骨盆骨折闭合复位中空间算法的建立及优化

Pelvic fracture is a high risk complex disease of trauma orthopedics, with high mortality and disability. The scholars tried to reduce the soft tissue exposure through close reduction, and reduce the risk of important vascular nerve injury and infection. However, its complex structure, space deformity, and mechanical environment led to the lack of registration and spatial algorithm, affected its clinical treatment effect, resulting in the reduction difficulty..We have improved the closed reduction frame for pelvic fracture, established the pelvic displacement measurement method, and designed the computer-simulated reduction path, which make the pelvis space algorithm research possible..Accordingly, we will break through the current problems of closed reduction for pelvic fracture. We aim to ① establish the relative coordinate mapping algorithm between the preoperative CT and intraoperative images by means of "iterative closest points" (ICP) and "principal component analysis" (PCA) ; ② establish the dynamic tracking technology global fusing the positioning information and local motion information. ③establish the high-precision, high-reliability closed-loop Iterative Learning Control (ILC) Algorithm based on the above two points; ④ establish the new optimization scheme of initial value deviation and robustness of iterative algorithm by improving the learning gain matrix and referring to the instrument elastic deformation and imaging drift; ⑤ assess the accuracy of the algorithm through the model bone test and clinical trials, which lay an important foundation for robot-assisted closed reduction pelvic fracture.

骨盆骨折是创伤骨科的高危复杂疾病，致死、致残率极高。学者们尝试通过闭合复位减少软组织暴露，降低重要血管神经损伤和感染风险。但是骨盆复杂的解剖结构、空间移位，及力学环境，导致了闭合复位中配准和空间算法研究缺失，影响了其在临床的治疗效果，造成复位困难。. 前期我们改进了闭合复位外架装置，建立了骨盆移位测量方法，设计了计算机模拟复位路径，使得骨盆空间算法研究成为可能。. 据此提出本课题设计：①通过“迭代最近邻点”和“主成分分析”，建立术前CT与术中影像间的相对坐标映射关系配准技术；②建立全局定位信息与局部运动信息融合的动态跟踪技术;③基于上述两点建立精度高，可靠性好的开环迭代学习控制算法；④参考器械弹性和范性形变，通过改进学习增益矩阵，建立迭代算法初始值偏差和鲁棒性问题的优化方案；⑤通过模型骨和临床试验，评估验证算法的精确性。最终为机器人辅助骨盆闭合复位奠定基础。

骨盆骨折是创伤骨科的高危复杂疾病，致死、致残率极高。学者们尝试通过闭合复位减少软组织暴露，降低重要血管神经损伤和感染风险。但是骨盆复杂的解剖结构、空间移位，及力学环境，导致了闭合复位中配准和空间算法研究缺失，影响了其在临床的治疗效果，造成复位困难。.前期我们改进了闭合复位外架装置，建立了骨盆移位测量方法，设计了计算机模拟复位路径，使得骨盆空间算法研究成为可能。.据此提出本课题设计：①通过“迭代最近邻点”和“主成分分析”，建立术前CT与术中影像间的相对坐标映射关系配准技术；②建立全局定位信息与局部运动信息融合的动态跟踪技术;③基于上述两点建立精度高，可靠性好的开环迭代学习控制算法；④参考器械弹性和范性形变，通过改进学习增益矩阵，建立迭代算法初始值偏差和鲁棒性问题的优化方案；⑤通过模型骨和临床试验，评估验证算法的精确性。最终为机器人辅助骨盆闭合复位奠定基础。.在本研究中，我们建立了基于骨盆对称特征的骨盆骨折复位模型，采用的自动配准技术分为初始配准和精确配准两步，为后期精确配准提供一个较好的初始解，以防精确配准陷入局部最优，从而提高配准效率。由于骨盆的外形特征十分明显而特征平面和特征轮廓曲线比较难以获取，所以为在初始配准阶段采用特征点法能够最快最便捷也是最精确地获取初始解的改进ICP算法进行精确配准。在此基础上，建立了基于损伤机制的骨盆骨折复位路径自动生成方法，构建以人工势场为测度的路径规划函数，采用人工势场优化算法，实现个性化的骨盆骨折复位路径智能规划。为机器人实施精准安全复位操作提供基础。另外，我们还建立基于CT图像和电磁定位技术的空间定位信息的动态跟踪技术，最后将研究成果应用于骨盆移位计算系统辅助骨盆骨折新型微创复位架的临床应用。