基于临床CT大数据及卷积神经网络的骨骼力学性能预测

基于临床CT图像数据的骨骼力学性能的精准预测可协助诊断骨质疏松症、可实现活体样本中骨骼性能的精准评估等,因而一直是临床骨科领域中亟需解决的一个重要问题。然而,当前临床中使用骨密度法预测准确率太低,当前研究较多的有限元数值方法可大大提升骨骼力学性能预测的准确度。

有限元分析评估尾部悬吊大鼠股骨力学性能的研究

研究三维有限元分析对于尾部悬吊大鼠骨骼力学性能的评估能力。基于10根尾部悬吊大鼠股骨的CT图象序列,三维重建股骨的几何模型并转换为有限元网格,根据CT值与骨骼材料特性关系设置各向同性和正交各向异性材料特性,施加三点弯曲实验的边界条件进行有限元分析,用最大等效Von Mises应力和总体应变能的结果与骨密度进行回归分析。结果表明,正交各向异性模型与骨密度在最大等效Von Mises应力(R=0.907,P<0.001)和总体应变能(R=0.827,P<0.01)两种情况下均具有良好线性关系。因此,基于CT数据的三维有限元分析可以精确描述骨骼的力学性能,能够用于评估大鼠尾部悬吊实验结果。