PerSival：面向肌骨骼生物力学中普适连续介质力学仿真的基于神经网络的可视化
组织与器官
2026-05-26 v1 机器学习
摘要
本文提出了一种新颖的神经网络架构，用于 3D 人类上肢肌骨骼系统模型的普适可视化。将仿真能力引入移动设备等资源匮乏的系统，以拓宽方法和结果的适用性，这在许多研究领域引起了越来越多的兴趣。直到最近，由于高昂的计算成本，人们认为这一目标对于肌骨骼系统的真实连续介质力学仿来说是遥不可及的。在本工作中，我们使用稀疏网格代理模型来捕获肱二头肌的表面变形，以训练一个深度学习模型，用于同一肌肉的实时可视化。这两个代理模型均将 5 个肌肉激活水平作为输入，并输出肌肉表面上每个网格节点的笛卡尔坐标向量。因此，该神经网络架构的输入维度显著低于输出维度。5 个肌肉激活水平足以使二头肌的 2809 个网格节点位置达到 0.97 +/- 0.16 mm 或 0.57 +/- 0.10 % 的平均误差。该模型在仅使用 CPU 时每个预测变形状态的评估时间为 9.88 ms，在 GPU 支持下为 3.48 ms，理论帧率分别达到 101 fps 和 287 fps。因此，深度学习代理模型提供了一种使连续介质力学仿真可用于视觉实时应用的方法。
引用
@article{arxiv.2312.03957,
title = {PerSival: Neural-network-based visualisation for pervasive continuum-mechanical simulations in musculoskeletal biomechanics},
author = {David Rosin and Johannes Kässinger and Xingyao Yu and Okan Avci and Christian Bleiler and Oliver Röhrle},
journal= {arXiv preprint arXiv:2312.03957},
year = {2026}
}
备注
10 pages, 4 figures, 5 tables, to be submitted to Medical Image Analysis