融合CBAM注意力机制的人体软组织多物理场快速同步建模

摘要

人体软组织的快速物理建模对手术模拟至关重要。深度学习结合有限元计算的方案解决了传统方案建模效率低下的弊端。然而,已有的研究仅关注软组织受外载时的变形建模,忽略了应力和反力等物理场对手术训练指导性意义。为此,本文提出一种新颖的基于神经网络的软组织快速多物理场建模方案。方案通过紧凑编码软组织所受载荷与机械响应之间的非线性关系实现物理场的快速预测。针对物理场之间存在数量级差异导致网络训练不收敛的问题,引入卷积块注意力模块(convolutional block attention module, CBAM)来动态平衡各个物理场之间的权重,解决大尺度物理场主导模型训练的问题。实验表明,所提方案相较于同类方案可以更加精准、高效地预测软组织受到外部载荷时的多物理场。相比于传统数值方法,以约5%的精度损失实现了上千倍的效率提升,有望为外科模拟等计算机医疗辅助技术提供便利。

关键词

物理建模 / 深度学习 / 手术模拟 / 有限元模型