人体全膝关节精细有限元模型建立及有效性验证

近年来利用数字三维模型对人体全膝关节进行生物力学分析在国内外迅速发展,但是缺乏完整精细的膝关节有限元模型;同时对所建立模型的验证也比较单一,仅从韧带或者软骨受力单方面进行有效性的验证,导致模型的实用性和广泛性受到限制。目的以一种创新、高效的方法三维重建精细人体膝关节有限元模型,包括股骨、胫骨、髌骨、腓骨、股骨软骨、胫骨软骨、髌骨软骨、腓骨软骨、半月板、交叉韧带、侧韧带、髌韧带等组织结构,并对整体模型有效验证。方法利用CT和MRI医学影像,使用Mimics、3-Matic、Geomagic、Solidworks、Abaqus软件获得完整、精细的人体膝关节模型;在内外髁中点施加1 000 N竖直向下载荷,分析膝关节内外间室的力学分布及软骨的力学响应;以胫骨平台髁间隆起为参考施加134 N前向推力,模拟临床中的抽屉实验(ADT),获取各韧带组织的生物力学响应,并与现有人体实验及模型对比。结果 1 000 N载荷下,股骨软骨最大Mises应力值为2.514 MPa,半月板最大Miese应力值为7.693 MPa,胫骨软骨最大Mises应力值为1.848 MPa,均分布于膝关节的内侧;内外侧软骨接触面积分别为476.080 8 mm^2和338.446 8 mm^2;内外腔室分别承担总载荷的60.57%和39.43%。134 N载荷下,胫骨平台前端的位移量为5.687 mm;前十字交叉韧带(ACL)最大Mises应力值为28.030 MPa,后十字交叉韧带(PCL)最大Mises应力值为16.730 MPa,内侧副韧带(MCL)最大Mises应力值为4.511 MPa,外科韧带(LCL)最大Mises应力值为3.751 MPa;交叉韧带与股骨止点的最大Mises应力值为15.270 MPa。结论建立的精细膝关节三维模型很好地重塑了人体膝关节相关生物力学特性;该精细膝关节模型仿真结果与现有实验数据非常接近,证明了模型的有效性;完整、有效的精细全膝关节有限元模型将为植入物手术、人体运动分析、康复研究等打下基础。

人体膝关节力学模型构建和屈曲运动力学特征研究

目的:构建人体膝关节力学模型和屈曲运动力学特征。方法:将受试者CT扫描图片导入Mim-ics 10.1建模软件中,将处理后的CT图片导入有限元网格划分软件Hyper Meh中完成网格划分,获取有限元模型。结果:采用所构建膝关节三维有限元模型得到的仿真曲线与碰撞实验结果曲线基本一致。在0°~90°区间内,前交叉韧带张力随膝关节屈曲角度的逐渐增加呈下降趋势,后交叉韧带张力随膝关节屈曲角度的逐渐增加呈上升趋势,但上升幅度较小,且二者之间不存在交点。在膝关节屈曲过程中,髌骨受到的压力随膝关节屈曲角度的增大呈上升趋势,在屈曲为90°时达到最大值。内侧半月板剪切应力峰值出现在中后部,约为3.34 MPa,挤压应力峰值出现在后部,约3.02 MPa,接触压峰值出现在后部,约为3.6 MPa;外侧半月板剪切应力峰值出现在前角,约为2.92 MPa,挤压应力峰值在前角,约2.77MPa,接触压峰值出现在前部,约为3.17 MPa。股骨软骨剪切应力峰值在内侧髁软骨处,约为1.85 MPa,挤压应力峰值在内侧髁处,约2.33 MPa,接触压峰值在外侧髁软骨处,约为2.83 MPa。结论:所构建模型能为研究膝关节屈曲运动力学特征提供可靠的有限元模型。

基于二维关节型人体模型和EM算法的人体跟踪(英文)

提出一种跟踪单眼图像序列中的行人 ,并恢复其运动参数的新方法 .在跟踪中采用了基于SPM (ScaledPrismatModel)扩展的二维纸板人模型取代三维人体模型 ,以获取更快的计算速度 .作者使用EM算法在概率框架下进行运动估计 ,同时 ,算法也考虑了混合的运动模型和运动约束 ,以减小解的搜索空间 .

基于RGB彩色和深度信息的人体关节点定位

在人体实时定位问题中,关节点定位成为了构建人体平面骨架模型、识别人体动作中一个重要研究课题。所以,提出了一种利用RGB彩色和深度信息来定位人体关节点的方法,首先利用Kinect来获取运动人体的RGB彩色和深度图像,接着根据人体所处背景的复杂程度来采用不同的人体分割方法将人体分割出来,再对得到的人体轮廓图像进行平滑处理,从而得到平滑且连通的人体轮廓二值图像,再采用细化算法提取出人体轮廓骨架,然后对关节点周围8个邻域的像素值进行分析,并结合人体各刚体部件的比例关系,对人体的16个关节点进行定位,进而构建出人体平面关节点模型。实验结果表明,与现有方法相比,该方法简单有效,能够从多种运动状态人体中提取出准确的关节点坐标,并具有较好的准确性和鲁棒性。

基于粒子滤波算法的三维关节型人体运动跟踪

针对复杂背景,提出了一种新的基于三维关节型人体模型和粒子滤波器的人体运动跟踪算法,并基于此开发了一套鲁棒性强、精度高的应用系统.首先构建一个简易且完备的三维关节型人体模型.然后对经标定、校正之后的图像做背景减除,计算场景深度信息、前景轮廓信息、手臂轮廓信息,将这些特征与人体模型特征进行匹配,生成似然函数,使用粒子滤波得到模型的各个参数,恢复人体上身姿态.实验结果表明,此算法能够对各种复杂背景、不同光照条件、不同跟踪对象、各种姿态的人体进行跟踪,具有较强的适应性和抗干扰能力.

基于Kinect的仿人机器人控制系统

为实现对具有16个自由度仿人机器人的姿态控制,采用Kinect传感器对人体姿态的坐标数据进行采集,根据坐标信息利用Processing软件开发基于Simple Open NI库的上位机软件,建立人体关节模型,并利用空间向量法对仿人机器人的步态规划以及重心控制算法分析,解析各关节的转动角度,经由无线Wi Fi模块向仿人机器人发送指令以控制舵机的运动,最终实现对机器人的控制,搭建了基于Kinect传感器的测试平台。测试结果表明:仿人机器人上肢在运动范围内无死角,通过对重心的控制,下肢可实现简单的步行,符合预期效果。