多孔骨植入物的结构生成方法及装置、电子设备

1.本公开涉及计算机技术领域，尤其涉及一种多孔骨植入物的结构生成方法及装置、电子设备。


背景技术：

2.人的骨骼可能会因运动损伤、自然老化、意外事件而受到损伤。而在有些情况下骨骼受损后无法自然修复，需要使用骨植入物进行骨骼替换；在有些情况下，受损骨骼需要骨植入物的辅助才能恢复。
3.随着医学的进步，骨植入物也在不断发展。多孔骨植入物具有质轻、节省材料等优点。近些年多孔骨植入物的结构设计已成为研究的一个方向。
4.由于多孔骨植入物的内部结构对于其性能有直接影响，所以，在实际应用中，需要针对不同需求、不同部位，定制化设计多孔骨植入物的结构，以获得性能优越的多孔骨植入物。
5.按照传统设计方法进行多孔骨植入物的结构设计，为了获得满足要求的结构，需要尽量穷尽设计方案，使得设计出的结构尽量的丰富，然后再从实验中对这些结构进行筛选，效率低，时间成本和设备成本高；使得对于多孔骨植入物设计成本居高不下，无法满足多孔骨植入物的定制化需求。


技术实现要素：

6.有鉴于此，本公开提出了一种多孔骨植入物的结构生成方案，可以提高生成多孔骨植入物的效率和准确率。
7.根据本公开的一方面，提供了一种多孔骨植入物的结构生成方法，包括：
8.从第一多孔骨植入物模型中提取第一内部单元参数，所述第一多孔骨植入物模型的内部结构符合目标内部结构的标准，所述第一内部单元参数为所述第一多孔骨植入物模型的内部结构中单元的参数；
9.将所述第一内部单元参数输入结构生成模型，得到输出的多个候选内部结构；
10.将所述候选内部结构输入性能预测模型，获得第一性能的值，所述第一性能的值表征具有所述候选内部结构的多孔骨植入物的性能水平；
11.按照所述第一性能的值，从所述候选内部结构中，选择出目标内部结构。
12.在一种可能的实现方式中，所述从第一多孔骨植入物模型中提取第一内部单元参数，包括：
13.根据预设的外形参数和内部结构参数，生成多孔骨植入物模型，其中，所述外形参数用于限定所述多孔骨植入物模型的外形，所述内部结构参数用于限定所述多孔骨植入物模型的内部结构；
14.将所述多孔骨植入物模型输入至少一个有限元模型，得到输出的至少一个第二性能的值；
15.将所述第二性能值符合目标内部结构的标准的多孔骨植入物模型，作为第一多孔骨植入物模型。
16.在一种可能的实现方式中，所述结构生成模型包括：编码器、译码器，所述将所述第一内部单元参数输入结构生成模型，得到输出的多个候选内部结构，包括：
17.将所述第一内部单元参数输入所述编码器，获得降维后的第一内部单元参数；
18.将所述降维后的第一内部单元参数映射到潜在空间；
19.对所述潜在空间中的降维后的第一内部单元参数进行采样，获得采样数据；
20.将所述采样数据输入到所述译码器，得到输出的多个第二内部单元参数；
21.将所述第二内部单元参数替换所述第一内部单元参数的内部结构参数，生成多个候选内部结构。
22.在一种可能的实现方式中，所述第一性能包括：第一类性能，第二类性能、第三类性能，其中，所述第一类性能需满足的标准包括性能的值处于临床需求范围内，所述第二类性能需满足的标准包括性能的值需大于第一阈值；所述第三类性能需满足的标准包括性能的值需小于第二阈值；
23.所述按照所述第一性能的值，从所述候选内部结构中，选择出目标内部结构，包括：
24.选择出所述第一性能的值落入临床需求范围，且大于第一阈值，且小于第二阈值的候选内部结构，作为所述目标内部结构。
25.在一种可能的实现方式中，所述性能预测模型的训练过程，包括：
26.将所述多孔骨植入物模型的内部结构输入到所述性能预测模型中，得到输出的第三性能的值；
27.利用所述第三性能的值与所述第二性能的值之间的损失，训练所述性能预测模型。
28.在一种可能的实现方式中，所述训练所述性能预测模型，包括：
29.按照预设的学习率训练所述性能预测模型，所述学习率的范围为0.001-0.05。
30.在一种可能的实现方式中，所述结构生成模型为经过非监督学习训练得到的模型，所述结构生成模型的训练过程包括：
31.将所述第一内部单元参数输入至结构生成模型中，得到生成的第三内部单元参数，所述第三内部单元参数与所述第一内部单元参数为同一类别的参数；
32.利用第一内部单元参数与第三内部单元参数的损失，训练所述生成模型。
33.根据本公开的另一方面，提供了一种多孔骨植入物的结构生成装置，包括：
34.第一内部单元参数提取单元，用于从第一多孔骨植入物模型中提取第一内部单元参数，所述第一多孔骨植入物模型的内部结构符合目标内部结构的标准，所述第一内部单元参数为所述第一多孔骨植入物模型的内部结构中单元的参数；
35.候选内部结构生成单元，用于将所述第一内部单元参数输入结构生成模型，得到输出的多个候选内部结构；
36.第一性能预测单元，用于将所述候选内部结构输入性能预测模型，获得第一性能的值，所述第一性能的值表征具有所述候选内部结构的多孔骨植入物的性能水平；
37.目标内部结构选择单元，用于按照所述第一性能的值，从所述候选内部结构中，选
择出目标内部结构。
38.在一种可能的实现方式中，所述第一内部单元参数提取单元，包括：
39.多孔骨植入物模型生成单元，用于根据预设的外形参数和内部结构参数，生成多孔骨植入物模型，其中，所述外形参数用于限定所述多孔骨植入物模型的外形，所述内部结构参数用于限定所述多孔骨植入物模型的内部结构；
40.第二性能预测单元，用于将所述多孔骨植入物模型输入至少一个有限元模型，得到输出的至少一个第二性能的值；
41.第一多孔骨植入物模型确定单元，用于将所述第二性能值符合目标内部结构的标准的多孔骨植入物模型，作为第一多孔骨植入物模型。
42.在一种可能的实现方式中，所述结构生成模型包括：编码器、译码器，所述候选内部结构生成单元，包括：
43.降维单元，用于将所述第一内部单元参数输入所述编码器，获得降维后的第一内部单元参数；
44.映射单元，用于将所述降维后的第一内部单元参数映射到潜在空间；
45.采样单元，用于对所述潜在空间中的降维后的第一内部单元参数进行采样，获得采样数据；
46.第二内部单元参数确定单元，用于将所述采样数据输入到所述译码器，得到输出的多个第二内部单元参数；
47.候选内部结构生成子单元，用于将所述第二内部单元参数替换所述第一内部单元参数的内部结构参数，生成多个候选内部结构。
48.在一种可能的实现方式中，所述第一性能包括：第一类性能，第二类性能、第三类性能，其中，所述第一类性能需满足的标准包括性能的值处于临床需求范围内，所述第二类性能需满足的标准包括性能的值需大于第一阈值；所述第三类性能需满足的标准包括性能的值需小于第二阈值；
49.所述目标内部结构选择单元，还用于：
50.选择出所述第一性能的值落入临床需求范围，且大于第一阈值，且小于第二阈值的候选内部结构，作为所述目标内部结构。
51.在一种可能的实现方式中，所述性能预测模型的训练过程，包括：
52.将所述多孔骨植入物模型的内部结构输入到所述性能预测模型中，得到输出的第三性能的值；
53.利用所述第三性能的值与所述第二性能的值之间的损失，训练所述性能预测模型。
54.在一种可能的实现方式中，所述训练所述性能预测模型，包括：
55.按照预设的学习率训练所述性能预测模型，所述学习率的范围为0.001-0.05。
56.在一种可能的实现方式中，所述结构生成模型为经过非监督学习训练得到的模型，所述结构生成模型的训练过程包括：
57.将所述第一内部单元参数输入至结构生成模型中，得到生成的第三内部单元参数，所述第三内部单元参数与所述第一内部单元参数为同一类别的参数；
58.利用第一内部单元参数与第三内部单元参数的损失，训练所述生成模型。
59.根据本公开的另一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为在执行所述存储器存储的指令时，实现上述方法。
60.根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。
61.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
62.在本公开实施例中，从第一多孔骨植入物模型中提取第一内部单元参数，所述第一多孔骨植入物模型的内部结构符合目标内部结构的标准，所述第一内部单元参数为所述第一多孔骨植入物模型的内部结构中单元的参数；将所述第一内部单元参数输入结构生成模型，得到输出的多个候选内部结构；将所述候选内部结构输入性能预测模型，获得第一性能的值，所述第一性能的值表征具有所述候选内部结构的多孔骨植入物的性能水平；按照所述第一性能的值，从所述候选内部结构中，选择出目标内部结构。
63.由于第一多孔骨植入物模型的内部结构符合目标内部结构的标准，且第一内部单元参数提取自第一多孔骨植入物，所以第一内部单元参数可以使得内部结构符合目标内部结构的标准；进而提高了第一内部单元参数生成的候选内部结构符合目标内部结构的标准的概率，所以普遍提高了具有候选内部结构的多孔骨植入物的性能。因此，在提高效率的同时，提高了具有目标内部结构的多孔骨植入物的性能的概率。进而提高选择出最优内部结构的准确率。
64.由于本公开实施例的方法可以普遍提高具有候选内部结构的多孔骨植入物的性能，所以降低了生成不满足目标内部结构的标准的候选内部结构的概率，减少选择目标内部结构的工作量，进而提高了确定出目标内部结构的效率。
65.根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
66.包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
67.图1为本公开实施例提供的一种多孔骨植入物的结构生成方法的流程示意图。
68.图2为本公开实施例提供的单元类型的结构示意图。
69.图3为本公开实施例提供的网格划分、定义边界条件过程的示意图。
70.图4为本公开实施例提供的扩大单元孔隙率数量过程的示意图。
71.图5为本公开实施例提供的一种多孔骨植入物的结构生成装置的结构示意图。
72.图6为本公开实施例提供的一种多孔骨植入物的结构生成电子设备的结构示意图。
具体实施方式
73.以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同
的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
74.在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
75.另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
76.多孔骨植入物的内部结构对于其性能有直接影响。在实际应用中，多孔骨植入物可以用于替换人体的某块骨骼，也可以用于辅助某块骨骼修复。并且，各部位的骨骼的外形有所差异，不同的人体的同一部位的骨骼的外形也各有差异。所以，需要针对多孔骨植入物的用途、多孔骨植入物所替代的具体骨骼，定制化设计多孔骨植入物的结构。
77.由于多孔骨植入物的单元类型、单元孔隙率、单元大小等内部单元参数可以有近乎无限种组合模式，所以多孔骨植入物的候选内部结构的数量巨大。通常，有两种方式选择内部结构。第一，凭借经验仅选择有限的几个内部结构进行设计，这种方法会错过性能优越的未知内部结构，无法使所设计的多孔骨植入物获得更好的性能。第二，尽可能地穷尽前述组合模式，获得数量巨大的内部结构，然后，针对设计出的内部结构逐一进行试验，挑选出性能最好的内部结构，这种方法耗费大量时间、人力，效率极低，无法满足实际应用中的定值需求。
78.所以，需要一种多孔骨植入物的结构生成方案，能够获得优越的内部结构的同时提高设计效率。
79.图1示出根据本公开一实施例的多孔骨植入物的结构生成方法的流程示意图。如图1所示，该方法包括：
80.s11，从第一多孔骨植入物模型中提取第一内部单元参数，所述第一多孔骨植入物模型的内部结构符合目标内部结构的标准，所述第一内部单元参数为所述第一多孔骨植入物模型的内部结构中单元的参数。
81.多孔骨植入物可以具有内部结构。内部结构可以为多孔状，多个孔可以是相同的，也可以是不同的，可以将单一的孔定义为一个单元。第一内部单元参数为第一多孔骨植入物模型的内部结构中单元的至少一个参数。第一内部单元参数可以用于定义内部结构。第一内部单元参数可以包括：单元类型、单元大小、单元数量、单元孔隙率、划分精度、单元过渡速度、单元孔径、单元杆径中的一种或多种。单元类型可以是单一单元的结构。图2示出本公开实施例提供的单元类型的结构示意图。
82.在本公开实施例中，由于多孔骨植入物的性能会因内部结构的差异而不同，所以，可以对多孔骨植入物的性能设定第一标准。示例性地，可以对多孔骨植入物的弹性模量、降解速率、屈服强度、抗压强度、生物相容性、促成骨能力、细胞毒性等设定量化的第一标准。多孔骨植入物的性能可以为多孔骨植入物在特定材料或环境下的属性。
83.在本公开实施例中，若具有某一内部结构的多孔骨植入物满足第一标准，则说明该内部结构符合目标内部结构的标准，为便于描述，这里将该多孔骨植入物称为第一多孔骨植入物。所以，从第一多孔骨植入物中提取的第一内部单元参数可以使该内部结构符合目标内部结构的标准。
84.s12，将所述第一内部单元参数输入结构生成模型，得到输出的多个候选内部结构。
85.结构生成模型可以利用第一内部单元参数生成内部结构，为便于描述，这里将生成的内部结构命名为候选内部结构。候选内部结构可以符合目标内部结构的标准，结构生成模型可以包括：三维卷积自编码器。结构生成模型可以是经过训练得到的，具体的训练方式可参见本公开提供的可能的实现方式，此处不做赘述。
86.s13，将所述候选内部结构输入性能预测模型，获得第一性能的值，所述第一性能的值表征具有所述候选内部结构的多孔骨植入物的性能水平。
87.预测模型可以预测出具有候选内部结构的多孔骨植入物的性能的值，为便于描述，这里将该性能的值描述为第一性能的值。第一性能可以包括：多孔骨植入物的弹性模量、降解速率、屈服强度、抗压强度、生物相容性、促成骨能力、细胞毒性等中的一个或多个。
88.预测模型可以包括三维卷积神经网络。三维卷积神经网络包括输入层、卷积层、池化层、平坦层、全连接层和输出层。预测模型可以是经过训练得到的，具体的训练方式可参见本公开提供的可能的实现方式，此处不做赘述。
89.s14，按照所述第一性能的值，从所述候选内部结构中，选择出目标内部结构。
90.第一性能的值可以表示为数值，所以可以按照数值的大小，将候选内部结构进行排序，将满足第二标准的候选内部结构确定为目标内部结构。例如，第二标准可以为：排序前x个的候选内部结构、排序后y个的候选内部结构、排序前z％的候选内部结构、排序后w％的候选内部结构。本公开实施例对于第二标准不做限定。
91.在本公开实施例中，从第一多孔骨植入物模型中提取第一内部单元参数，所述第一多孔骨植入物模型的内部结构符合目标内部结构的标准，所述第一内部单元参数为所述第一多孔骨植入物模型的内部结构中单元的参数；将所述第一内部单元参数输入结构生成模型，得到输出的多个候选内部结构；将所述候选内部结构输入性能预测模型，获得第一性能的值，所述第一性能的值表征具有所述候选内部结构的多孔骨植入物的性能水平；按照所述第一性能的值，从所述候选内部结构中，选择出目标内部结构。
92.由于第一多孔骨植入物模型的内部结构符合目标内部结构的标准，且第一内部单元参数提取自第一多孔骨植入物，所以第一内部单元参数可以使得内部结构符合目标内部结构的标准；进而提高了第一内部单元参数生成的候选内部结构符合目标内部结构的标准的概率，所以普遍提高了具有候选内部结构的多孔骨植入物的性能。因此，在提高效率的同时，提高了具有目标内部结构的多孔骨植入物的性能的概率。进而提高选择出最优内部结构的准确率。
93.由于本公开实施例的方法可以普遍提高具有候选内部结构的多孔骨植入物的性能，所以降低了生成不满足目标内部结构的标准的候选内部结构的概率，减少选择目标内部结构的工作量，进而提高了确定出目标内部结构的效率。
94.在一种可能的实现方式中，从第一多孔骨植入物模型中提取第一内部单元参数，包括：根据预设的外形参数和内部结构参数，生成多孔骨植入物模型，其中，所述外形参数用于限定所述多孔骨植入物模型的外形，所述内部结构参数用于限定所述多孔骨植入物模型的内部结构；将所述多孔骨植入物模型输入至少一个有限元模型，得到输出的至少一个第二性能的值；将所述第二性能值符合目标内部结构的标准的多孔骨植入物模型，作为第
一多孔骨植入物模型。
95.多孔骨植入物模型为表征多孔骨植入物的数字模型，是计算机中对多孔骨植入物的数字表征。在计算机中，可以通过一系列带有坐标的点来表示多孔骨植入物模型。例如：可以通过三维坐标的点，来表示多孔骨植物模型。这些点与点之间的相互关系是固定的。
96.在本公开实施例中，可以使用参数化设计的方式，根据期望生成的多孔骨植入物模型的外形轮廓参数和内部结构参数，生成多孔骨植入物模型。这里的外形轮廓参数可以用三维扫描技术来获取，例如：采用计算机断层扫描、三维扫描仪、磁共振成像之一的方式获得外形轮廓。多孔骨植入物模型的内部结构可以为多孔结构。内部结构参数可以包括：单元类型、单元大小、单元数量、单元孔隙率、划分精度、单元过渡速度、单元孔径、单元杆径等。在本公开实施例中，可以使用三维仿真软件，根据内部结构参数来生成多孔骨植入物的内部结构。
97.此处多孔骨植入模型的第二性能，可以通过有限元模型对多孔骨植入物模型进行有限元分析得到。有限元分析为：利用数学近似的方法对真实物理系统进行模拟。其原理可以概括为：利用简单而又相互作用的元素(即单元)，获得有限数量的未知量，以逼近无限未知量的真实系统。
98.有限元模型的建立过程可以包括：网格划分、网格模型输入、确定物理模型、材料参数输入、部件装配、定义边界条件、单元特性定义、数据提取和后处理。
99.在本公开实施例中，可以利用有限元模型预测出多孔骨植入物模型的第二性能。第二性能可以包括：多孔骨植入物的弹性模量、降解速率、屈服强度、抗压强度、生物相容性、促成骨能力、细胞毒性等中的一个或多个。第二性能可以与第一性能相同。而且，可以根据所要预测的性能的类型，确定有限元模型的具体物理模型。例如，预测多孔骨植入物模型的压缩过程的杨氏模量、屈辱强度，则使用固体力学有限元模型；预测多孔骨植入物的渗透性，则使用流体力学有限元模型；预测多孔骨植入物腐蚀行为，则使用连续介质损伤有限元模型。
100.在本公开实施例中，网格划分的形式、边界条件可以根据工程实际需要进行选择。定义边界条件包括定义影响材料性能的环境变量；可以定义一个或多个边界条件。
101.图3示出本公开实施例提供的网格划分、定义边界条件过程的示意图。若期望预测多孔骨植入物的压缩过程的杨氏模量、屈服强度，如图3所示，可以设定边界条件为：下压头下表面固定，上压头以恒定速度v向下移动，金属多孔骨植入物和压头之间以摩擦副的形式接触。网格划分的形式可以为：多孔骨植入物处的网格密度大于压头的网格密度。
102.有限元模型可以结合多孔骨植入物的材料参数，对多孔骨植入物模型的性能进行预测。材料参数为能够通过标准试验获得的材料参数，如：弹性、强度、塑性、密度、熔点、硬度、疲劳强度、拉伸强度、弯曲强度、表面粗糙度、材料亲水性、材料生物相容性、材料电极电位等。在本公开实施例中，可以根据待预测多孔骨植入物性能的类型选择相关的材料参数。例如：预测多孔骨植入物的杨氏模量、屈服强度，则可以将密度、弹性、塑性作为材料参数。材料参数可以预先设定或者在预测前输入到有限元模型中。
103.在本公开实施例中，若多孔骨植入物模型的第二性能满足第一标准，则该多孔骨植入物模型的内部结构符合目标内部结构的标准。所以，可以将第二性能满足第一标准的多孔骨植入物模型作为第一多孔骨植入物模型。
104.由于第一多孔骨植入物模型是第二性能满足第一标准的多孔骨植入物模型，所以第一多孔骨植入物模型的内部结构符合目标内部结构的标准。因此，提高了使用生成模型生成的候选内部结构符合目标内部结构的标准的概率，进而提高选择出最优内部结构的准确率和效率。
105.在一种可能的实现方式中，所述结构生成模型包括：编码器、译码器，将所述第一内部单元参数输入结构生成模型，得到输出的多个候选内部结构，包括：将所述第一内部单元参数输入所述编码器，获得降维后的第一内部单元参数；将所述降维后的第一内部单元参数映射到潜在空间；对所述潜在空间中的降维后的第一内部单元参数进行采样，获得采样数据；将所述采样数据输入到所述译码器，得到输出的多个第二内部单元参数；将所述第二内部单元参数替换所述第一内部单元参数的内部结构参数，生成多个候选内部结构。
106.第一多孔骨植入物模型的内部结构可能包括的单元数量并不固定，每个单元对应一个第一内部单元参数。所以，第一内部单元参数的数量不一定相同。在将第一内部单元参数输入到生成模型之前，需要将各第一内部单元参数转换成统一单元数量的形式。示例性地，可以将各第一内部单元参数的数量的公倍数作为标准数量，将第一内部单元参数的数量扩大为标准数量。
107.举例说明，多孔骨植入物的内部结构可以以三维矩阵的形式加以表示。所以，第一内部单元参数的表现形式可以为三维矩阵。第一内部单元参数为单元孔隙率。图4示出本公开实施例提供的扩大单元孔隙率数量过程的示意图。如图4所示，这些第一多孔骨植入物的内部结构分别为：2
×2×
2、3
×3×
3和4
×4×
4的三维矩阵。所以，第一内部单元参数也分别为：2
×2×
2、3
×3×
3和4
×4×
4的三维矩阵。每个单元对应一个单元孔隙率。在将第一内部单元参数输入到生成模型之前，需要将表征各第一内部单元参数的三维矩阵放大到12
×
12
×
12，并且各单元仍分别对应一个单元孔隙率。
108.编码器对第一内部单元参数进行特征提取后，获得降维后的第一内部单元参数。降维后的第一内部单元参数可以为特征向量。在本公开实施例中，可以将降维后的第一内部单元参数映射到潜在空间，获得映射后的降维第一内部单元参数。在映射后的降维第一内部单元参数的预设空间范围内进行采样，获得采样数据。
109.例如：降维后的第一内部参数为一个二维点，将其映射到潜在空间，获得一个新的二维点。预设空间范围为：以该二维点为圆心的半径为1的圆。在这个预设范围内采集多个二维点，将这些二维点作为采样数据。
110.以上仅为示例，本公开实施例如何在潜在空间对第一内部单元参数采样不做限定。
111.译码器对采样数据进行上采样，输出第二内部单元参数。单一的采样数据会对应一个第二内部单元参数。第二内部单元参数可以与第一内部单元参数的类型相同。例如第一内部单元参数为单元孔隙率，则第二内部单元参数也为单元孔隙率。
112.在本公开实施例中，可以使用第二内部单元参数替换第一内部单元参数，获得新的内部结构参数；根据新的内部结构参数生成候选内部结构。
113.示例性地，利用外形参数，以及单元类型、单元大小、单元数量、单元孔隙率、划分精度、单元过渡速度、单元孔径、单元杆径等内部结构参数生成多孔骨植入物模型。从多孔骨植入物模型中选择出第一多孔骨植入物。在第一多孔骨植入物中提取单元孔隙率(第一
内部单元参数)；将单元孔隙率输入生成模型，获得新的单元孔隙率(第二内部单元参数)；将内部结构参数中的单元孔隙率替换成新的单元孔隙率，获得新的内部结构参数；利用新的内部结构参数生成候选内部结构。
114.由于第一内部单元参数可以使得内部结构符合目标内部结构的标准；降维后的第一内部单元参数可以保持第一内部单元参数的特性，提高了第二内部参数使得内部结构符合目标内部结构的标准的概率，进而提高了候选内部结构符合目标内部结构的标准的概率。这样，既可以尽可能地设计出不同的候选内部结构，提高了所确定的目标结构的准确率；又使得确定目标内部结构的效率得到提高。
115.在一种可能的实现方式中，所述第一性能包括：第一类性能，第二类性能、第三类性能，其中，所述第一类性能需满足的标准包括性能的值处于临床需求范围内，所述第二类性能需满足的标准包括性能的值需大于第一阈值；所述第三类性能需满足的标准包括性能的值需小于第二阈值；所述按照所述第一性能的值，从所述候选内部结构中，选择出目标内部结构，包括：选择出所述第一性能的值落入临床需求范围，且大于第一阈值，且小于第二阈值的候选内部结构，作为所述目标内部结构。
116.第一类性能需满足的标准包括性能的值处于临床需求范围内。例如第一类性能可以是弹性模量、降解速率。第二类性能需满足的标准包括性能的值需大于第一阈值，而且性能的值大于第一阈值越多表征多孔骨植入物的性能越好。例如，第二类型能可以是屈服强度、抗压强度、生物相容性、促成骨能力等。第三类性能需满足的标准包括性能的值需小于第二阈值，而且性能的值小于第二阈值越多表征多孔骨植入物的性能越好。例如，第三类性能可以是细胞毒性等。
117.在本公开实施例中，可以将第一性能分为三类。在这三类第一性能都满足各自的标准的情况下，则多孔骨植入物满足第一标准，也说明该多孔骨植入物的内部结构符合目标内部结构的标准。所以，目标内部结构可以为：第一性能的值落入临床需求范围，且大于第一阈值，且小于第二阈值的候选内部结构。
118.示例性地，可以按照第一类性能对候选内部结构进行筛选，去除不能满足临床需求的候选内部结构，缩小选择范围；再按照第二类性能或第三类性能继续筛选内部结构。例如：可以按照第二类性能的值和/或第三类性能的值将内部候选结构进行排序；第二类性能的值越大，排序越靠前；第三类性能的值越小，排序越靠前。从排序前几名的候选内部结构中选择出目标内部结构，进一步缩小了范围，提高效率。
119.通过对第一性能进行分类，量化地确定目标内部结构，提高了确定目标内部结构的准确率。而且，分类别地使用各类第一性能确定目标内部结构可以提高效率。
120.在一种可能的实现方式中，所述性能预测模型的训练过程，包括：将所述多孔骨植入物模型的内部结构输入到所述性能预测模型中，得到输出的第三性能的值；利用所述第三性能的值与所述第二性能的值之间的损失，训练所述性能预测模型。
121.在本公开实施例中，可以利用有限元模型预测出多孔骨植入物的第二性能。将同一多孔骨植入物的内部结构与第二性能作为一组结构-性能数据，进而可以获得结构-性能数据集。结构-性能数据集中单一的内部结构与具有该单一的内部结构的多孔骨植入物的性能一一对应。将内部结构输入到所述性能预测模型中，得到输出的第三性能的值；在第三性能的值与第二性能的值之间的损失满足预设的第一损失范围或极小值的情况下，完成预
测模型的训练。
122.通过训练，可以提高预测模型的准确率和效率，进而提高确定目标内部结构的准确率和效率。
123.在一种可能的实现方式中，所述训练所述性能预测模型，包括：按照预设的学习率训练所述性能预测模型，所述学习率的范围为0.001-0.05。
124.在预测模型用于预测杨氏模量的情况下，若学习率为0.0.1时，经过100轮训练，预测模型预测的杨氏模量的误差随轮次下降速度较快，训练集和验证集的预测误差小；若学习率为0.05时，杨氏模量的误差随轮次下降速度更快，但训练集和验证集的预测误差较大；若学习率为0.1时，杨氏模量的误差不随轮次下降，表示无法训练得到可用的预测模型；若学习率为0.0001时，杨氏模量的误差随轮次下降速度慢，100轮后仍未达到误差的极小值，影响训练效率。所以，将学习率控制在0.001～0.05，可以提高预测网络的训练效率及准确率。
125.在预测模型用于预测杨氏模量且学习率为0.01的情况下，设定卷积层的滤波器大小分别为(8，4，2)、(32，16，8)、(32，16，8)，各经过100轮训练。在滤波器大小为(8，4，2)时，杨氏模量的误差的极小值最小，预测时间最短。所以，将学习率设置为0.01、卷积层的滤波器设置为(8，4，2)时，模型的预测效果最佳。
126.在一种可能的实现方式中，所述结构生成模型为经过非监督学习获得的模型，所述结构生成模型的训练过程包括：将所述第一内部单元参数输入至结构生成模型中，得到生成的第三内部单元参数，所述第三内部单元参数与所述第一内部单元参数为同一类别的参数；利用第一内部单元参数与第三内部单元参数的损失，训练所述生成模型。
127.在本公开实施例中，第一内部单元参数的表现形式可以为三维矩阵。结构生成模型通过对第一内部单元参数进行编码、译码，重建出第三内部单元参数；计算出第三内部单元参数与第一内部单元参数的损失，根据该损失优化结构生成模型的参数；在第三内部单元参数与第一内部单元参数满足预设的第二损失范围或极小值的情况下，完成预测模型的训练。
128.通过训练，可以提高生成模型的准确率和效率，进而提高确定目标内部结构的准确率和效率。
129.下面通过一种具体的实施例来介绍多孔骨植入物的结构生成方法。
130.针对不同位置的骨骼、关节，对多孔骨植入物的杨氏模量的要求也不同。屈服强度越高，多孔骨植入物越不易变形、损坏。所以，可以根据临床需求，确定杨氏模量阈值范围、屈服强度阈值，即确定前述第一标准。
131.生成多孔骨植入物模型。使用matlab生成具有不同空间孔隙率分布的多孔骨植入物模型，其中多孔骨植入物的单元类型为gyroid杆状曲面结构单元，单元大小为2
×2×
2毫米，单元数量为3
×3×
3个，单元孔隙率在0.1～0.8之间随机生成且取值保留一位有效数字。
132.建立有限元模型。有限元模型的物理模型为：多孔骨植入物和压头的压缩模型(固体力学有限元模型的一种)，其中，多孔骨植入物的材料为增材制造态的纯锌，材料压缩杨氏模量为5gpa，泊松比为0.3，尺寸为6
×6×
6毫米；压头选择半径为10毫米、厚度3毫米的圆形平板，材料设置为刚体；网络划分为四节点线性四面体单元、减缩积分、沙漏控制；边界条
件定义为下压头下表面固定，上压头以恒定速度2毫米每分钟向下移动，多孔骨植入物和压头之间以摩擦副的形式接触，摩擦系数设置为0.2，在网格划分时，多孔骨植入物处的网格密度大于压头的网格密度，分析时间为30秒。
133.将多孔骨植入物模型输入有限元模型。利用限元模型计算得到的下压头受到的总力和对应的上压头位移量，得到多孔骨植入物模型的应力应变曲线，计算应力应变曲线斜率即可得到单一的多孔骨植入物模型的结构-杨氏模量对应关系，重复上述过程，获得包含结构-杨氏模量数据集。同理，根据应力应变曲线，可以获得结构-屈服强度数据集。
134.训练杨氏模量预测模型、屈服强度预测模型。利用结构-杨氏模量数据集训练杨氏模量预测模型，当预测出的杨氏模量与数据集中杨氏模量的损失达到极小值时，完成训练。同理，利用结构-屈服强度数据集训练屈服强度预测模型。
135.训练结构生成模型。
136.生成候选内部结构。将多孔骨植入物模型输入到杨氏模量预测模型，获得预测的第二杨氏模量。将多孔骨植入物模型输入到屈服强度预测模型，获得预测的第二屈服强度。将第二杨氏模量、第二屈服强度满足第一标准的多孔骨植入物模型确定为第一多孔骨植入物模型。从第一多孔骨植入物模型提取第一单元孔隙率。并且将提取的第一单元孔隙率输入到结构生成模型，生成多个第二单元孔隙率，用第二单元孔隙率代替第一单元孔隙率生成多个候选内部结构。
137.确定目标内部结构。将候选内部结构输入到性能预测模型，预测出第一杨氏模量、第一屈服强度。选择出第一杨氏模量落入杨氏模量阈值范围的第一候选内部结构。将第一候选内部结构，按照第一屈服强度值由高到低进行排序，选择排名第一的第一内部候选结构作为目标内部结构。
138.图5示出本公开实施例提供的一种多孔骨植入物的结构生成装置的结构示意图。如图5所示，所述装置50包括：
139.第一内部单元参数提取单元51，用于从第一多孔骨植入物模型中提取第一内部单元参数，所述第一多孔骨植入物模型的内部结构符合目标内部结构的标准，所述第一内部单元参数为所述第一多孔骨植入物模型的内部结构中单元的参数；
140.候选内部结构生成单元52，用于将所述第一内部单元参数输入结构生成模型，得到输出的多个候选内部结构；
141.第一性能预测单元53，用于将所述候选内部结构输入性能预测模型，获得第一性能的值，所述第一性能的值表征具有所述候选内部结构的多孔骨植入物的性能水平；
142.目标内部结构选择单元54，用于按照所述第一性能的值，从所述候选内部结构中，选择出目标内部结构。
143.在一种可能的实现方式中，所述第一内部单元参数提取单元51，包括：
144.多孔骨植入物模型生成单元，用于根据预设的外形参数和内部结构参数，生成多孔骨植入物模型，其中，所述外形参数用于限定所述多孔骨植入物模型的外形，所述内部结构参数用于限定所述多孔骨植入物模型的内部结构；
145.第二性能预测单元，用于将所述多孔骨植入物模型输入至少一个有限元模型，得到输出的至少一个第二性能的值；
146.第一多孔骨植入物模型确定单元，用于将所述第二性能值符合目标内部结构的标
准的多孔骨植入物模型，作为第一多孔骨植入物模型。
147.在一种可能的实现方式中，所述结构生成模型包括：编码器、译码器，所述候选内部结构生成单元52，包括：
148.降维单元，用于将所述第一内部单元参数输入所述编码器，获得降维后的第一内部单元参数；
149.映射单元，用于将所述降维后的第一内部单元参数映射到潜在空间；
150.采样单元，用于对所述潜在空间中的降维后的第一内部单元参数进行采样，获得采样数据；
151.第二内部单元参数确定单元，用于将所述采样数据输入到所述译码器，得到输出的多个第二内部单元参数；
152.候选内部结构生成子单元，用于将所述第二内部单元参数替换所述第一内部单元参数的内部结构参数，生成多个候选内部结构。
153.在一种可能的实现方式中，所述第一性能包括：第一类性能，第二类性能、第三类性能，其中，所述第一类性能需满足的标准包括性能的值处于临床需求范围内，所述第二类性能需满足的标准包括性能的值需大于第一阈值；所述第三类性能需满足的标准包括性能的值需小于第二阈值；
154.所述目标内部结构选择单元54，还用于：
155.选择出所述第一性能的值落入临床需求范围，且大于第一阈值，且小于第二阈值的候选内部结构，作为所述目标内部结构。
156.在一种可能的实现方式中，所述性能预测模型的训练过程，包括：
157.将所述多孔骨植入物模型的内部结构输入到所述性能预测模型中，得到输出的第三性能的值；
158.利用所述第三性能的值与所述第二性能的值之间的损失，训练所述性能预测模型。
159.在一种可能的实现方式中，所述训练所述性能预测模型，包括：
160.按照预设的学习率训练所述性能预测模型，所述学习率的范围为0.001-0.05。
161.在一种可能的实现方式中，所述结构生成模型为经过非监督学习训练得到的模型，所述结构生成模型的训练过程包括：
162.将所述第一内部单元参数输入至结构生成模型中，得到生成的第三内部单元参数，所述第三内部单元参数与所述第一内部单元参数为同一类别的参数；
163.利用第一内部单元参数与第三内部单元参数的损失，训练所述生成模型。
164.在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
165.本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
166.本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为在执行所述存储器存储的指令时，实现上述方法。
167.本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
168.图6是根据一示例性实施例示出的一种用于多孔骨植入物的结构生成装置1900的结构示意图。例如，装置1900可以被提供为一服务器或终端设备。参照图6，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
169.装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(i/o)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如windows servertm，mac os xtm，unixtm,linuxtm，freebsdtm或类似。
170.在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
171.本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
172.计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
173.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
174.用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独
立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
175.这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
176.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
177.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
178.附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
179.以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。