技术特征：
1.一种多孔骨植入物的结构生成方法，其特征在于，包括：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。2.根据权利要求1所述的方法，其特征在于，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：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。3.根据权利要求1所述的方法，其特征在于，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：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。4.根据权利要求1所述的方法，其特征在于，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。5.根据权利要求2所述的方法，其特征在于，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。6.根据权利要求5所述的方法，其特征在于，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。7.根据权利要求1所述的方法，其特征在于，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：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。8.一种多孔骨植入物的结构生成装置，其特征在于，包括：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；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；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；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。9.一种电子设备，其特征在于，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，实现权利要求1至7中任意一项所述的方法。10.一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，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
技术总结
本公开涉及一种多孔骨植入物的结构生成方法及装置、电子设备，该方法包括：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。本公开实施例能够提高生成多孔骨植入物的准确率和效率。确率和效率。确率和效率。
技术研发人员：温鹏 彭勃 韦业
受保护的技术使用者：清华大学
技术研发日：2022.09.05
技术公布日：2022/11/25