对扫描的脚模型进行细分和集群分析,用于智能糖尿病脚卸载靴子
Yaser Sabzehmeidani1, Andrei-Alexandru Popa2
1The Faculty of Engineering, Institute of Mechanical and Electrical Engineering, SDU Mechatronics (CIM), University of Southern Denmark (SDU), Alsion 2, 6400, Sønderborg, Denmark.
Journal of imaging informatics in medicine
|November 10, 2025
概括
高斯混合模型 (GMM) 在细分3D脚部扫描方面优于K-Means,改善了糖尿病脚 (DFU) 靴子设计. 这增强了个性化的DFU管理和康复设备开发.
科学领域:
- 生物医学工程 生物医学工程
- 计算解剖学的计算解剖学
- 医疗器械设计 医疗器械设计
背景情况:
- 糖尿病足 (DFU) 是一种严重的糖尿病并发症,如果不治疗,通常会导致截肢.
- 有效的DFU管理依赖于专门的卸载或康复设备.
- 准确的3D脚模型细分对于设计个性化的DFU治疗设备至关重要.
研究的目的:
- 为了比较K-Means和高斯混合模型 (GMM) 的有效性,用于对3D扫描脚模型进行细分.
- 评估用于糖尿病脚康复靴设计应用的集群性能.
- 为了确定最佳的算法,精确地对糖尿病患者的脚进行解剖细分.
主要方法:
- 用K-Means和GMM算法对98个3D扫描的脚模型进行了聚类分析.
- 绩效使用轮和戴维斯-博尔丁分数进行评估.
- 评估了跨解剖脚部部分的集群稳定性.
主要成果:
- 与K-Means (0.42和0.54分别) 相比,GMM实现了显著更高的轮得分 (0.58) 和较低的戴维斯-博尔丁得分 (0.47).
- 在不同的解剖足部区域中,GMM表现出更稳定的聚类.
- GMM比K-Means需要大约20%的计算时间.
结论:
- 与K-Means相比,高斯混合模型 (GMM) 在细分复杂的3D糖尿病脚结构方面表现出卓越的性能.
- 这些发现支持GMM的实用性,用于为DFU管理创建更精确和个性化的卸载引导设计.
- 使用GMM精确的足部模型细分对于在糖尿病护理中推进定制整形术和生物机械分析至关重要.
