正中的一个或多个来确定用于受试者的脊柱对准校正的脊柱校正。

系统还可以包括预先训练的人工智能（AI）单元，其中，受试者的脊柱区的表面的校正后的三维点云模型由所述预先训练的人工智能（AI）单元从受试者的脊柱区的表面的三维点云模型和身体标志位置提供。

系统还可以包括另一用户界面，用于由一个或多个人工操作员通过分配扭转、背部平衡和脊柱曲线校正中的一个或多个来进行微调。

系统还可以包括输出界面，用于输出指示用于脊柱对准校正的受试者的身体的表面的脊柱区的几何构造的所述数据，该所述数据是指示用于向受试者提供所述脊柱对准校正的矫形器的几何构造。

在第三方面，本发明还提供了一种能够使用计算机化系统操作的过程，该计算机化系统确定矫形器的力学特性以用于受试者的脊柱对准的校正。所述过程包括以下步骤：（i）接收受试者的脊柱区的身体表面的三维模型和接收受试者的脊柱区的身体表面的校正后的三维模型，其中，所述校正后的三维模型从三维模型生成，并且包括指示受试者的身体的脊柱区的身体表面的几何构造的输出数据以用于脊柱对准校正；（ii）生成矫形器的三维模型和受试者的脊柱区的身体表面的校正后的三维模型的数值力学分析模型，其中，矫形器的所述三维模型从受试者的脊柱区的身体表面的校正后的三维模型生成，并且其中，矫形器的力学特性包括相对密度；（iii）从受试者的脊柱区的身体表面的三维模型确定校正后的三维模型的点的位移；（iv）从步骤（iii）处的位移确定矫形器的应变能，并且改变矫形器的相对密度分布，直到满足应变能的预定阈值并且直到满足相对密度的预定阈值；（v）基于所述相对密度分布来生成矫形器的拓扑；以及在满足相对密度的所述预定阈值时，输出矫形器的优化模型。

矫形器的相对密度分布优选地是矫形器的孔隙度分布。孔隙度分布可以是基于受试者的拓扑优化结果的非均匀孔隙度分布。

受试者的脊柱区的身体表面的三维模型可以是三维点云模型，并且其中，受试者的脊柱区的身体表面的校正三维模型是校正后的三维点云模型。

可替代地，受试者的脊柱区的身体表面的三维模型可以是三维网格模型，并且其中，受试者的脊柱区的身体表面的校正后的三维模型是校正后的三维网格模型。

可替代地，受试者的脊柱区的身体表面的三维模型可以是三维体积模型，并且其中，受试者的脊柱区的身体表面的校正后的三维模型是校正后的三维体积模型。

矫形器的力学特性可以通过本方面的过程来确定，并且其中，矫形器的几何构造基于受试者的脊柱区的身体表面的所述校正后的三维模型。

矫形器的至少一部分可以由增材制造技术形成。矫形器的至少一部分可以是整体式的。

矫形器的至少一部分可以由聚合物材料形成。矫形器的至少一部分可以由聚氨酯（PE）形成。

在第四方面，本发明提供了一种计算机化系统，用于确定矫形器的力学特性以用于受试者的脊柱对准的校正，所述系统包括输入界面，所述输入界面用于接收受试者的脊柱区的身体表面的三维模型并且用于接收受试者的脊柱区的身体表面的校正后的三维模型，其中，所述校正后的三维模型从所述三维模型生成，并且包括指示受试者的身体的脊柱区的身体表面的几何构造的输出数据以用于脊柱对准校正；以及处理器单元，所述处理器单元用于生成矫形器的三维模型和受试者的脊柱区的身体表面的校正后的三维模型的数值力学分析模型，其中，矫形器的所述三维模型从受试者的脊柱区的身体表面的校正后的三维模型生成，并且其中矫形器的力学特性包括相对密度；用于从三维模型确定校正后的三维模型的点的位移；并且从所述位移确定矫形器的应变能，用于改变矫形器的相对密度分布，直到满足应变能的预定阈值并且直到满足相对密度的预定阈值；并且用于基于所述相对密度分布生成矫形器的拓扑，并且在满足相对密度的所述预定阈值时输出矫形器的优化模型。

矫形器的相对密度分布优选地是矫形器的孔隙度分布。孔隙度分布可以是基于受试者的拓扑优化结果的非均匀孔隙度分布。

受试者的脊柱区的身体表面的三维模型可以是三维点云模型，并且其中，受试者的脊柱区的身体表面的校正后的三维模型是校正后的三维点云模型。

可替代地，受试者的脊柱区的身体表面的三维模型可以是三维网格模型，并且其中，受试者的脊柱区的身体表面的校正后的三维模型是校正后的三维网格模型。

可替代地，受试者的脊柱区的身体表面的三维模型可以是三维体积模型，并且其中，受试者的脊柱区的身体表面的校正后的三维模型是校正后的三维体积模型。

在满足相对密度的预定阈值时，可以输出矫形器的优化模型，并且其中，矫形器的几何构造基于受试者的身体表面脊柱区的所述校正后的三维模型。

在第五方面，本发明提供了用于确定矫形器的力学特性以用于受试者的脊柱对准的校正的计算机化系统，所述系统包括输入界面，所述输入界面用于接收受试者的脊柱区的身体表面的三维模型并且用于接收受试者的脊柱区的身体表面的校正后的三维模型，其中，所述校正后的三维模型从三维模型生成，并且包括指示受试者的身体的脊柱区的身体表面的几何构造的输出数据以用于脊柱对准校正；位移计算单元，所述位移计算单元用于计算受试者的脊柱区的三维模型和受试者的脊柱区的校正后的三维模型中的每个点的位移；网格化单元，所述网格化单元用于从受试者的脊柱区的所述校正后的三维模型来生成矫形器的三维模型；数值分析单元，所述数值分析单元用于矫形器的力学仿真，其中，所述数值分析单元基于矫形器的所述三维模型、三维模型中的每个点的所述位移和包括相对密度的矫形器的力学特性来执行所述力学仿真；拓扑优化单元，所述拓扑优化单元用于基于来自数值分析单元的结果来证明矫形器的模型的拓扑优化，并且用于在满足应变能的预定阈值和满足相对密度的预定阈值时来提供矫形器的优化的相对密度。

矫形器的相对密度分布优选地是矫形器的孔隙度分布。孔隙度分布可以是基于受试者的拓扑优化结果的非均匀孔隙度分布。

受试者的脊柱区的身体表面的三维模型可以是三维点云模型，并且其中，受试者的脊柱区的身体表面的校正后的三维模型是校正后的三维点云模型。

可替代地，受试者的脊柱区的身体表面的三维模型可以是三维网格模型，并且其中，受试者的脊柱区的身体表面的校正后的三维模型是校正后的三维网格模型。

可替代地，受试者的脊柱区的身体表面的三维模型是三维体积模型，并且其中，受试者的脊柱区的身体表面的校正后的三维模型是校正后的三维体积模型。

系统还可以包括用于网格平滑和网格的间隙修复的微调单元。

在第六方面，本发明提供了一种用于受试者的脊柱对准的校正的矫形器，其中，所述矫形器具有通过包括以下步骤的过程确定的相对密度：（i）接收受试者的脊柱区的三维模型和接收受试者的脊柱区的校正后的三维模型，其中，所述校正后的三维模型从所所述三维模型生成，并且包括指示受试者的身体的脊柱区的几何构造的输出数据以用于脊柱对准校正；（ii）生成矫形器的三维模型和受试者的脊柱区的校正后的三维模型的数值力学分析模型，其中，矫形器的所述三维模型由受试者的脊柱区的校正后的三维模型生成，并且其中，矫形器的力学特性包括相对密度；（iii）从三维模型确定校正后的三维模型的点的位移；（iv）从步骤（iii）处的位移来确定矫形器的应变能，并且改变矫形器的相对密度分布，直到满足应变能的预定阈值并且直到满足相对密度的预定阈值；其中，矫形器的拓扑基于所述相对密度分布，并且其中，矫形器的几何构造基于受试者的脊柱区的身体表面的所述校正后的三维模型。

矫形器的相对密度分布优选地是矫形器的孔隙度分布。孔隙度分布可以是基于受试者的拓扑优化结果的非均匀孔隙度分布。

矫形器的至少一部分可以由增材制造技术形成。矫形器的至少一部分可以是整体式的。

矫形器的至少一部分可以由聚合物材料形成。矫形器的至少一部分可以由聚氨酯（PE）形成。

受试者的脊柱区的身体表面的三维模型可以是三维点云模型，并且其中，受试者的脊柱区的身体表面的校正后的三维模型是校正后的三维点云模型。

可替代地，受试者的脊柱区的身体表面的三维模型可以是三维网格模型，并且其中，受试者的脊柱区的身体表面的校正后的三维模型是校正后的三维网格模型。

可替代地，受试者的脊柱区的身体表面的三维模型是三维体积模型，并且其中，受试者的脊柱区的身体表面的校正后的三维模型是校正后的三维体积模型。

在第七方面，本发明提供了一种能够使用计算机化系统操作的过程，该计算机化系统用于提供指示受试者的身体的脊柱区的几何构造的输出数据以用于脊柱对准校正，并且确定矫形器的力学特性以用于校正受试者的脊柱对准，所述过程包括以下步骤：（i）从受试者的脊柱区的身体表面的三维点云模型中检测受试者的身体标志，其中，身体标志是指示受试者的脊柱解剖标志的标志；（ii）确定受试者的脊柱的脊柱校正，其中所述脊柱校正提供受试者的脊柱对准校正；（iii）生成受试者的脊柱区的校正后的三维点云模型，其中，校正后的三维点云模型是基于受试者的脊柱校正和受试者的脊柱区的表面的三维点云模型生成的，其中所述校正后的三维模型包括输出数据，所述输出数据指示包括用于受试者的脊柱对准校正的受试者的所述身体标志的受试者的身体的表面的脊柱区的几何构造，并且其中，来自受试者的脊柱区的身体表面的所述三维点云模型的所述身体标志和受试者的脊柱的所述解剖标志在受试者的脊柱区的所述校正后的三维点云模型的生成期间移动；（iv）接收受试者的脊柱区的身体表面的三维模型并且接收受试者的脊柱区的身体表面的校正后的三维模型，其中，所述校正后的三维模型从三维模型生成，并且包括指示受试者的身体的脊柱区的身体表面的几何构造的输出数据以用于脊柱对准校正；（v）生成矫形器的三维模型和受试者的脊柱区的身体表面的校正后的三维模型的数值力学分析模型，其中，矫形器的三维模型由受试者的脊柱区的身体表面的校正后的三维模型生成，并且其中，矫形器的力学特性包括相对密度；（vi）从受试者的脊柱区的身体表面的三维模型确定校正后的三维模型的点的位移；（vii）从步骤（vi）处的位移来确定矫形器的应变能，并且改变矫形器的相对密度分布，直到满足应变能的预定阈值并且直到满足相对密度的预定阈值；以及（vii）基于所述相对密度分布来生成矫形器的拓扑；以及在满足相对密度的所述预定阈值时，输出矫形器的优化模型。

在第八方面，本发明提供了一种用于受试者的脊柱对准的校正的矫形器，其中，用于脊柱对准校正的受试者的身体的脊柱区的几何构造和用于受试者的脊柱对准的校正的矫形器的力学特性由根据第七方面的过程确定。

矫形器的相对密度分布优选地是矫形器的孔隙度分布。孔隙度分布可以是基于受试者的拓扑优化结果的非均匀孔隙度分布。

矫形器的至少一部分可以由增材制造技术形成。矫形器的至少一部分可以是整体式的。

矫形器的至少一部分可以由聚合物材料形成。矫形器的至少一部分可以由聚氨酯（PE）形成。

附图说明

为了可以获得对上述发明的更精确的理解，将通过参考附图中示出的本发明的具体实施例来呈现上面简要描述的本发明的更具体的描述。

本文呈现的附图可能不是按比例绘制的，并且对附图或以下描述中的尺寸的任何参考都是特定于所公开的实施例。

图1a示出了根据本发明的整个系统的示例性实施例的示意图；

图1b示出了根据本发明的整个系统的另一示例性实施例的示意图；

图1c示出了根据本发明的整个系统的又一示例性实施例的示意图；

图2a（i）示出了根据本发明的生成矫形器的三维优化的过程的通用流程图；

图2a（ii）示出了根据本发明的用于生成矫形器的三维优化的通用系统；

图2b（i）示出了根据本发明的初始3D模型生成部件的实施例的示意图。

图2b（ii）示出了根据本发明的几何构造优化部件的实施例的示意图；

图2c（i）示出了根据本发明的实施例的扭转校正的俯视图；

图2c（ii）示出了根据本发明的实施例的扭转校正的侧视图；

图2c（iii）示出了根据本发明的实施例的背部平衡的后视图；

图2c（iv）示出了根据本发明的实施例的背部平衡的后视图；

图2c（v）示出了根据本发明的实施例的背部平衡的后视图；

图2d（i）示出了根据本发明的实施例的脊柱曲线校正的后视图；

图2d（ii）示出了根据本发明的实施例的脊柱曲线校正的侧视图；

图2d（iii）示出了根据本发明的实施例的脊柱曲线校正的俯视图；

图3a（i）示出了根据本发明的确定用于受试者的脊柱对准的校正的矫形器的力学特性的过程的通用流程图；

图3a（ii）示出了根据本发明的用于确定矫形器的力学特性以用于受试者的脊柱对准的校正的通用系统；

图3b（i）示出了根据本发明的生物力学优化部件的过程的实施例的流程图；

图3b（ii）示出了图3b（i）的实施例的示意图；

图3b（iii）示出了均质化模拟中的代表性体积元素（RVE）；

图4是用于优化身体支架的本发明的步骤的实施例的流程图表示；

图5是用于优化本发明的实施例的身体支架的步骤的流程图；

图6示出了图5的实施例的处理背部表面重建的点云的示例；

图7示出了图5的实施例的背部表面重建的点云到自动网格的过程的第一步骤；

图8示出了图5的实施例的背部表面重建的点云到自动网格的结果的第二步骤的表示；

图9示出了将子区网格重新拟合到图5的实施例的背部表面重建的整个表面的过程的第三步骤；

图10示出了图5的实施例的将控制点拟合到背部表面重建的表面的过程的第四步骤；

图11a和图11b示出了在本发明的实施例中校准所有点云的过程；

图11c示出了关于图11a和11b的基准平面的透视图；

图12是在图11a-11c的实施例的最终拟合平面的20000次迭代之后的结果的图形表示；

图13a示出了在本发明的示例中获得2684个人类背部表面重建和脊柱曲线的结果的透视图；

图13b示出了获得图13a的2684个人类背部表面重建和脊柱曲线的结果的侧视图；

图13c示出了获得图13a和13b的2684个人类背部表面重建和脊柱曲线的结果的俯视图；

图14示出了修正本示例的点云的示例；

图15a是拟合到从本示例的点云轮廓的极值点获得的脊柱曲线（Sentin）的脊柱曲线（Naen）的图形表示；

图15b是本示例的目标脊柱曲线的图形表示；

图16是本示例的修正的目标点云的图形表示；

图17a示出了由ABAQUS创建的网格，用于分析本示例以用于静态分析和优化；

图17b示出了由Hypermesh创建的网格创建的网格以用于静态分析和优化；

图18a示出了用控制区和点手动调整的网格，用于静态分析和优化；

图18b示出了具有四边形元素的以10的网格大小手动调整的网格以用于静态分析和优化；

图19a示出了根据修正的脊柱曲线的节点反作用力的计算；

图19b示出了具有节点负载的优化模型；

图20a分别示出了顶部、左和右以及底部的边界条件；

图20b示出了作为节点负载提取的节点反作用力的结果；

图21a示出了静态分析过程中的变形的结果；

图21b示出了静态分析过程中的应力的结果；

图22a示出了优化过程中变形的结果；

图22b示出了优化过程中的应力的结果；

图23a-23d示出了根据本发明的对于固体各向同性材料的具有不同迭代的惩罚方法的结果；

图24a示出了具有固定顶部边界和静态分析的边界条件；

图24b示出了参考图24a的具有固定参考旋转点的边界条件；

图25a以三维示出了图24a和24b的静态分析过程中的应力的结果；

图25b以三维示出了图24a和24b的静态分析过程中的变形的结果；

图26a示出了不同最小密度下的总应变能；

图26b是图26a的表格表示；

图27a示出了不同最小密度下的体积比；

图27b是图27a的表格表示；

图28a-28d示出了不同最小密度的材料密度分布；

图29a-29d示出了不同最小密度的应力分布；

图30a-30d示出了不同最小密度的变形分布；

图31示出了在本发明的实施例的示例中的python脚本的优化的流程图；

图32a示出了本示例中的元素材料特性（E和nu）的拟合的边界条件；

图32b示出了在本示例中并且关于图32a的元素材料特性的拟合的未变形和变形结果；

图32c示出了在本示例中并且关于图32a和32b的元素材料特性的拟合的情况生成；

图33a示出了本示例中的曲线拟合的结果；

图33b示出了用优化方法更新的曲线拟合的结果。在本实施例中并且参考图33a；

图34a示出了2D情况下悬臂梁的相对密度的初步结果；

图34b示出了悬臂梁的应力的初步结果；

图34c示出了悬臂梁的变形的初步结果；

图35a示出了根据本发明的圆柱形元素实施例的相对密度的初步结果；

图35b示出了根据本发明并参考图35a的圆柱形元素示例的应力的初步结果；

图35c示出了根据本发明并参考图35a和35b的圆柱形元素示例的变形的初步结果；

图36a示出了在本发明的实施例中用于模型自动重建的python脚本的流程图；

图36b示出了预处理ODB文件的示例。

图36c示出了.stl文件的示例。

图37a示出了圆柱形刚性主体的模型和BC（边界条件）；

图37b示出了图37a的圆柱形刚性主体的网格；

图38a示出了图37a和37b的圆柱形刚性主体的位移分布；

图38b示出了图37a、37b和38a至图38c的圆柱形刚性体的应力分布；以及

图38c示出了图37a、37b以及38a和38b的圆柱形刚性主体的相对密度分布。

具体实施方式

本发明人已经认识到现有技术的矫形器的缺点，并且在认识到现有技术的问题时，已经提供了一种用于设计脊柱矫形器装置的过程和系统，其克服了现有技术的问题。

1. 本发明的背景解释

本发明人已经注意到矫形器的局限性，诸如现有技术的脊柱支架，并且已经寻求提供一种用于设计矫形器的过程和系统，其解决了现有技术的矫形器所表现出的缺点。

必须理解的是，尽管所描绘和描述的示例性实施例是关于矫形器特别是脊柱支架的实施例，但是本发明不限于这种装置的这种实施例，并且适用于其他和替代的矫形器。

2. 校正装置

矫形器装置可以用于对准和操纵受试者的身体，然而，为了说明的目的，在本发明的上下文中最常用的矫形器是脊柱支架。

如本领域中已知的，这种支架在一天的一部分时间内附接到受试者，用于逐渐操纵和重新对准以及定位身体，特别是受试者的脊柱。

2.1、特发性脊柱侧凸

特发性脊柱侧凸是儿童在青春期发作时发生的最常见类型的脊柱畸形，并且它具有高达5.2%的患病率，称为青少年特发性脊柱侧凸（AIS）。

特发性脊柱侧凸的后果包括严重的发育问题、严重的心肺并发症等。

2.2. 用于AIS管理的当前方法

对于特发性脊柱侧凸的治疗，目前主要通过评估由Cobb 角评估的脊柱变形严重程度来做出决定。

AIS的治疗通常根据由Cobb角定义的严重程度进行：随访（轻度AIS，Cobb角10°-25°）；非手术管理（中度AIS，Cobb角25°-45°）；手术（严重AIS，Cobb角>45°）。

脊柱矫形器管理对于通过向患者的躯干提供外部校正力来防止曲线发展的非手术模态是最常见且有效的。

2.3. 常规的手动制造方法是

常规的手动制造方法是：

（i）手动从受试者的身体形成负模铸件模型；

（ii）使用铣床用聚合物材料如聚氨酯材料（PE）来生产正模铸件；

（iii）手动对正模铸件进行校正；以及

（iv）在正模铸件上手动模制聚合物材料以形成矫形器

2.4. 常规手动制造方法的缺点

常规手动制造方法的缺点包括缺乏针对受试者的投诉的特定定制精度、生产费力耗时且成本高、以及通常不特别适应的受试者特定要求。

此外，此类矫形器装置（诸如脊柱支架）可能不一定在受试者上的必要区域处提供必要的负载以用于脊柱的校正操纵，并且在一个位置中的过度负载可能导致对受试者的皮肤组织的损伤，并且对于必要的临床结果进行不适当的操纵。

类似地，对必要区域的负载不足将导致不适当、不正确或低于标准的操纵和临床结果。

发明内容

在广泛的方面，本发明涉及用于设计和优化矫形器型装置的过程和系统。

过程包括利用本发明的新颖方面，其形成所述装置的至少一部分，所述装置已经形成并提供以便具有必需的力学结构特性以便向受试者提供必需的生物力学负载。

主结构元件优选地是整体式的，并且整体式结构元件优选地通过增材工艺形成，并且优选地由诸如聚氨酯（PE）的聚合物材料形成。

整体式结构元件可以被认为是或替代地称为具有固体各向同性材料的“非周期性材料设计（AMD）”。

本发明提供了矫形器型装置，其具有必要的力学特性以满足生物力学要求，由此矫形器型装置包括这样的整体式结构元件，对于该整体式结构元件，设计被优化，使得矫形器型装置具有必要的力学特性以提供必要的生物力学目标。

因此，这种装置的整体结构材料元件通过分析方法进行优化，并且相应地形成以满足生物力学目标，并且以各向异性渐变密度晶格材料的形式提供。

在元件的任何部分处，整体式结构元件的力学特性由整体式结构元件的材料力学特性（刚度模量和失效分量）与各向异性晶格晶胞架构（相对密度和各向异性）之间的关系确定，并且也是整体式结构元件的几何特性的函数。

应当注意的是，用于这种矫形器型装置的整体式结构元件可以基于通常为患者类型设计的特定患者要求来定制设计，以及具有非患者特定但尺寸相关或尺寸不相关的一般构造和设计。

因此，关于本发明的发明方面的实施方式，不应假设或引入关于应用或实施方式的限制，本发明的发明方面的实施方式是提供具有满足必要生物医学目标所需的“各向异性渐变密度晶格材料”的整体式结构元件。

在这种矫形器装置（例如脊柱支架）的情况下，整体式材料结构元件的力学特性的优化可以是向受试者的脊柱提供必要的负载，以用于修复和治疗目的，诸如在患有脊柱侧凸的患者的情况下。

4. 本发明-概述

本发明提供了一种用于设计和优化矫形器型装置的过程和系统。

参考图1a，提供了根据所示的本发明的整个系统1000的示例性实施例。

系统1000包括：

（i）初始点云部件100,

（ii）几何构造优化部件200，以及

（iii）生物力学优化部件300。

初始点云部件100接收指示来自受试者的不同视图的图像的红色、绿色、蓝色和深度（RGBD）数据，例如已经通过深度相机诸如通过RGBD相机获取的图像，例如指示受试者的脊柱区的后前位视图、左视图和右视图（PA、Lt、Rt）。这样的数据可以由诸如深度相机的图像获取设备获取。

初始点云部件100从RGBD数据生成受试者的身体的初始三维（3D）点云。

然后，几何构造优化部件200确定矫形器的必要几何构造，用于受试者的脊柱的校正对准，用于脊柱对准校正的治疗目的。这可以例如通过人工智能（AI）或手动完成。

然后，生物力学优化部件300优化矫形器的设计，以便实现必要的生物力学参数以促使受试者的身体进行必要的脊柱对准。

由生物力学优化部件300提供的最终优化矫形器模型可以例如通过3D打印来制造。

如本领域技术人员将理解和认识到的，当通过脊柱矫形器提供用于受试者的脊柱的介入校正对准的校正措施时，这不可避免地通常通过多个对准步骤在多个月内完成。

因此，几何构造优化部件200通常将针对一系列渐进的对准步骤中的第一步骤提供受试者的脊柱的操纵和对准的重点的第一所需几何构造。

应当理解，对于脊柱对准的第一步骤，所提供的对准程度或量将取决于受试者以及与该特定受试者相关的临床参数，并且此类决策通常由脊柱专家外科医生或临床医生做出。

当在受试者脊柱的对准方面取得令人满意的进展时，在必要的时间之后，可以重复该过程，并且获取受试者脊柱的更新的RGBD图像，并且为对准的下一阶段来确定优化的生物力学矫形器的更新的设计。

然后，本系统可以重复该过程以及临床评估，直到达到令人满意的临床结果。

本领域技术人员还可以理解，本发明可以从这种矫形器库中适当地选择预定生物力学特性的矫形器，或者可以为特定受试者提供定制的矫形器制造。

现在参考图1b，系统1050与图1a的系统基本相同，然而，除了接收受试者的脊柱区的RGBD数据之外，初始点云部件100还接收指示受试者的一个或多个对应X射线图像的数据。

如将理解的，一个或多个对应的X射线图像应当足以提供用于确定矫形器的几何构造的必要临床数据，以满足必要的对准参数。

因此，应当注意，利用受试者的X射线数据的这种步骤或方面是可选的，并且在本发明的实施例中，过程和系统可以：

（i）不使用X射线，例如参考上面的图1a,

（ii）仅使用一个X射线图像，例如前后位（AP）X射线，

（iii）对于前后位（AP）和侧向（LAT）X射线，使用多于一个的X射线图像。

在本实施例中，通过受试者的RGBD数据以及X射线数据这两者来确定优化的几何构造。在其他实施例中，下面进一步详细讨论可以提供这一点的方式。

现在参考图1c，示出了本发明的系统1100的另一实施例，其中，系统1100包括以下：

- 第一输入界面001，以从图像获取装置接收RGBD（红色、绿色、蓝色和深度）图像；

- 第二输入界面I/O 002，以接收X射线图像；

- 输出界面I/O003，以用于例如通过三维（3D）打印机传输优化的矫形器模型以用于后续制造；

- 第一用户界面UI004，以用于从脊柱专家临床医生接收用于标志和脊柱对准检测的手动微调和确认；

- 第二用户界面UI005，以用于从校正师接收用于几何构造优化的手动微调和确认；

- 初始点云（PC）3D模型生成部件100；

- 几何构造优化部件200；

- 生物力学优化部件300；以及

- 人工智能（AI）部件400。

作为示例，在本发明的实施例中，在上述系统中使用的本发明的方法包括以下步骤：

（i）第一输入界面001从受试者的不同视图接收红色、绿色、蓝色和深度（RGBD）图像，例如来自图像采集装置的后视图、左视图和右视图（PA、Lt、Rt），其指示受试者的脊柱区；

（ii）第二输入界面002接收受试者的对应X射线图像。应当注意，这样的步骤是可选的，并且在本发明的实施例中，过程和系统可以（i）不使用X射线，（ii）仅使用前后位（AP）X射线，（3）使用前后位（AP）和侧向（LAT）X射线这两者，并且所有这样的实施例被认为落入本发明的范围内；

（iii）初始点云（PC）3D模型生成部件100接收指示来自受试者的不同视图的（RGBD）图像的数据S1，并且接收指示受试者的X射线数据的数据S2；以及

（iv）受试者的身体的初始3D点云由初始点云（PC）3D模型生成部件100生成，并且指示受试者的身体的所述初始3D点云的数据S9由几何构造优化部件200接收。

（v）几何构造优化部件200然后确定矫形器的必要几何构造，用于受试者的脊柱的校正对准，用于脊柱对准校正的治疗目的。

（vi）生物力学优化部件300然后优化矫形器的设计，以便实现必要的生物力学参数以促使受试者的身体进行必要的脊柱对准。

（vii）由生物力学优化部件300提供的最终优化的矫形器模型（例如，以STL或CAD格式），其可以直接3D打印。

在本发明的实施例中，脊柱专家临床医生经由第一用户界面004提供用于标志和脊柱对准检测s4的手动微调和确认，并且校正师经由第二用户界面005提供用于几何构造优化s5的手动微调和确认。

人工智能（AI）部件400可以可选地用于AI标志和脊柱对准检测结果s6，并且用于手动微调和确认的标志和脊柱对准检测结果，以用于进一步的AI模型优化s8。

人工智能（AI）部件400可以可选地用于AI几何构造优化结果s7和矫形器s10的几何构造优化的3D模型。可替选地，这可以手动或半手动地完成，例如要访问的预先存在的数据库。

5. 几何构造优化

参考图2a（i），示出了根据本发明的生成矫形器的三维优化的过程200a的通用流程图。

过程200a能够使用计算机化系统操作，用于提供指示受试者的身体的脊柱区的几何构造的输出数据以用于脊柱对准校正。

过程200a包括以下步骤：

步骤（i）210a

从受试者的脊柱区的身体表面的三维点云模型检测受试者的身体标志，其中，身体标志是指示受试者的脊柱解剖标志的标志；

步骤（ii）220a

确定受试者的脊柱的脊柱校正，其中脊柱校正，其中，所述脊柱校正提供受试者的脊柱对准校正，以及

步骤（iii）230a

生成受试者的脊柱区的校正后的三维点云模型，

基于受试者的所述脊柱校正和受试者的脊柱区的表面的三维点云模型来生成校正后的三维点云模型，

校正后的三维点云模型包括输出数据，所述输出数据指示包括用于受试者的脊柱对准校正的受试者的身体标志的受试者的身体的表面的脊柱区的几何构造，以及

来自受试者的脊柱区的身体表面的所述三维点云模型的身体标志和受试者的脊柱的所述解剖标志在受试者的脊柱区的所述校正后的三维点云模型的生成期间移动。

参考图2a（ii），示出了根据本发明的用于生成矫形器的三维优化的通用计算机化系统200b。

计算机化系统200b提供指示受试者的身体的脊柱区的几何构造的输出数据以用于脊柱对准校正。

系统200b包括几何构造优化部件210b，其用于从受试者的脊柱区的身体表面的三维点云模型中检测受试者的身体标志，其中，身体标志是指示脊柱解剖标志的标志；

几何构造优化部件210b用于生成受试者的脊柱区的校正后的三维点云模型，

基于受试者的脊柱校正并且基于受试者的脊柱区的表面的三维点云模型来生成校正后的三维点云模型，其中，所述脊柱校正提供受试者的脊柱对准校正，

校正后的三维点云模型包括输出数据，所述输出数据指示包括用于受试者的脊柱对准校正的所述身体标志的受试者的身体的表面的脊柱区的几何构造，以及

来自受试者的脊柱区的身体表面的所述三维点云模型的身体标志和受试者的脊柱的所述解剖标志在受试者的脊柱区的所述校正后的三维点云模型的生成期间移动。

可以从一个或多个数据输入集生成受试者的脊柱区的三维点云模型，其中，一个或多个数据输入集中的每个数据输入集指示所述受试者的光学图像，并且其中，所述光学图像是指示所述受试者的脊柱区的几何构造的三维光学图像。

可以从受试者的脊柱区的所述三维点云模型来确定受试者的脊柱校正。

可替代地，可以根据来自受试者的脊柱区的一个或多个医学图像的受试者的脊柱的解剖标志来确定受试者的脊柱校正。

确定受试者的脊柱的脊柱校正可以根据基于规则的标准来完成，该标准优选地是临床评估标准。临床评估标准可以是Cobb角评估。

确定受试者的脊柱的脊柱校正可以由预先训练的人工智能（AI）引擎执行。人工智能（AI）引擎的训练可以利用临床医生（例如一个或多个临床医生）的评估来完成，全部通过规则间隔评估和学习系统来完成，由此解剖标志由人工智能（AI）引擎检测并应用基于规则的骨突起或身体标志的识别。

A. 初始三维（3D）模型生成-细节

参考图2b（i），示出了根据本发明的初始3D模型生成部件100的实施例的示意图的实施例。

初始3D模型生成部件100可以生成人体S9的初始3D点云模式。

（1）从适当的图像获取装置获取来自后前位（PA）、左（Lt）和右（Rt）视图（S1）的RGBD图像（R：红色，G：绿色，B：蓝色，D：深度）。

（2）RGBD-PC生成器103可以为每个获取的RGBD图像创建3D点云S101。

（3）由点云（PC）注册单元104注册来自3个不同视图的3D点云以生成人体S102的3D点云。

（4）将来自后前位（PA）视图的RGBD图像输入到点云（PC）标志检测器102，该点云（PC）标志检测器102可以通常通过使用6个解剖标志来检测来自RGBD图像的解剖标志，这些解剖标志通过确定RGBD图像中的解剖标志的坐标来指示C7椎骨、左下肩胛骨角度、右下肩胛骨角度、左后髂下棘、右后髂棘和尾骨尖端，并且进一步基于每个标志的坐标和深度信息将标志映射到3D身体点云（S6-2）。

（5）由人工智能（AI）S6-2检测到的解剖标志进一步由人类专家S4-2微调和/或确认，并且经过确认的3D点云中的标志（S8-2）被发送到对准注册单元S105以进行进一步处理，并且S8表示经过手动微调和确认的AI标志和脊柱对准检测结果。

（6）X射线图像/多个X射线图像S2被输入到脊柱对准检测器101，该脊柱对准检测器101能够通过确定X射线图像中的椎骨中心的坐标来从X射线图像检测每个椎骨的中心。脊柱对准通常由所有椎骨中心组成，这些是从C7到L5的椎骨中心和S1的上端板的中点。

必须注意，应当理解，本发明可以利用或不利用X射线图像的输入，因此，其输入是优选实施例。

这样，关于本实施例的系统和过程可以被认为能够如下操作为三（3）个不同的X射线图像输入S2：

（i）没有X射线图像输入：没有检测到脊柱对准；脊柱对准检测器101不可操作或甚至不需要成为系统的一部分；

（ii）仅前后位（AP）X射线图像输入：二维（2D）；脊柱对准由脊柱对准检测器101检测；或

（iii）AP和侧向（LAT）X射线图像输入这两者：三维（3D）脊柱对准由脊柱对准检测器101检测。

（7）可以由人工智能（AI）S6-1检测的脊柱对准由人类专家S4-1进一步微调和/或确认，并且经过确认的脊柱对准S8-1被发送到对准注册单元105以进行进一步处理。本发明人已经开发了一种用于脊柱对准检测的深度学习模型。

（8）如果将X射线图像输入到系统，则通过对准注册单元（105）根据标志（S8-2）将脊柱对准（S8-1）注册到人体的3D点云（S102）。脊柱对准（S8-1）和标志（S8-2）这两者都包含用于注册的C7和L5的中心位置。最终输出是具有脊柱对准的人体的3D点云（S9）。

如果X射线图像没有被输入到系统，则没有检测到脊柱对准，并且对准注册单元（105）不起作用，则最终输出是没有脊柱对准的人体的3D点云（S9）。

（9）人工智能（AI）部件400包含两个AI框架：

（i）用于点云解剖标志检测的S6-2，以及

（ii）用于脊柱对准检测S6-1。

经过手动微调和/或确认的标志（S8-2）和脊柱对准（S8-1）用于进一步优化AI框架。

B. 仅使用3D点的几何构造优化（PC-点云数据）

在本发明的实施例中，仅利用RGBD数据，不利用X射线数据进行几何构造优化的障碍，参见图2b（i）：

（i）RGBD-PC生成器103将为RGBD图像S1的每个视图创建3D点云S101；

（ii）点云（PC）注册单元（104）将注册来自不同视图的3D点云以生成受试者S102的身体的3D点云；

（iii）点云（PC）标志检测器102将从RGBD图像S1检测解剖标志，并且人工智能（AI）部件400可以可选地用于解剖标志检测。可替代地，人工操作员（例如医疗从业者）可以手动地确定标志的位置；

（iv）对准注册单元105将注册受试者S102和解剖标志S8-2的3D点云。

在从其他方法或过程获得点云数据的情况下，可以省略步骤（i）和（ii），并且过程从步骤（iii）开始。

C. 利用3D点（PC-P oint云数据）和X射线数据这两者的几何构造优化

对于从例如RGBD图像采集装置获得的点云：

（i）RGBD-PC生成器103将为RGBD图像S1的每个视图创建3D点云S101；

（ii）PC注册单元104将注册来自不同获取视图的3D点云以生成受试者S102的3D点云；

（iii）PC标志检测器102将检测来自RGBD图像S1的标志，并且AI部件400用于解剖标志检测；

（iv）脊柱对准检测器101可以检测来自X射线的脊柱对准，并且AI部件400用于对准检测；以及

（v）对准注册单元105将注册受试者S102、解剖标志S8-2和脊柱对准S8-1的3D点云。

在从其他方法或过程获得点云数据的情况下，可以省略步骤（i）和（ii），并且过程从步骤（iii）开始。

人工智能（AI）驱动的标志和脊柱对准检测

当前技术通常是由脊柱外科医生、脊柱专家或临床医生进行的手动标志和脊柱对准检测。

5.1. 点云（PC）标志检测器102

根据本发明的实施例：

a. 本发明人已经开发并提供了一种用于自动检测解剖标志的顶部至底部AI框架。

b. U-Net++已经被训练为从RGBD图像分割人体区。

c. HRNet已经被进一步训练以基于RGBD图像从人体区识别解剖标志的位置。

本发明的该实施例提供的关键优点是提供更快和更一致的检测结果。

5.2. 脊柱对准检测器101

在本发明的实施例中，关于脊柱对准检测器101：

a. 本发明人已经开发了顶部至底部AI框架以自动地检测椎骨中心。

b. U-Net被训练以从X射线图像分割椎骨区。

c. HRNet被进一步训练以基于X射线图像来识别每个椎骨的4个拐角的位置。

d. 能够通过计算4个椎骨拐角的中心位置来确定椎骨中心。

本发明的该实施例提供的关键优点是提供更快和更一致的检测结果。

6. 几何构造优化

参考图2b（ii），示出了根据本发明的几何构造优化部件200的实施例的示意图。

几何构造优化部件200提供：

（A）手动几何构造优化（即，没有AI的几何构造优化），或

（B）人工智能（AI）辅助的几何构造优化，

如本发明的示例性实施例所述，针对人体的初始3D点云S9生成矫形器的几何构造优化的3D模型S10。

A. 没有人工智能（AI）的几何构造优化

对于仅利用3D点云的几何构造优化，输入（S9）将是人类和标志的3D点云。

对于利用3D点云数据和X射线数据的几何构造优化，输入S9将是受试者的3D点云数据，以及解剖标志和脊柱对准数据，并且：

（i）临床医生将扭转校正的程度S5-1分配给扭转校正单元203，该扭转校正单元203将对受试者的3D点数据进行扭转校正，并且标志（和脊柱对准）相应地改变以提供校正参考；

（ii）临床医生将背部平衡S5-2的程度分配给背部平衡单元204，该背部平衡单元204将对受试者的3D点数据进行背部平衡，并且解剖标志（和脊柱对准）相应地改变以提供校正参考；以及

（iii）临床医生将脊柱曲线校正的程度S5-3分配给脊柱曲线校正单元205，该脊柱曲线校正单元205将对受试者的3D点数据进行脊柱曲线校正，并且解剖标志（和脊柱对准）相应地改变以提供校正参考。

因此，最终校正后的3D点云S10是校正的目标，并且将用于进一步的矫形器支架设计。

基于规则的评估标准可以用作临床评估标准。临床评估标准可以是Cobb角评估。

B. 利用人工智能（AI）的几何构造优化

对于利用AI的几何构造优化：

（i）将受试者的初始3D点云、解剖标志（和脊柱对准）S9输入到AI几何构造优化单元202，其将自动生成AI几何构造优化的3D模型S201；

（ii）“A”的步骤（i）、（ii）和（iii）。以上没有人工智能（AI）的几何构造优化也将被进行以微调AI生成的结果。

AI生成能够使用3D生成模型来直接生成优化的3D模型。

可替代地，AI模型可以基于患者的3D点云数据、解剖标志（和脊柱对准）从库中选择特定的主支架模型。

AI模型的训练可以利用临床医生（例如一个或多个临床医生）的评估、通过规则间隔评估和学习系统来完成，由此解剖标志由人工智能（AI）引擎检测并应用基于规则的骨突起或身体标志的识别。

基于规则的评估标准优选地是临床评估标准。例如，临床评估标准可以是Cobb角评估。

通过可操作的示例，并且还参考图2b的实施例，展示了使用和不使用AI的几何构造优化：

（1）经由来自用户S5-0的信号来选择几何构造优化模式

如果用户选择手动模式：

（2）优化模式开关201将向上切换，并且初始3D点云S被直接输入到扭转校正单元203，并且AI几何构造优化单元202将不工作，因为它已经被绕过。

（3）本发明人已经开发了三（3）个独特的几何构造优化单元：

（a）扭转校正单元203,

（b）背部平衡单元204，以及

（c）脊柱曲线校正单元（205）

以辅助矫形器对初始3D点云S9逐步进行三（3）种不同的几何变换，以进行矫形器设计。

矫形器仅需要为每个几何构造优化单元S5-1、S5-2、S5-3分配1个参数，以控制每个几何构造变换的程度。

每个参数S5-1、S5-2、S5-3具有特定的临床意义。

如果用户选择AI辅助模式：

优化模式开关201将向下切换，并且初始3D点云S9被输入到AI几何构造优化单元202， 该AI几何构造优化单元202将自动生成矫形器S201的AI几何构造优化的3D模型。

（4）经由3个独特的几何构造优化单元扭转校正单元203、背部平衡单元204和脊柱曲线校正单元205，由AN矫形器进一步微调和/或确认矫形器S201的AI优化的3D模型，以便生成矫形器模型S10的最终几何构造优化。

AI部件（400）包含用于初始点云S9的自动几何构造优化的AI框架。

经过手动微调和/或确认的优化结果S10用于进一步优化AI框架。

当前的矫形器设计技术利用三点压力系统来保持适当的脊柱位置[1]。

脊柱矫形器根据其固定的脊柱区进行分类，例如颈椎矫形器（CO）、颈胸椎矫形器（CTO）和腰骶矫形器（LSO）[2, 3]。

设计变量是系统中三个预定义的点的2D位移，这些点是离散变量并且不能保证从3D视角的有效脊柱校正和校正功效。

当前技术旨在恢复2D纵向脊柱的正常配置，这从人体的俯视图中忽略了脊柱校正[4]。

6.1 扭转校正单元、背部平衡单元和脊柱弯曲校正单元

根据本发明的实施例，提供了：

a. 扭转校正单元203

扭转校正单元203提供：

（i）基于来自俯视图的PIIS（髂后下棘）基线来计算受试者的躯干旋转程度，

（ii）计算点云中的每个点的旋转程度，

（iii）找到中线作为旋转轴（穿过质心），

（iv）根据计算出的度数S202根据旋转轴来旋转每个点，

（v）手动输入参数（范围从0%~100%）S5-1以控制扭转校正的程度（参见图2c（i）和2c（ii））：

0%意味着没有校正，

100%意味着将躯干旋转校正为0。

b. 背部平衡单元204

背部平衡单元204提供：

（i）冻结身体的前部。

（ii）根据在每个高度处的所有点来拟合和调整点云的后部，目标是平均点云S203的左右对称位置。

（iii）手动输入参数（范围从0%~100%）（S5-2）以控制背部平衡的程度（参见图2c（iii）-2c（iv））

a. 0%意味着没有校正，

b. 100%意味着完美的左右对称。

c. 脊柱曲线校正单元205

脊柱曲线校正单元205提供

（i）计算脊柱曲线的长度；

（ii）固定脊柱曲线的最后的点，并将曲线拉直成具有相同长度的直线；

（iii）根据校正后的脊柱曲线，将点移动到校正后的位置S10；以及

（iv）手动输入参数（范围从0%~200%）S5-3以控制脊柱曲线校正的程度（参见图2d（i）-2d（iii））

a. %表示没有校正，

b. 100%意味着将脊柱曲线校正为直线，以及

c. 200%意味着将脊柱曲线校正为对称曲线。

本发明的该实施例提供的关键优点包括：

（i）从3D视角更准确地建模脊柱变形，

（ii）基于患者脊柱的3D校正对矫形器模型进行更精确和连续的校正，以及

（iii）基于具有特定临床意义的3D参数进行脊柱校正。

6.2. 人工智能（AI）几何构造优化单元

在本发明的实施例中，关于智能（AI）几何构造优化单元（202）：

a. 采用PointNet的基本架构的深度学习网络[5]用于从人体的整个初始点云提取点云特征（S9）。

b. 训练具有PointNet架构的另一深度学习网络以提取以每个解剖标志和椎骨中心为中心的多尺度点云特征。

c. 通过特征级联合并来自步骤a和步骤b的特征。

d. 开发多层感知器（MLP）以基于合并的特征生成每个点的位移。

e. 对初始点云应用位移以生成用于矫形器S201的几何构造优化点云。

f. 采用生成对抗网络（GAN）的流水线来训练AI模型。

本发明的该实施例提供的关键优点包括：

（i）用于矫形器的新颖的第一AI驱动的几何构造优化和设计，

（ii）快速自动的矫形器设计，以及

（iii）一致的优化结果，其不受校正师的主观经验或错误等的影响。

7. 生物力学优化

参考图3a（i），示出了根据本发明的确定用于受试者的脊柱对准的校正的矫形器的力学特性的过程300a的通用流程图。

过程300a包括以下步骤：

步骤（i）310a

接收受试者的脊柱区的身体表面的三维模型并且接收受试者的脊柱区的身体表面的校正后的三维模型，其中，所述校正后的三维模型从三维模型生成并且包括指示受试者的身体的脊柱区的身体表面的几何构造的输出数据以用于脊柱对准校正。

步骤（ii）320a

生成矫形器的三维模型和受试者的脊柱区的身体表面的校正后的三维模型的数值力学分析模型，其中，矫形器的所述三维模型由受试者的脊柱区的身体表面的校正后的三维模型生成，并且其中，矫形器的力学特性包括相对密度。

步骤（iii）330a

从受试者的脊柱区的身体表面的三维模型确定校正后的三维模型的点的位移。

步骤（iv）340a

从步骤（iii）处的位移来确定矫形器的应变能，并且改变矫形器的相对密度分布，直到满足应变能的预定阈值并且直到满足相对密度的预定阈值。

步骤（v）350a

基于所述相对密度分布来生成矫形器的拓扑；并且在满足相对密度的所述预定阈值时，输出矫形器的优化模型。

图3a（ii）示出了根据本发明的用于确定矫形器的力学特性以用于受试者的脊柱对准的校正的通用计算机化系统300b。

计算机化系统300b包括输入界面310b，其用于接收受试者的脊柱区的身体表面的三维模型，并且用于接收受试者的脊柱区的身体表面的校正后的三维模型。

校正后的的三维模型从三维模型生成，并且包括指示受试者的身体的脊柱区的身体表面的几何构造的输出数据以用于脊柱对准校正。

系统300b还包括处理器单元320b，其用于生成矫形器的三维模型和受试者的脊柱区的身体表面的校正后的三维模型的数值力学分析模型。

矫形器的三维模型由受试者的脊柱区的身体表面的校正后的三维模型生成，并且其中，矫形器的力学特性包括相对密度；用于：

（i）从三维模型确定校正后的三维模型的点的位移；以及

（ii）从所述位移确定矫形器的应变能，用于改变矫形器的相对密度分布，直到满足应变能的预定阈值并且直到满足相对密度的预定阈值；以及用于基于所述相对密度分布来生成所述矫形器的拓扑；并且在满足相对密度的所述预定阈值时，输出矫形器的优化模型。

受试者的脊柱区的身体表面的三维模型可以是三维点云模型、三维网格模型或三维体积模型，并且受试者的脊柱区的身体表面的校正后的三维模型是校正后的三维点云模型、三维网格模型或三维体积模型。

参考图3b（i），示出了生物力学优化部件的过程的实施例的流程图，并且图3b（ii）示出了根据本发明的图3b（i）的实施例的示意图。

生物力学优化部件300提供对矫形器S10的几何构造优化结果的生物力学优化，并且生成矫形器S3的最终优化3D模型，用于矫形器的进一步3D打印和制造。

根据本发明：

（1）位移计算单元301基于几何构造优化点云S10和初始点云S9来计算点云中的每个点S301的位移。

（2）几何构造优化的矫形器S302的3D网格模型由网格化单元300基于矫形器S10的几何构造优化的点云生成。

（3）将点位移S301、矫形器S302的3D网格模型和相对密度S304-1输入到数值分析单元302中以用于矫形器S303的生物力学模拟。

（4）基于模拟结果S303，拓扑优化单元304对矫形器模型进行拓扑优化，这生成矫形器模型S304-1的优化的相对密度分布和矫形器模型S304-2的对应孔隙度设计。

（5）优化终止器304将比较原始和优化的相对密度分布之间的差异。

如果未显著更新相对密度分布并且满足预定阈值，则将终止优化，并且将输出矫形器模型S304-2的优化孔隙度设计。

否则，优化将继续，并且优化的相对密度分布S304-1将被反馈到数值分析单元302以用于模拟优化的下一次迭代，直到满足预定阈值。

目标函数（应变能）的预定阈值被确定为优化问题的终止条件，其迭代地优化相对密度的分布，直到目标函数小于预定阈值。

（6）矫形器模型S304-2的优化孔隙度设计可以由微调单元305进一步处理以用于网格平滑和间隙修复，这将生成用于3D打印的矫形器S3的最终优化3D模型。

与脊柱矫形器设计有关的当前技术当前采用受传统制造方法限制的实心矫形器模型。

一些设计已经采用了多孔结构，目的是提高透气性和舒适度。然而，与本发明相比，孔的位置不是为了提供必要的优化生物力学结果而在数学上确定或设计的。

因此，这种现有装置不能提供预定的必要生物力学结果，并且确实可能引起局部应力集中，这在脊柱校正过程中对人体有害。此外，孔隙度分布不是个性化的以迎合患者的不同生物医学情况。传统的三点压力系统没有考虑矫形器结构的拓扑优化。当前现有矫形器的结构和形状分布主要取决于医生的专业知识，而无需逻辑方法，并且无需考虑必要的生物力学结果。

7.1. 数值分析单元

关于本发明的实施例的数值分析单元302，该实施例利用基于矫形器的多孔结构的多尺度数值分析框架来确保满足脊柱校正的力学约束和优异的生物医学性能这两者。

均质化：

经由将矫形器模型离散化成壳元素，在元素基中进行均质化。

矫形器的孔隙度分布经由每个元素的相对密度来控制。

如图3b（iii）所示，正方形板模型可以用作均质化模拟中的代表性体积元素（RVE）。

从宏观尺度来看，具有不同相对密度的均质化模型经由在RVE的中心处连续挖掘或创建不同半径的洞或孔径来获得。

因此，元素的相对密度和其他元素力学特性之间的组成关系通过均质化过程使用以下等式确定：

因此，组成关系的结果如下所示：

一旦确定了元素的相对密度，就可以计算其他元素力学特性，用作进一步力学分析的输入。

从宏观尺度来看，采用实体矫形器模型用于使用元素相对密度和其他力学特性作为输入信息的力学仿真。

不均匀的孔隙度分布：

本发明提供了一种分析确定的设计方法或过程，用于基于不同受试者的拓扑优化结果的非均匀孔隙度分布，以便满足必要的生物力学要求。

在将矫形器模型离散化为多个矩形元素之后，矫形器的孔隙度分布经由每个元素的相对密度来控制，该相对密度从拓扑优化的结果导出。

结合增材制造技术，可以实现不均匀的孔隙度分布，以便提供必要的矫形器，例如脊柱矫形器。

由本发明提供的均质化的优点包括：

均质化：

（i）这确保了具有复杂几何构造的矫形器建模的高效率。

（ii）这大大提高了数值模拟中的计算效率。

不均匀的孔隙度分布：

（i）这确保了矫形器中的逻辑和适当的材料分布，同时避免了人体中的局部应力集中，这可能导致受试者不适并且在一些情况下可能导致损伤。

（ii）可以实现具有各种逻辑和适当孔隙度分布的矫形器的定制设计，以适应患者的生物医学状况。

7.2. 拓扑优化单元

本实施例的拓扑优化单元304可以利用基于具有惩罚的固体各向同性材料（SIMP）的方法的自动拓扑优化框架，以用最少的材料实现最佳的生物医学和结构性能。

目标函数：

对于目标函数，总应变能是，其中，F、U和K分别表示全局力、位移和刚度矩阵。

在元素分析中，应变能也可以表示为

针对总共N个元素的。

获得相对密度的最佳分布的该优化问题表示如下：

优化变量：

相对密度表示离散化矫形器模型之后元素的体积比，其从零到一变化。

相对密度与和不同，并且必须大于0以避免计算期间矩阵的奇异性。

为了避免棋盘图案配置并导致无法获得清晰的优化边界，需要使用卷积方法来过滤和更新优化的设计变量，这可以提供自平滑结果：

使用过滤器函数的目的主要是避免实际矫形器中孔隙度分布的太离散的结果。

在以上等式中，R表示卷积滤波器的半径，M表示该域中元素的总数，并且dist(i,j)表示这两个元素之间的距离。

滤波器权重主要取决于分立元素之间的距离。

较大的相对距离意味着相互作用的影响较小，因此相邻元素的影响减小。

相反，如果相邻元素彼此非常接近，则它们的相互作用的影响更大，并且需要增加权重。

约束条件：

体积比约束如下所示：

而表示目标优化矫形器的体积，并且V示出当前迭代步骤的体积。

约束是目标脊柱矫形器的保留材料与初始模型之间的体积分数，其在当前优化过程中被定义为50%。

优化求解器：

通过使用有限元方法（FEM）求解控制等式KU=F以获得结构的每个节点处的节点位移和节点力，元素通过节点连接，因此节点力通过节点传播。

使用最优性标准（OC）方法的优化需要计算目标函数和约束的偏导数，并通过应用拉格朗日乘数（）来求解它们。

其中，U和K是全局位移和刚度矩阵，并且、和是元素刚度、位移和体积。

拉格朗日乘数方法的目的是通过将约束转换成变量来将约束优化问题直接转换为无约束优化问题。

拉格朗日乘数背后的数学含义是约束方程的梯度的线性组合中的各个向量的系数。是标量并且是向量；而是松弛因子，并且满足Kuhn-Tucker条件如下：

为了通过考虑来简化计算：

因此，基于最优性标准方法应用脊柱矫形器更新的迭代公式可以如下获得：

其中，是确保稳定收敛的阻尼系数。可以基于两个相邻迭代步骤的设计变量的最大分量之间的差来确定收敛标准：

其中，表示迭代收敛标准（通常将其设置为0.01）。当相邻分析步骤中的设计变量的最大值之间的差满足上述表达式时，优化过程完成。

本发明提供的拓扑优化的优点包括：

（i）拓扑优化可以应用于多阶段脊柱矫形器模型，允许为每个校正阶段生成对应的矫形器；

（ii）其确保在特定体积约束下实现最大生物医学和结构性能，从而导致矫形器产品的高成本效益；

（iii）通过拓扑优化脊柱矫形器获得的孔隙度分布更合理、合理和适当；

（iv）优化的脊柱矫形器避免了局部应力集中，这可以延长矫形器产品的使用寿命；以及

（v）自动优化大大提高了矫形器的设计效率，并有助于消除医生在矫形器设计中的经验依赖。

8. 本发明的示例-矫形器

参考图4，示出了用于矫形器的本发明的步骤的示例性实施例的流程图表示400，在这种情况下，示例性实施例是用于受试者的脊柱的优化的身体支架。

步骤1-点云数据预处理（410）

点数据被预处理以创建用于分析的表面模型。

脊柱的扭曲角度和位移从AI模型获得。

步骤2-静止状态分析以获得节点RF（420）

导入边界条件以使用无限元素来求解节点RF。

步骤3-基于修正后E和nu进行优化（423）

该步骤包括导入节点RF作为边界条件，用于在每个周期中优化和更新E和nu，并获得每个元素相对密度。

步骤4-产生自动重建（440）

该步骤包括使用计算机辅助设计软件来自动重建支架模型和导出模型。

参考图5，示出了用于优化本发明的实施例的身体支架的步骤的流程图。

在图6中示出了处理图5的实施例的背部表面重建的点云的示例。收集并预处理人类背部点云数据。在重建背部表面的点云之后。如图6所示，整个表面平面正在旋转，然后将其用于细化脊柱曲线。

现在参考图7，示出了图5的实施例的背部表面重建的点云到自动网格的过程的第一步骤。所形成的网格是质量差的三角形元素网格。网格的修复是必要的，因为许多元素重叠并且边界不清楚。

现在参考图8，示出了图5的实施例的背部表面重建的点云到自动网格的结果的第二步骤的表示。

现在参考图9，示出了将子区网格重新拟合到图5的实施例的背部表面重建的整个表面的过程的第三步骤。整个网格被分成几个区。为每个划分区创建网格。然后将不同区中的子网格接合在一起并重新拟合到整个表面。

现在参考图10，示出了图5的实施例的将控制点拟合到背部表面重建的表面的过程的第四步骤。提取边界的控制点并将其分成四个部分。控制点的每个部分被拟合到平面。虽然控制点也被提取并拟合到表面，但是整个表面和四个平面之间的差异通过布尔进行比较。

参考图11a-图22b，示出并描述了根据本发明的校正装置（即脊柱支架型校正装置）的设计优化过程的实施例。

参考图11a和图11b，示出了在本发明的实施例中校准所有点云的过程的示例。图11c示出了关于图11a和11b的基准平面的透视图；由于初始点云的基准平面是不确定的，因此需要在基准平面上执行脊柱的调整，需要校准所有点云。

图12示出了在图11a-11c的实施例的最终拟合平面的20000次迭代之后的结果的图形表示。通过使用校准板的点云的随机抽样一致性方法找到基准平面。

现在参考图13a-13c，图13a示出了在本发明的示例中获得2684个人类背部表面重建和脊柱曲线的结果的透视图。

图13b示出了获得2684个图13a的人类背部表面重建和脊柱曲线的结果的侧视图。

图13c示出了获得2684个图13a和13b的人类背部表面重建和脊柱曲线的结果的俯视图。

图14示出了修正本示例的点云的示例。当修正点云时，一些点云将丢失，因此点云将看起来是逐层断开的。由于脊线的校正不大，因此它对该点云没有太大影响。

现在参考图15和15b，图15a是本示例的拟合到从点云轮廓的极值点获得的脊柱曲线（Sentin）的脊柱曲线（Naen）的图形表示。

图15b示出了本示例的目标脊柱曲线的图形表示。

图16是本示例的修正后的目标点云的图形表示。

将更新的脊柱曲线（Naen）拟合到从点云轮廓的极值点获得的脊柱曲线（Sentin）。然后重写代码以用于点云横向变换。代码仍然需要进一步改进以便减轻低精度点云的失真以及高精度点云的局部点，如图16所示。

图17a-18b涉及根据本发明的用于分析支架的网格的制备。

图17a示出了由ABAQUS创建的网格，用于分析本示例以进行静态分析和优化；图17b示出了由Hypermesh创建的网格创建的网格以用于静态分析和优化。

由ABAQUS和Hypermesh创建的网格具有较差的质量。网格元素是不均匀分布的。

图18a示出了用控制区和点手动调整的网格，用于静态分析和优化。

图18b示出了用于静态分析和优化的具有四边形元素的以10的网格大小手动调整的网格。整个模型被手动划分为46个子区，以逐个节点地校正网格并生成对应的.INP文件，导致4个节点壳元素的均匀分布。

图19a-20b涉及根据本示例的节点反作用力的计算、节点模式的优化模型和节点负载的边界条件。

图19a示出了根据修改的脊柱曲线的波节反作用力的计算。图19b示出了具有节点负载的优化模型。

图20a分别示出了顶部、左和右以及底部的边界条件。

图20b示出了作为节点负载提取的节点反作用力的结果。

图21a-22b涉及根据本示例的用于确定静态变形和应力的静态分析以及示出变形和应力的优化。图21a示出了静态分析过程中变形的结果。图21b示出了静态分析过程中应力的结果。图22a示出了优化过程中变形的结果。图22b示出了优化过程中应力的结果。

优化过程现在在第二迭代步骤中收敛，并且变形从优化结果增加，但是变形分布与如图21a和22a所示的静态分析的变形分布相同。最大应力减小64%。

参考图23a-23d，示出了根据本发明的固体各向同性材料的迭代的实施方式的说明性示例。

图23a示出第一次迭代，图23b示出第八次迭代，图23c示出第12次迭代，并且图23d示出第54次迭代。

出于在本发明的过程的实践中实现的说明性目的，图24a至30d提供了说明性示例。

图24a至图25b示出了结构圆柱形元素的边界条件和静态分析。

图24a示出了具有固定顶部边界的边界条件和结构元素的静态分析。参考图24a，图24b示出了具有固定参考旋转点的边界条件。

图25a以三维示出了图24a和24b的元素的静态分析过程中的应力结果。图25b以三维示出了图24a、24b和25a的结构元素在静态分析过程中的变形的结果。

图26a示出了根据本发明的目标函数，即不同最小密度下的总应变能。图26b是图26a的表格表示。

图27a示出了基于体积比约束的不同最小密度的体积比。图27b是图27a的表格表示。

图28a-28d示出了不同最小密度的材料密度分布。

图28a示出了最小密度为0.1的数据，图28b示出了最小密度为0.3的数据，图28c示出了最小密度为0.5的数据，并且图28d示出了最小密度为0.7的数据。

图29a-29d示出了不同最小密度的应力分布；

图29a示出了最小密度为0.1、最大应力为6.283 MPa的数据，图29b示出了最小密度为0.3、最大应力为124.6 MPa的数据，图29c示出了最小密度为0.5、最大应力为139.0MPa的数据，并且图29d示出了最小密度为0.7、最大应力为194.3 MPa的数据。

图30a-30d示出了不同最小密度的变形分布；

图30a示出了最小密度为0.1的数据，图30b示出了最小密度为0.3的数据，图30c示出了最小密度为0.5的数据，并且图30d示出了最小密度为0.7的数据。

图31示出了在本发明的实施例的示例中python脚本的优化的流程图。在步骤3110中，首先在ABAQUS中创建模型、网格化和边界条件。其中边界条件从静态位移约束分析情况的相等节点反作用力负载获得。通过每个元素的中心点和每个元素的邻居权重（Rmin）来计算元素和节点特性3120，以避开棋盘。

然后将数据导入到ABAQUS以进行静态分析3130。不需要直接针对边界条件修改全局刚度矩阵。如果结果收敛，则元素密度将被附加到.odb文件。如果结果未收敛，则将执行进一步的步骤3160。FOP结果是通过更新元素材料特性以计算元素灵敏度来获得的。从静态分析3130重复这些步骤，直到结果收敛。

图32a示出了本示例中的元素材料特性（E和nu）的拟合的边界条件。图32b示出了在本示例中并且相对于图32a的元素材料特性的拟合的未变形和变形结果。图32c示出了在本示例中并且关于图32a和32b的元素材料特性的拟合的情况生成。

图33a示出了本示例中的曲线拟合的结果。图33b示出了用优化方法更新的曲线拟合的结果。在本实施例中并参考图33a。图34a示出了在本示例中用于2D情况的悬臂梁的相对密度的初步结果。图34b示出了在本示例中悬臂梁的应力的初步结果。图34c示出了本示例中的悬臂梁的变形的初步结果。

图35a示出了根据本发明的支架的圆柱形元素示例的相对密度的初步结果。图35b示出了根据本发明并参考图35a的圆柱形元素示例的应力的初步结果。

图35c示出了根据本发明并参考图35a和35b的圆柱形元素示例的变形的初步结果。

图36a示出了在本发明的实施例中用于模型自动重建的python脚本的流程图。在预处理ODB文件3610中获得节点坐标和元素相对密度。每个元素的中心点由Heron公式3620计算。根据相对密度来创建洞，其相对密度是E/nu与空隙比之间的关系。创建单独的固体和提取物表面。将整个元素表面和偏移接合在一起并且导出.stl文件3600c以用于3D打印。

图36b示出了预处理ODB文件的示例。图36c展示.stl文件的示例。

图37a示出了圆柱形刚体的模型和BC（边界条件）。图37b示出了图37a的圆柱形刚性主体的网格。

图38a示出了图37a和37b的圆柱形刚性主体的位移分布。图38b示出了图37a、37b和38a的圆柱形刚性主体的应力分布；以及

图38c示出了图37a、37b以及38a和38b的圆柱形刚性主体的相对密度分布。

计算机辅助设计和计算机辅助制造（CAD/CAM）系统的引入和采用有助于更准确的数字设计和更高的生产率，从而代替负模铸件和手动校正程序。

增材制造（3D打印）可以更精确地制造支架以实现完美的配合，并且能够对患者进行更大的定制。

具有固态各向同性材料和惩罚（SIMP）的非周期性材料设计（AMD）可以在特定目标函数和约束条件下实现最佳材料分布并获得具有更高强度的支架。

如本发明所提供的，存在使用深度感测和SIMP来为AIS患者产生与AMD的有效矫形器的AI促进的系统和装置。所提供的益处将包括有效的校正和佩戴和使用舒适。

9. 参考文献

[1]Wepner、Justin L.和Alan P.Alfano.“脊柱矫形器的原理和组成（Principlesand Components of Spinal Orthoses）”，训练图谱和辅助装置。Elsevier,2019.69-89。

[2] Lumsden，R.M.I.I.和Morris，J.M.“腰骶关节轴向旋转和固定的体内研究（Anin vivo study of axial rotation and immobilization at the lumbosacraljoint）”，JBJS 50.8（1968）：1591-1602。。

[3]Newman、Meredith、Catherine Minns Lowe和Karen Barker.“脊柱矫形器治疗椎体骨质疏松症和骨质疏松性椎体骨折：系统综述（Spinal orthoses for vertebralosteoporosis and osteoporotic vertebral fracture: a systematic review）”，物理医学与康复档案97.6（2016）：1013-1025”。

[4] Weinstein，Stuart L等人.“青少年特发性脊柱侧凸（Adolescentidiopathic scoliosis）”，《柳叶刀》（英国伦敦）第3719623卷（2008年）：1527-37。doi:10.1016/S0140-6736（08）60658-3。

[5] Qi，Charles R.等人.“点网：用于三维分类和分割的点集深度学习（Pointnet: Deep learning on point sets for 3d classification andsegmentation）”IEEE计算机视觉和模式识别会议论文集. 2017。

Claims (77)

1.一种能够使用计算机化系统操作的过程，用于提供指示受试者的身体的脊柱区的几何构造的输出数据以用于脊柱对准校正，所述过程包括以下步骤：

（i）从所述受试者的所述脊柱区的身体表面的三维点云模型中检测所述受试者的身体标志，其中，所述身体标志是指示所述受试者的脊柱解剖标志的标志；

（ii）确定所述受试者的所述脊柱的脊柱校正，其中，所述脊柱校正提供所述受试者的脊柱对准校正，以及

（iii）生成所述受试者的所述脊柱区的校正后的三维点云模型，

其中，所述校正后的三维点云模型是基于所述受试者的所述脊柱校正和所述受试者的所述脊柱区的表面的所述三维点云模型而生成的，

其中，所述校正后的三维点云模型包括用于所述受试者的脊柱对准校正的输出数据，所述输出数据指示出所述受试者的所述身体的所述表面的所述脊柱区的所述几何构造，所述几何构造包括所述受试者的所述身体标志，以及

其中，来自所述受试者的所述脊柱区的所述身体表面的所述三维点云模型的所述身体标志和所述受试者的所述脊柱的所述脊柱解剖标志在所述受试者的所述脊柱区的所述校正后的三维点云模型的生成期间移动。

2.根据权利要求1所述的过程，其中，

所述受试者的所述脊柱区的所述三维点云模型是从一个或多个数据输入集生成的，其中，

所述一个或多个数据输入集中的每个数据输入集指示出所述受试者的光学图像，并且，

其中，所述光学图像是指示出所述受试者的所述脊柱区的所述几何构造的三维光学图像。

3.根据权利要求2所述的过程，其中，

所述光学图像是红色、绿色、蓝色和深度（RGBD）图像。

4.根据权利要求3所述的过程，其中，

所述三维点云模型是使用来自所述受试者的所述脊柱区的对应的一个三维光学图像的一个数据集生成的。

5.根据权利要求4所述的过程，其中，

所述一个三维光学图像是所述受试者的所述脊柱区的后前位（PA）三维光学图像。

6.根据权利要求2或权利要求3所述的过程，其中，

所述三维点云模型是使用来自所述受试者的所述脊柱区的三个对应的三维光学图像的三个数据集生成的。

7.根据权利要求6所述的过程，其中，

所述受试者的所述脊柱区的所述三维光学图像是所述受试者的所述脊柱区的后前位（PA）、左（Lt）和右（Rt）三维光学图像。

8.根据前述权利要求中任一项所述的过程，其中，

从所述受试者的所述脊柱区的所述三维点云模型来确定所述受试者的所述脊柱校正。

9.根据权利要求1至7中任一项所述的过程，其中，

从所述受试者的所述脊柱区的一个或多个医学图像，由所述受试者的所述脊柱的所述脊柱解剖标志来确定所述受试者的所述脊柱校正。

10.根据权利要求9所述的过程，其中，

所述一个或多个医学图像是所述受试者的所述脊柱区的一个或多个X射线图像。

11.根据权利要求10所述的过程，其中，

所述一个或多个医学图像是所述受试者的所述脊柱区的前后位（AP）X射线图像，以提供所述受试者的所述脊柱的二维（2D）脊柱对准校正。

12.根据权利要求10所述的过程，其中，

所述一个或多个医学图像是所述受试者的所述脊柱区的前后位（AP）X射线图像和侧向（LAT）X射线图像，以提供所述受试者的所述脊柱的三维（3D）脊柱对准校正。

13.根据前述权利要求中任一项所述的过程，其中，

由预先训练的人工智能（AI）部件，检测从所述受试者的所述脊柱区的所述表面的三维点云模型检测到的所述受试者的所述身体标志。

14.根据权利要求13所述的过程，其中，

由所述预先训练的人工智能（AI）部件检测到的所述身体标志位置被由一个或多个人工操作员进一步审查并且在需要时微调。

15.根据权利要求14所述的过程，其中，

通过由所述一个或多个人工操作员分配扭转、背部平衡和脊柱曲线校正中的一个或多个，来确定用于所述受试者的脊柱对准校正的所述脊柱校正。

16.根据权利要求1至13中任一项所述的过程，其中，

由预先训练的人工智能（AI）单元，从所述受试者的所述脊柱区的所述表面的所述三维点云模型和所述身体标志位置来提供所述受试者的所述脊柱区的所述表面的所述校正后的三维点云模型。

17.根据权利要求16所述的过程，还包括：

由一个或多个人工操作员通过分配扭转、背部平衡和脊柱曲线校正中的一个或多个来进行微调。

18.根据前述权利要求中任一项所述的过程，其中，

指示出用于脊柱对准校正的所述受试者的所述身体的所述表面的所述脊柱区的所述几何构造的所述输出数据指示出用于向所述受试者提供所述脊柱对准校正的矫形器的几何构造。

19.一种计算机化系统，用于提供指示出受试者的身体的脊柱区的几何构造的输出数据以用于脊柱对准校正，所述系统包括：

几何构造优化部件，所述几何构造优化部件用于从所述受试者的所述脊柱区的身体表面的三维点云模型中检测所述受试者的身体标志，其中，所述身体标志是指示出脊柱解剖标志的标志；

所述几何构造优化部件用于生成所述受试者的所述脊柱区的校正后的三维点云模型，

其中，所述校正后的三维点云模型是基于所述受试者的所述脊柱校正以及基于所述受试者的所述脊柱区的表面的所述三维点云模型生成的，其中，所述脊柱校正提供所述受试者的脊柱对准校正，

其中，所述校正后的三维点云模型包括用于所述受试者的脊柱对准校正的输出数据，所述输出数据指示出包括所述受试者的所述身体标志的所述受试者的所述身体的所述表面的所述脊柱区的所述几何构造；以及

其中，来自所述受试者的所述脊柱区的所述身体表面的所述三维点云模型的所述身体标志和所述受试者的所述脊柱的所述脊柱解剖标志在所述受试者的所述脊柱区的所述校正后的三维点云模型的生成期间移动。

20.根据权利要求19所述的计算机化系统，还包括：

点云生成部件，用于从一个或多个数据输入集来生成所述受试者的所述脊柱区的所述三维点云模型，其中，

所述一个或多个数据输入集中的每个数据输入集指示出所述受试者的光学图像，并且其中，

所述光学图像是指示出所述受试者的所述脊柱区的所述几何构造的三维光学图像。

21.根据权利要求20所述的计算机化系统，其中，

所述光学图像是红色、绿色、蓝色和深度（RGBD）图像。

22.根据权利要求19或权利要求20所述的计算机化系统，其中，

所述三维点云模型是使用来自所述受试者的所述脊柱区的对应的一个三维光学图像的一个数据集生成的。

23.根据权利要求22所述的计算机化系统，其中，

所述一个三维光学图像是所述受试者的所述脊柱区的后前位（PA）三维光学图像。

24.根据权利要求20或权利要求21所述的计算机化系统，其中，

使用来自所述受试者的所述脊柱区的三个对应的三维光学图像的三个数据集来生成所述三维点云模型。

25.根据权利要求24所述的计算机化系统，其中，

所述受试者的所述脊柱区的所述三维光学图像是所述受试者的所述脊柱区的后前位（PA）、左（Lt）和右（Rt）三维光学图像。

26.根据权利要求19至25中任一项所述的计算机化系统，其中，

从所述受试者的所述脊柱区的所述三维点云模型来确定所述受试者的所述脊柱校正。

27.根据权利要求19至25中任一项所述的计算机化系统，其中，

由所述受试者的所述脊柱区的一个或多个医学图像来确定所述受试者的所述脊柱校正。

28.根据权利要求27所述的计算机化系统，其中，

所述一个或多个医学图像是所述受试者的所述脊柱区的一个或多个X射线图像。

29.根据权利要求28所述的计算机化系统，其中，

所述一个或多个医学图像是所述受试者的所述脊柱区的前后位（AP）X射线图像，以提供所述受试者的所述脊柱的二维（2D）脊柱对准校正。

30.根据权利要求27所述的计算机化系统，其中，所述一个或多个医学图像是所述受试者的所述脊柱区的前后位（AP）X射线图像和侧向（LAT）X射线图像，以提供所述受试者的所述脊柱的三维（3D）脊柱对准校正。

31.根据权利要求19至30中任一项所述的计算机化系统，其中，

由预先训练的人工智能（AI）组件检测从所述受试者的所述脊柱区的所述表面的三维点云模型检测到的所述受试者的所述身体标志。

32.根据权利要求31所述的计算机化系统，还包括：

用户界面，使得由所述预先训练的人工智能（AI）部件检测到的校正后的解剖标志位置由一个或多个人工操作员进一步审查并且在需要时微调。

33.根据权利要求32所述的计算机化系统，其中，

通过由所述一个或多个人工操作员分配扭转、背部平衡和脊柱曲线校正中的一个或多个，来确定用于所述受试者的脊柱对准校正的所述脊柱校正。

34.根据权利要求19至31中任一项所述的计算机化系统，还包括：

预先训练的人工智能（AI）单元，其中，

由所述预先训练的人工智能（AI）单元，从所述受试者的所述脊柱区的所述表面的所述三维点云模型和所述身体解剖标志位置提供所述受试者的所述脊柱区的所述表面的所述校正后的三维点云模型。

35.根据权利要求34所述的计算机化系统，还包括：

另一用户界面，用于由一个或多个人工操作员通过分配扭转、背部平衡和脊柱曲线校正中的一个或多个来进行微调。

36.根据权利要求19至35中任一项所述的计算机化系统，还包括：

输出界面，用于输出指示出用于脊柱对准校正的所述受试者的所述身体的所述表面的所述脊柱区的所述几何构造的所述数据，所述所述几何构造指示出用于向所述受试者提供所述脊柱对准校正的矫形器的几何构造。

37.一种能够使用计算机化系统操作的过程，所述计算机化系统确定矫形器的力学特性以用于受试者的脊柱对准的校正，所述过程包括以下步骤：

（i）接收所述受试者的脊柱区的身体表面的三维模型并且接收所述受试者的所述脊柱区的所述身体表面的校正后的三维模型，其中，所述校正后的三维模型是从所述三维模型生成的并且包括指示出所述受试者的所述身体的所述脊柱区的所述身体表面的所述几何构造的输出数据以用于脊柱对准校正；

（ii）生成所述矫形器的三维模型和所述受试者的所述脊柱区的所述身体表面的校正后的三维模型的数值力学分析模型，其中，所述矫形器的所述三维模型是由所述受试者的所述脊柱区的所述身体表面的所述校正后的三维模型生成的，并且其中，所述矫形器的所述力学特性包括相对密度；

（iii）从所述受试者的所述脊柱区的所述身体表面的所述三维模型，确定所述校正后的三维模型的点的位移；

（iv）从步骤（iii）处的所述位移来确定所述矫形器的应变能，并且改变所述矫形器的相对密度分布，直到满足应变能的预定阈值并且直到满足相对密度的预定阈值；以及

（v）基于所述相对密度分布来生成所述矫形器的拓扑；并且在满足相对密度的所述预定阈值时，输出所述矫形器的优化模型。

38.根据权利要求37所述的过程，其中，

所述矫形器的所述相对密度分布是所述矫形器的孔隙度分布。

39.根据权利要求38所述的过程，其中，

所述孔隙度分布是基于所述受试者的拓扑优化结果的非均匀孔隙度分布。

40.根据权利要求37至39中任一项所述的过程，其中，

所述受试者的所述脊柱区的所述身体表面的所述三维模型是三维点云模型，并且其中，

所述受试者的所述脊柱区的所述身体表面的所述校正后的三维模型是校正后的三维点云模型。

41.根据权利要求37至39中任一项所述的过程，其中，

所述受试者的所述脊柱区的所述身体表面的所述三维模型是三维网格模型，并且其中，

所述受试者的所述脊柱区的所述身体表面的所述校正后的三维模型是校正后的三维网格模型。

42.根据权利要求37至39中任一项所述的过程，其中，

所述受试者的所述脊柱区的所述身体表面的所述三维模型是三维体积模型，并且其中，

所述受试者的所述脊柱区的所述身体表面的所述校正后的三维模型是校正后的三维体积模型。

43.一种用于对受试者的脊柱对准进行校正的矫形器，其中，

所述矫形器的力学特性由根据权利要求37至42中任一项所述的过程确定，并且其中，

所述矫形器的几何构造是基于所述受试者的脊柱区的身体表面的所述校正后的三维模型。

44.根据权利要求43所述的矫形器，其中，

所述矫形器的至少一部分由增材制造技术形成。

45.根据权利要求43或权利要求44所述的矫形器，其中，

所述矫形器的至少一部分是整体式的。

46.根据权利要求43至45中任一项所述的矫形器，其中，

所述矫形器的至少一部分由聚合物材料形成。

47.根据权利要求46所述的矫形器，其中，

所述矫形器的所述至少一部分由聚氨酯（PE）形成。

48.一种计算机化系统，用于确定矫形器的力学特性以用于对受试者的脊柱对准进行校正，所述系统包括：

输入界面，所述输入界面用于接收所述受试者的脊柱区的身体表面的三维模型，并且用于接收所述受试者的所述脊柱区的所述身体表面的校正后的三维模型，其中，所述校正后的三维模型是从所述三维模型生成的并且包括指示出所述受试者的所述身体的所述脊柱区的所述身体表面的所述几何构造的输出数据以用于脊柱对准校正；以及

处理器单元，所述处理器单元用于生成所述矫形器的三维模型和所述受试者的所述脊柱区的所述身体表面的校正后的三维模型的数值力学分析模型，

其中，所述矫形器的所述三维模型由所述受试者的所述脊柱区的所述身体表面的所述校正后的三维模型生成，并且

其中，所述矫形器的所述力学特性包括相对密度；用于从所述三维模型确定所述校正后的三维模型的点的位移；以及从所述位移来确定所述矫形器的应变能，用于改变所述矫形器的相对密度分布，直到满足应变能的预定阈值并且直到满足相对密度的预定阈值；以及用于基于所述相对密度分布来生成所述矫形器的拓扑，并且在满足相对密度的所述预定阈值时，输出所述矫形器的优化模型。

49.根据权利要求48所述的计算机化系统，其中，

所述矫形器的所述相对密度分布是所述矫形器的孔隙度分布。

50.根据权利要求49所述的计算机化系统，其中，

所述孔隙度分布是基于所述受试者的拓扑优化结果的非均匀孔隙度分布。

51.根据权利要求48至50中任一项所述的计算机化系统，其中，

所述受试者的所述脊柱区的所述身体表面的所述三维模型是三维点云模型，并且其中，

所述受试者的所述脊柱区的所述身体表面的所述校正后的三维模型是校正后的三维点云模型。

52.根据权利要求48至50中任一项所述的计算机化系统，其中，

所述受试者的所述脊柱区的所述身体表面的所述三维模型是三维网格模型，并且其中，

所述受试者的所述脊柱区的所述身体表面的所述校正后的三维模型是校正后的三维网格模型。

53.根据权利要求48至50中任一项所述的计算机化系统，其中，

所述受试者的所述脊柱区的所述身体表面的所述三维模型是三维体积模型，并且其中，

所述受试者的所述脊柱区的所述身体表面的所述校正后的三维模型是校正后的三维体积模型。

54.根据权利要求48至53中任一项所述的计算机化系统，

在满足相对密度的所述预定阈值时，输出所述矫形器的优化模型，并且其中，

所述矫形器的所述几何构是基于所述受试者的身体表面脊柱区的所述校正后的三维模型。

55.一种计算机化系统，用于确定矫形器的力学特性以用于受试者的脊柱对准的校正，所述系统包括：

输入界面，所述输入界面用于接收所述受试者的脊柱区的身体表面的三维模型并且用于接收所述受试者的所述脊柱区的所述身体表面的校正后的三维模型，其中，所述校正后的三维模型是从所述三维模型生成的并且包括指示所述受试者的所述身体的所述脊柱区的所述身体表面的所述几何构造的输出数据以用于脊柱对准校正；

位移计算单元，所述位移计算单元用于计算在所述受试者的所述脊柱区的所述三维模型以及所述受试者的所述脊柱区的所述校正后的三维模型中的每个点的位移；

网格化单元，所述网格化单元用于从所述受试者的所述脊柱区的所述校正后的三维模型来生成矫形器的三维模型；

数值分析单元，所述数值分析单元用于所述矫形器的力学仿真，其中，所述数值分析单元基于矫形器的所述三维模型、在所述三维模型中的每个点的所述位移以及包括相对密度的所述矫形器的所述力学特性来执行所述力学仿真；以及

拓扑优化单元，所述拓扑优化单元用于基于来自所述数值分析单元的结果来证明所述矫形器的模型的拓扑优化，并且用于在满足应变能的预定阈值和满足相对密度的预定阈值时来提供所述矫形器的优化相对密度。

56.根据权利要求55所述的计算机化系统，其中，

所述矫形器的所述相对密度分布是所述矫形器的孔隙度分布。

57.根据权利要求56所述的计算机化系统，其中，

所述孔隙度分布是基于所述受试者的拓扑优化结果的非均匀孔隙度分布。

58.根据权利要求55至57中任一项所述的计算机化系统，其中，

所述受试者的所述脊柱区的所述身体表面的所述三维模型是三维点云模型，并且其中，

所述受试者的所述脊柱区的所述身体表面的所述校正后的三维模型是校正后的三维点云模型。

59.根据权利要求55至57中任一项所述的计算机化系统，其中，

所述受试者的所述脊柱区的所述身体表面的所述三维模型是三维网格模型，并且其中，

所述受试者的所述脊柱区的所述身体表面的所述校正后的三维模型是校正后的三维网格模型。

60.根据权利要求55至57中任一项所述的计算机化系统，其中，

所述受试者的所述脊柱区的所述身体表面的所述三维模型是三维体积模型，并且其中，

所述受试者的所述脊柱区的所述身体表面的所述校正后的三维模型是校正后的三维体积模型。

61.根据权利要求55至60中任一项所述的计算机化系统，还包括：

用于网格平滑和所述网格的间隙修复的微调单元。

62.一种用于对受试者的脊柱对准进行校正的矫形器，其中，所述矫形器具有通过包括以下步骤的过程确定的相对密度：

（i）接收所述受试者的所述脊柱区的三维模型并且接收所述受试者的所述脊柱区的校正后的的三维模型，其中，所述校正后的三维模型从所述三维模型生成的并且包括指示出所述受试者的所述身体的所述脊柱区的所述几何构造的输出数据以用于脊柱对准校正；

（ii）生成所述矫形器的所述三维模型和所述受试者的所述脊柱区的所述校正后的三维模型的数值力学分析模型，其中，所述矫形器的所述三维模型是从所述受试者的所述脊柱区的所述校正后的三维模型生成的，并且其中，所述矫形器的力学特性包括相对密度；

（iii）从所述三维模型来确定所述校正后的三维模型的点的位移；

（iv）从步骤（iii）处的所述位移来确定所述矫形器的应变能，并且改变所述矫形器的相对密度分布，直到满足应变能的预定阈值并且直到满足相对密度的预定阈值；

其中，所述矫形器的拓扑是基于所述相对密度分布，并且

其中，所述矫形器的所述几何构造是基于所述受试者的所述脊柱区的所述身体表面的所述校正后的三维模型。

63.根据权利要求62所述的矫形器，其中，

所述矫形器的所述相对密度分布是所述矫形器的孔隙度分布。

64.根据权利要求63所述的矫形器，其中，

所述孔隙度分布是基于所述受试者的拓扑优化结果的非均匀孔隙度分布。

65.根据权利要求62至64中任一项所述的矫形器，其中，

所述矫形器的至少一部分由增材制造技术形成。

66.根据权利要求62至65中任一项所述的矫形器，其中，

所述矫形器的至少一部分是整体式的。

67.根据权利要求62至66中任一项所述的矫形器，其中，

所述矫形器的至少一部分由聚合物材料形成。

68.根据权利要求67所述的矫形器，其中，

所述矫形器的至少一部分由聚氨酯（PE）形成。

69.根据权利要求62至68中任一项所述的矫形器，其中，

所述受试者的所述脊柱区的所述身体表面的所述三维模型是三维点云模型，并且其中，

所述受试者的所述脊柱区的所述身体表面的所述校正后的三维模型是校正后的三维点云模型。

70.根据权利要求62至68中任一项所述的矫形器，其中，

所述受试者的所述脊柱区的所述身体表面的所述三维模型是三维网格模型，并且其中，

所述受试者的所述脊柱区的所述身体表面的所述校正后的三维模型是校正后的三维网格模型。

71.根据权利要求62至68中任一项所述的矫形器，其中，

所述受试者的所述脊柱区的所述身体表面的所述三维模型是三维体积模型，并且其中，

所述受试者的所述脊柱区的所述身体表面的所述校正后的三维模型是校正后的三维体积模型。

72.一种能够使用计算机化系统操作的过程，所述计算机化系统用于提供指示出受试者的身体的脊柱区的几何构造的输出数据以用于脊柱对准校正，并且用于确定矫形器的力学特性以用于受试者的脊柱对准校正，所述过程包括以下步骤：

（i）从所述受试者的所述脊柱区的身体表面的三维点云模型中检测所述受试者的身体标志，其中，所述身体标志是指示出所述受试者的脊柱解剖标志的标志；

（ii）确定所述受试者的所述脊柱的脊柱校正，其中，所述脊柱校正提供所述受试者的脊柱对准校正，以及

（iii）生成所述受试者的所述脊柱区的校正后的三维点云模型，

其中，所述校正后的三维点云模型是基于所述受试者的所述脊柱校正和所述受试者的所述脊柱区的表面的所述三维点云模型生成的，

其中，所述校正后的三维点云模型包括用于所述受试者的脊柱对准校正的输出数据，所述输出数据指示出包括所述受试者的所述身体标志的所述受试者的所述身体的所述表面的所述脊柱区的所述几何构造，以及

其中，来自所述受试者的所述脊柱区的所述身体表面的所述三维点云模型的所述身体标志和所述受试者的所述脊柱的所述脊柱解剖标志在所述受试者的所述脊柱区的所述校正后的三维点云模型的生成期间移动，

（iv）接收所述受试者的所述脊柱区的所述身体表面的三维模型并且接收所述受试者的所述脊柱区的所述身体表面的校正后的三维模型，其中，所述校正后的三维模型是从所述三维模型生成的并且包括指示所述受试者的所述身体的所述脊柱区的所述身体表面的所述几何构造的输出数据以用于脊柱对准校正；

（v）生成所述矫形器的三维模型和所述受试者的所述脊柱区的所述身体表面的校正后的三维点云模型的数值力学分析模型，其中，所述矫形器的所述三维模型是由所述受试者的所述脊柱区的所述身体表面的所述校正后的三维模型生成的，并且其中，所述矫形器的所述力学特性包括相对密度；

（vi）从所述受试者的所述脊柱区的所述身体表面的所述三维模型来确定所述校正后的三维点云模型的点的位移；

（vii）从步骤（vi）处的所述位移来确定所述矫形器的应变能，并且改变所述矫形器的相对密度分布，直到满足应变能的预定阈值并且直到满足相对密度的预定阈值；以及

（vii）基于所述相对密度分布来生成所述矫形器的拓扑；并且在满足相对密度的所述预定阈值时，输出所述矫形器的优化模型。

73.一种用于对受试者的脊柱对准进行校正的矫形器，其中，

用于脊柱对准校正的受试者的身体的脊柱区的几何构造和用于对所述受试者的脊柱对准进行校正的矫形器的力学特性由根据权利要求72所述的过程确定。

74.根据权利要求72或权利要求73所述的矫形器，其中，

所述矫形器的至少一部分由增材制造技术形成。

75.根据权利要求72至74中任一项所述的矫形器，其中，

所述矫形器的至少一部分是整体式的。

76.根据权利要求72至75中任一项所述的矫形器，其中，

所述矫形器的至少一部分由聚合物材料形成。

77.根据权利要求76所述的矫形器，其中，

所述矫形器的所述至少一部分由聚氨酯（PE）形成。