[發明專利]融合人工魚群和隨機森林算法的膝關節接觸力計算方法

在審

• 申請號: 201910347224.2
• 申請日: 2019-04-28
• 公開（公告）號: CN110123317A
• 公開（公告）日: 2019-08-16
• 發明（設計）人: 王浩倫;徐唯祎;劉凱;徐苒;朱業安;王新雨
• 申請（專利權）人: 華東交通大學
• 主分類號: A61B5/0488
• 分類號: A61B5/0488;A61B5/11;A61B5/22;G06N3/00
• 代理公司: 南昌市平凡知識產權代理事務所 36122
• 代理人: 姚伯川

一種融合人工魚群和隨機森林算法的膝關節接觸力計算方法，包括實驗數據的采集、實驗數據的預處理、步態參數的尋優、對步態參數集進行集成學習，構建步態參數與膝關節接觸力數據訓練和驗證模型、建立出步態參數與膝關節接觸力的非線性關系。本發明方法以獲取患者的步態參數為基礎，通過改進后的人工魚群算法對所取參數進行尋優，再根據隨機森林算法將最優參數下的數據集進行集成學習，最后得到步態參數與膝關節接觸力的非線性關系。本發明可準確的構建出步態參數與膝關節接觸力的非線性關系，避免醫生使用傳感器直接植入人體，減少對人體的侵入性。本發明可實時計算出膝關節接觸力的大小，為康復醫生術后的康復治療提供依據。

技術領域

本發明涉及一種融合人工魚群和隨機森林算法的膝關節接觸力計算方法，屬臨床醫學輔助測量方法技術領域。

背景技術

步態矯正策略對膝關節置換術的術后康復有著重要影響，好的策略可以加快病情恢復、增強關節功能、降低步態不對稱性、延長膝關節假體的使用壽命，因此通過調整患者的步態模式來減輕膝關節負載是術后康復的主要目的之一。而研究膝關節接觸力與步態模式的關系是設計康復方案的重要基礎，所以準確測量膝關節接觸力就成為了評估康復方案和康復效果的關鍵所在。

目前測量膝關節接觸力的方法主要有兩種，一種是使用裝有傳感器的膝關節假體對活體內的膝關節接觸力進行實驗測量，這種測量方法的信效度高，但實施具有侵入性且成本高。另一種是基于多體動力學方法進行計算，該方法利用運動捕捉系統捕獲的患者運動軌跡作為輸入，然后基于逆向動力學模型來預測患者在整個步態周期內的動力學參數。其預測結果高度依賴于控制方程的精度、問題簡化的假設、輸入參數和模型的自由度，另外，這種方法的計算耗時長，不適用于實時分析。更重要的是這種方法并不能直接計算膝關節接觸力的分布。鑒于以上方法的局限性，探尋新的方法來解決膝關節接觸力的測量問題是有必要的。

隨機森林回歸(RFR)算法是一種流行的集成學習方法。集成學習把k個學習得到的模型(或基學習器)M₁，M₂...M_k組合在一起，旨在創建一個改進的復合模型M^*。使用給定的數據集D創建k個訓練集D₁，D₂...D_i其中D_i用于創建基學習器M_i。給定一個待預測的數據元組，每個基學習器返回各自的預測結果，集成學習器基于基學習器預測結果的均值返回最終預測值。

人工魚群算法以人工魚代表目標函數的輸入參數，通過迭代搜索最優解，在每次迭代中，人工魚通過覓食、聚群、追尾和隨機行為來更新自身位置，從而實現尋優。但人工魚群算法存在前期收斂速度快而后期收斂速度慢、求解精度不高等缺點。

發明內容

本發明的目的是，根據目前膝關節接觸力測量存在的問題，本發明提出一種融合人工魚群和隨機森林算法的膝關節接觸力計算方法。

本發明實現的技術方案如下，一種融合人工魚群和隨機森林算法的膝關節接觸力計算方法，利用混沌變換構造均勻分布的種群，并引入自適應視野范圍、自適應視野范圍策略和自適應步長策略；獲得改進的人工魚群算法；將干預前所有受試者的步態參數和膝關節接觸力數據劃分為訓練集(70％)和驗證集(30％)，利用隨機森林算法對訓練集進行訓練；使用改進的人工魚群算法優化隨機森林模型的主要參數，獲得步態參數和膝關節接觸力的非線性關系；并利用驗證集進行驗證。

融合人工魚群和隨機森林算法的膝關節接觸力計算方法，包括以下步驟：

(1)受試者以三種不同的實驗范式下進行測試，實驗范式包括一種康復前的步態模式以及兩種干預步態模式，在同一范式下，受試者以相同的步態模式和自主選擇的步速進行五次行走實驗，每次行走實驗提取兩個步態周期。