本發(fā)明屬于臨床醫(yī)學(xué)技術(shù)領(lǐng)域，尤其涉及一種骨科內(nèi)固定物成型系統(tǒng)及方法。

背景技術(shù)：

骨科內(nèi)固定技術(shù)已廣泛應(yīng)用于臨床，杰出的骨科醫(yī)生，往往不僅是技藝高超的“魯班”，還是優(yōu)秀的發(fā)明家?；跅U-螺絲釘、板-螺絲釘?shù)冉Y(jié)構(gòu)解決了骨科植入物的固定、受力和耐久性等力學(xué)問題。依靠螺絲釘固定的骨科植入物，由于“螺絲釘與宿主骨破壞性的固定方式”、“工業(yè)化的棒、板、帶、絲等結(jié)構(gòu)無法與個(gè)性化的宿主骨表面契合”以及“植入物彈性模量與活體骨之間的差異”等原因，使得植入物固定后，宿主骨會(huì)出現(xiàn)“應(yīng)力集中”和“應(yīng)力遮擋”等力學(xué)現(xiàn)象，由此引起“骨萎縮”、“骨不連”等并發(fā)癥發(fā)生。現(xiàn)有的骨科內(nèi)固定物成型系統(tǒng)存在功能單一，無法實(shí)現(xiàn)遠(yuǎn)程控制，成型幾率低。

綜上所述，現(xiàn)有技術(shù)存在的問題是：現(xiàn)有的骨科內(nèi)固定物成型系統(tǒng)存在功能單一，無法實(shí)現(xiàn)遠(yuǎn)程控制，成型幾率低。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)存在的問題，本發(fā)明提供了一種骨科內(nèi)固定物成型系統(tǒng)及方法。

本發(fā)明是這樣實(shí)現(xiàn)的，一種骨科內(nèi)固定物成型系統(tǒng)，所述骨科內(nèi)固定物成型系統(tǒng)包括：

處理器，用于將建立的三維模型、第一計(jì)算模塊和第五計(jì)算模塊的計(jì)算結(jié)果以及姿態(tài)定位的結(jié)果進(jìn)行處理，并經(jīng)過局域網(wǎng)以無線的形式發(fā)給移動(dòng)終端；

所述局域網(wǎng)的無線傳感器網(wǎng)絡(luò)路由方法包括以下步驟：

步驟一，無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)部署；無線傳感器網(wǎng)絡(luò)給定工作區(qū)域中包括1個(gè)源節(jié)點(diǎn)N，1個(gè)目的節(jié)點(diǎn)Sink和n個(gè)中間節(jié)點(diǎn)S₁,S₂,L,S_i,L,S_n，每個(gè)中間節(jié)點(diǎn)有唯一的編號(hào)；其中，源節(jié)點(diǎn)N負(fù)責(zé)生成并發(fā)送數(shù)據(jù)，目的節(jié)點(diǎn)Sink負(fù)責(zé)接收從源節(jié)點(diǎn)N發(fā)送的數(shù)據(jù)，中間節(jié)點(diǎn)S₁,S₂,L,S_i,L,S_n負(fù)責(zé)將源節(jié)點(diǎn)N發(fā)送的數(shù)據(jù)傳輸?shù)侥康墓?jié)點(diǎn)Sink；

步驟二，生成數(shù)據(jù)，源節(jié)點(diǎn)N自動(dòng)生成數(shù)據(jù)序列data＝{data₁,data₂,L,data_i,L,data₈}，作為一次發(fā)送的原始數(shù)據(jù)，其中第i個(gè)數(shù)據(jù)項(xiàng)data_i是28位二進(jìn)制序列；

步驟三，嵌入水印，給定水印序列w＝{w₁,w₂,L,w_i,L,w₈}，其中w_i是4位二進(jìn)制序列；依次將w_i添加到data_i后，得到含水印數(shù)據(jù)序列wdata＝{wdata₁,wdata₂,L,wdata_i,L,wdata₈}，作為一次發(fā)送的發(fā)送數(shù)據(jù)，其中第i個(gè)含水印數(shù)據(jù)項(xiàng)wdata_i是32位二進(jìn)制序列；

步驟四，發(fā)送數(shù)據(jù)；

步驟五，水印提取和檢測(cè)；

步驟六，修改節(jié)點(diǎn)安全度，在數(shù)據(jù)傳輸過程中，記錄本次傳輸路徑，即保存轉(zhuǎn)發(fā)含水印數(shù)據(jù)序列wdata所經(jīng)過的所有中間節(jié)點(diǎn)的節(jié)點(diǎn)編號(hào)，在步驟五中，如果目的節(jié)點(diǎn)Sink檢測(cè)到取出的水印序列rw＝{rw₁,rw₂,L,rw_i,L,rw₈}與給定水印序列w＝{w₁,w₂,L,w_i,L,w₈}不一致，即數(shù)據(jù)在傳輸過程中被篡改，則將本次數(shù)據(jù)傳輸路徑中所有節(jié)點(diǎn)的安全度降低為當(dāng)前值的二分之一；

所述無線傳感器網(wǎng)絡(luò)中的簇建立包括：

(1)在每一輪中選舉PN個(gè)簇頭節(jié)點(diǎn)，其中P為優(yōu)化簇頭比例，也是加權(quán)概率；每一個(gè)節(jié)點(diǎn)由下面的概率門限來決定是否成為簇頭節(jié)點(diǎn)：

其中，r為當(dāng)前的輪數(shù)，G為在最近輪中沒有成為簇頭的節(jié)點(diǎn)集合；每個(gè)節(jié)點(diǎn)都有機(jī)會(huì)輪流成為消耗能量較多的簇頭節(jié)點(diǎn)；

E₀表示普通節(jié)點(diǎn)的初始能量，a₁,a₂,...,a_n分別表示n種特殊節(jié)點(diǎn)所占的比例，b₁,b₂,...,b_n分別表示特殊節(jié)點(diǎn)初始能量超過普通節(jié)點(diǎn)初始能量的倍數(shù)；

a₁N,a₂N,...,a_nN個(gè)特殊節(jié)點(diǎn)的初始能量分別為E₀(1+b₁),E₀(1+b₂),...,E₀(1+b_n)，剩下的(1-a₁-a₂,...-a_n)N個(gè)普通節(jié)點(diǎn)的初始能量為E₀(1+b_n)；

多級(jí)異構(gòu)網(wǎng)絡(luò)總的初始能量為：

N個(gè)傳感器節(jié)點(diǎn)隨機(jī)均勻分布在一個(gè)半徑為A的圓形區(qū)域，sink節(jié)點(diǎn)位于區(qū)域中間，每一輪向簇頭發(fā)送數(shù)據(jù)的過程中所耗的總能量為：

其中，l為簇頭數(shù)，E_elec表示運(yùn)行傳輸電路或者接收電路時(shí)每比特?cái)?shù)據(jù)所消耗的能量，E_DA為簇頭執(zhí)行數(shù)據(jù)融合的代價(jià)，為簇頭到sink節(jié)點(diǎn)的平均距離，為簇成員節(jié)點(diǎn)到簇頭節(jié)點(diǎn)的平均距離，ε_ampd4_sink和為放大器消耗的能量：

計(jì)算得到

對(duì)E_round關(guān)于l求偏導(dǎo)，并令該偏導(dǎo)數(shù)為0，則最優(yōu)的簇頭數(shù)為：

得到網(wǎng)絡(luò)在每一輪消耗的能量總數(shù)E_round；同時(shí)，

網(wǎng)絡(luò)的初始總能量E_total已知，R_total為網(wǎng)絡(luò)生命周期的估計(jì)值，也可得到：

R_tatal＝E_total/E_round；

對(duì)這n+1種節(jié)點(diǎn)按照其初始能量取不同的加權(quán)概率P_i：

(2)節(jié)點(diǎn)i在第r輪的當(dāng)前能量E_i(r)來選取其簇頭輪轉(zhuǎn)周期T_i，表示網(wǎng)絡(luò)在第r輪的平均能量，以作為參考能量與節(jié)點(diǎn)的當(dāng)前能量E_i(r)作比較，得到：

其中，P_opt為優(yōu)化簇頭比例；

第r輪后網(wǎng)絡(luò)每個(gè)節(jié)點(diǎn)的平均能量為：

代入計(jì)算得到加權(quán)概率H_i(r)；

得到各節(jié)點(diǎn)的概率門限；

所述處理器對(duì)接收的跳頻混合信號(hào)時(shí)頻域矩陣進(jìn)行預(yù)處理，具體包括如下兩步：

第一步，對(duì)進(jìn)行去低能量預(yù)處理，即在每一采樣時(shí)刻p，將幅值小于門限ε的值置0，得到門限ε的設(shè)定可根據(jù)接收信號(hào)的平均能量來確定；

第二步，找出p時(shí)刻(p＝0,1,2,…P-1)非零的時(shí)頻域數(shù)據(jù)，用表示，其中表示p時(shí)刻時(shí)頻響應(yīng)非0時(shí)對(duì)應(yīng)的頻率索引，對(duì)這些非零數(shù)據(jù)歸一化預(yù)處理，得到預(yù)處理后的向量b(p,q)＝[b₁(p,q),b₂(p,q),…,b_M(p,q)]^T，其中

三維模型模塊，與處理器有線連接，用于由斷層掃描獲得活體骨連續(xù)的斷層影像，在逆向工程軟件中對(duì)連續(xù)斷層影像進(jìn)行堆棧并建立活體骨的三維模型；

第一計(jì)算模塊，與處理器有線連接，用于計(jì)算活體骨的質(zhì)心和慣量主軸；

姿態(tài)定位模塊，與處理器有線連接，用于將掃描坐標(biāo)系的原點(diǎn)移動(dòng)至活體骨的質(zhì)心，實(shí)現(xiàn)活體骨的姿態(tài)定位；

第二計(jì)算模塊，與處理器有線連接，用于計(jì)算出放大活體骨的三維模型，將放大活體骨與活體骨之間做“或”布爾運(yùn)算，得到活體骨的鎧甲；

局域網(wǎng)模塊，與處理器有線連接，用于實(shí)現(xiàn)處理器信息的發(fā)送；

移動(dòng)終端，與局域網(wǎng)模塊無線連接，用于實(shí)現(xiàn)處理器信息的顯示。

進(jìn)一步，所述三維模型模塊中三維模型最優(yōu)視圖的自動(dòng)選擇方法，其特征在于，包括以下步驟：

步驟一，三維模型集預(yù)處理：對(duì)輸入的三維模型集中的各個(gè)三維模型進(jìn)行預(yù)處理，得到所有三維模型的類別，包括姿態(tài)校正、尺度歸一化以及三維模型類別判斷三個(gè)步驟，所述三維模型集中每個(gè)三維模型設(shè)有類別標(biāo)記；

姿態(tài)校正過程調(diào)整三維模型的坐標(biāo)系，將三維模型的姿態(tài)校正為直立狀態(tài)；

尺度歸一化過程將三維模型的大小歸一化為單位長(zhǎng)度；

三維模型類別判斷過程根據(jù)已有三維模型集來確定不在三維模型集中未分類三維模型的所屬類別；

步驟二，候選視圖選取：采樣三維模型的各個(gè)視圖，并提取特征和聚類，得到三維模型的一組候選視圖：包括三維模型視圖采樣、視圖特征提取和視圖聚類三個(gè)步驟：

三維模型視圖采樣過程將連續(xù)分布的視點(diǎn)離散化；

視圖特征提取過程提取描述每個(gè)視圖的特征向量；

視圖聚類過程將相似度大于閾值的視圖聚集在一起，然后生成候選視圖子集；

步驟三，視圖評(píng)價(jià)：對(duì)三維模型的候選視圖排序，選擇排序靠前的視圖為最優(yōu)視圖，包括距離計(jì)算和最優(yōu)視圖學(xué)習(xí)兩個(gè)步驟：

距離計(jì)算過程計(jì)算候選視圖與三維模型集中其他三維模型的距離以及不同三維模型對(duì)應(yīng)的視圖；

最優(yōu)視圖學(xué)習(xí)過程中對(duì)每個(gè)候選視圖訓(xùn)練分類器，并進(jìn)行交叉驗(yàn)證，按錯(cuò)誤率升序排列，排序最靠前的為最優(yōu)視圖。

本發(fā)明的另一目的在于提供一種所述骨科內(nèi)固定物成型系統(tǒng)的骨科內(nèi)固定物成型方法，所述骨科內(nèi)固定物成型方法包括：

將建立的三維模型、第一計(jì)算模塊和第五計(jì)算模塊的計(jì)算結(jié)果以及姿態(tài)定位的結(jié)果進(jìn)行處理，并經(jīng)過局域網(wǎng)以無線的形式發(fā)給移動(dòng)終端；

由斷層掃描獲得活體骨連續(xù)的斷層影像，在逆向工程軟件中對(duì)連續(xù)斷層影像進(jìn)行堆棧并建立活體骨的三維模型；

計(jì)算活體骨的質(zhì)心和慣量主軸。

將掃描坐標(biāo)系的原點(diǎn)移動(dòng)至活體骨的質(zhì)心，實(shí)現(xiàn)活體骨的姿態(tài)定位；

計(jì)算出放大活體骨的三維模型，將放大活體骨與活體骨之間做“或”布爾運(yùn)算，得到活體骨的鎧甲；

實(shí)現(xiàn)處理器信息的發(fā)送；

實(shí)現(xiàn)處理器信息的顯示。

本發(fā)明的優(yōu)點(diǎn)及積極效果為：設(shè)置有局域網(wǎng)模塊，實(shí)現(xiàn)了遠(yuǎn)程對(duì)內(nèi)固定物成型的監(jiān)視，便于提高臨床醫(yī)療水平；固定物與宿主骨之間的幾何關(guān)系來自逆向工程，使得固定物與宿主骨之間實(shí)現(xiàn)了高度契合，由此減少了固定物與宿主骨之間應(yīng)力遮擋；這兩項(xiàng)技術(shù)從源頭上解決了骨萎縮、骨不連等并發(fā)癥的發(fā)生。

附圖說明

圖1是本發(fā)明實(shí)施例提供的骨科內(nèi)固定物成型系統(tǒng)及方法流程圖。

圖中：1、處理器；2、三維模型模塊；3、第一計(jì)算模塊；4、姿態(tài)定位模塊；5、第二計(jì)算模塊；6、局域網(wǎng)模塊；7、移動(dòng)終端。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

下面結(jié)合附圖對(duì)本發(fā)明的應(yīng)用原理作詳細(xì)的描述。

如圖1所示，本發(fā)明實(shí)施例提供的骨科內(nèi)固定物成型系統(tǒng)包括：處理器1、三維模型模塊2、第一計(jì)算模塊3、姿態(tài)定位模塊4、第二計(jì)算模塊5、局域網(wǎng)模塊6、移動(dòng)終端7。

處理器1，用于將建立的三維模型、第一計(jì)算模塊3和第五計(jì)算模塊5的計(jì)算結(jié)果以及姿態(tài)定位的結(jié)果進(jìn)行處理，并經(jīng)過局域網(wǎng)以無線的形式發(fā)給移動(dòng)終端7；

三維模型模塊2，與處理器1有線連接，用于由斷層掃描獲得活體骨連續(xù)的斷層影像，在逆向工程軟件中對(duì)連續(xù)斷層影像進(jìn)行堆棧并建立活體骨的三維模型；

第一計(jì)算模塊3，與處理器1有線連接，用于計(jì)算活體骨的質(zhì)心和慣量主軸。

姿態(tài)定位模塊4，與處理器1有線連接，用于將掃描坐標(biāo)系的原點(diǎn)移動(dòng)至活體骨的質(zhì)心，實(shí)現(xiàn)活體骨的姿態(tài)定位；

第二計(jì)算模塊5，與處理器1有線連接，用于計(jì)算出放大活體骨的三維模型，將放大活體骨與活體骨之間做“或”布爾運(yùn)算，得到活體骨的鎧甲；

局域網(wǎng)模塊6，與處理器1有線連接，用于實(shí)現(xiàn)處理器1信息的發(fā)送；

移動(dòng)終端7，與局域網(wǎng)模塊6無線連接，用于實(shí)現(xiàn)處理器1信息的顯示。

處理器1對(duì)接收的跳頻混合信號(hào)時(shí)頻域矩陣進(jìn)行預(yù)處理，具體包括如下兩步：

第一步，對(duì)進(jìn)行去低能量預(yù)處理，即在每一采樣時(shí)刻p，將幅值小于門限ε的值置0，得到門限ε的設(shè)定可根據(jù)接收信號(hào)的平均能量來確定；

第二步，找出p時(shí)刻(p＝0,1,2,…P-1)非零的時(shí)頻域數(shù)據(jù)，用表示，其中表示p時(shí)刻時(shí)頻響應(yīng)非0時(shí)對(duì)應(yīng)的頻率索引，對(duì)這些非零數(shù)據(jù)歸一化預(yù)處理，得到預(yù)處理后的向量b(p,q)＝[b₁(p,q),b₂(p,q),…,b_M(p,q)]^T，其中

三維模型模塊2中三維模型最優(yōu)視圖的自動(dòng)選擇方法，其特征在于，包括以下步驟：

步驟一，三維模型集預(yù)處理：對(duì)輸入的三維模型集中的各個(gè)三維模型進(jìn)行預(yù)處理，得到所有三維模型的類別，包括姿態(tài)校正、尺度歸一化以及三維模型類別判斷三個(gè)步驟，所述三維模型集中每個(gè)三維模型設(shè)有類別標(biāo)記；

姿態(tài)校正過程調(diào)整三維模型的坐標(biāo)系，將三維模型的姿態(tài)校正為直立狀態(tài)；

尺度歸一化過程將三維模型的大小歸一化為單位長(zhǎng)度；

三維模型類別判斷過程根據(jù)已有三維模型集來確定不在三維模型集中未分類三維模型的所屬類別；

步驟二，候選視圖選?。翰蓸尤S模型的各個(gè)視圖，并提取特征和聚類，得到三維模型的一組候選視圖：包括三維模型視圖采樣、視圖特征提取和視圖聚類三個(gè)步驟：

三維模型視圖采樣過程將連續(xù)分布的視點(diǎn)離散化；

視圖特征提取過程提取描述每個(gè)視圖的特征向量；

視圖聚類過程將相似度大于閾值的視圖聚集在一起，然后生成候選視圖子集；

步驟三，視圖評(píng)價(jià)：對(duì)三維模型的候選視圖排序，選擇排序靠前的視圖為最優(yōu)視圖，包括距離計(jì)算和最優(yōu)視圖學(xué)習(xí)兩個(gè)步驟：

距離計(jì)算過程計(jì)算候選視圖與三維模型集中其他三維模型的距離以及不同三維模型對(duì)應(yīng)的視圖；

最優(yōu)視圖學(xué)習(xí)過程中對(duì)每個(gè)候選視圖訓(xùn)練分類器，并進(jìn)行交叉驗(yàn)證，按錯(cuò)誤率升序排列，排序最靠前的為最優(yōu)視圖。

所述局域網(wǎng)的無線傳感器網(wǎng)絡(luò)路由方法包括以下步驟：

步驟一，無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)部署；無線傳感器網(wǎng)絡(luò)給定工作區(qū)域中包括1個(gè)源節(jié)點(diǎn)N，1個(gè)目的節(jié)點(diǎn)Sink和n個(gè)中間節(jié)點(diǎn)S₁,S₂,L,S_i,L,S_n，每個(gè)中間節(jié)點(diǎn)有唯一的編號(hào)；其中，源節(jié)點(diǎn)N負(fù)責(zé)生成并發(fā)送數(shù)據(jù)，目的節(jié)點(diǎn)Sink負(fù)責(zé)接收從源節(jié)點(diǎn)N發(fā)送的數(shù)據(jù)，中間節(jié)點(diǎn)S₁,S₂,L,S_i,L,S_n負(fù)責(zé)將源節(jié)點(diǎn)N發(fā)送的數(shù)據(jù)傳輸?shù)侥康墓?jié)點(diǎn)Sink；

步驟二，生成數(shù)據(jù)，源節(jié)點(diǎn)N自動(dòng)生成數(shù)據(jù)序列data＝{data₁,data₂,L,data_i,L,data₈}，作為一次發(fā)送的原始數(shù)據(jù)，其中第i個(gè)數(shù)據(jù)項(xiàng)data_i是28位二進(jìn)制序列；

步驟三，嵌入水印，給定水印序列w＝{w₁,w₂,L,w_i,L,w₈}，其中w_i是4位二進(jìn)制序列；依次將w_i添加到data_i后，得到含水印數(shù)據(jù)序列wdata＝{wdata₁,wdata₂,L,wdata_i,L,wdata₈}，作為一次發(fā)送的發(fā)送數(shù)據(jù)，其中第i個(gè)含水印數(shù)據(jù)項(xiàng)wdata_i是32位二進(jìn)制序列；

步驟四，發(fā)送數(shù)據(jù)；

步驟五，水印提取和檢測(cè)；

步驟六，修改節(jié)點(diǎn)安全度，在數(shù)據(jù)傳輸過程中，記錄本次傳輸路徑，即保存轉(zhuǎn)發(fā)含水印數(shù)據(jù)序列wdata所經(jīng)過的所有中間節(jié)點(diǎn)的節(jié)點(diǎn)編號(hào)，在步驟五中，如果目的節(jié)點(diǎn)Sink檢測(cè)到取出的水印序列rw＝{rw₁,rw₂,L,rw_i,L,rw₈}與給定水印序列w＝{w₁,w₂,L,w_i,L,w₈}不一致，即數(shù)據(jù)在傳輸過程中被篡改，則將本次數(shù)據(jù)傳輸路徑中所有節(jié)點(diǎn)的安全度降低為當(dāng)前值的二分之一；

所述無線傳感器網(wǎng)絡(luò)中的簇建立包括：

(1)在每一輪中選舉PN個(gè)簇頭節(jié)點(diǎn)，其中P為優(yōu)化簇頭比例，也是加權(quán)概率；每一個(gè)節(jié)點(diǎn)由下面的概率門限來決定是否成為簇頭節(jié)點(diǎn)：

其中，r為當(dāng)前的輪數(shù)，G為在最近輪中沒有成為簇頭的節(jié)點(diǎn)集合；每個(gè)節(jié)點(diǎn)都有機(jī)會(huì)輪流成為消耗能量較多的簇頭節(jié)點(diǎn)；

E₀表示普通節(jié)點(diǎn)的初始能量，a₁,a₂,...,a_n分別表示n種特殊節(jié)點(diǎn)所占的比例，b₁,b₂,...,b_n分別表示特殊節(jié)點(diǎn)初始能量超過普通節(jié)點(diǎn)初始能量的倍數(shù)；

a₁N,a₂N,...,a_nN個(gè)特殊節(jié)點(diǎn)的初始能量分別為E₀(1+b₁),E₀(1+b₂),...,E₀(1+b_n)，剩下的(1-a₁-a₂,...-a_n)N個(gè)普通節(jié)點(diǎn)的初始能量為E₀(1+b_n)；

多級(jí)異構(gòu)網(wǎng)絡(luò)總的初始能量為：

N個(gè)傳感器節(jié)點(diǎn)隨機(jī)均勻分布在一個(gè)半徑為A的圓形區(qū)域，sink節(jié)點(diǎn)位于區(qū)域中間，每一輪向簇頭發(fā)送數(shù)據(jù)的過程中所耗的總能量為：

其中，l為簇頭數(shù)，E_elec表示運(yùn)行傳輸電路或者接收電路時(shí)每比特?cái)?shù)據(jù)所消耗的能量，E_DA為簇頭執(zhí)行數(shù)據(jù)融合的代價(jià)，為簇頭到sink節(jié)點(diǎn)的平均距離，為簇成員節(jié)點(diǎn)到簇頭節(jié)點(diǎn)的平均距離，ε_ampd⁴_sink和為放大器消耗的能量：

計(jì)算得到

對(duì)E_round關(guān)于l求偏導(dǎo)，并令該偏導(dǎo)數(shù)為0，則最優(yōu)的簇頭數(shù)為：

得到網(wǎng)絡(luò)在每一輪消耗的能量總數(shù)E_round；同時(shí)，

網(wǎng)絡(luò)的初始總能量E_total已知，R_total為網(wǎng)絡(luò)生命周期的估計(jì)值，也可得到：

R_tatal＝E_total/E_round；

對(duì)這n+1種節(jié)點(diǎn)按照其初始能量取不同的加權(quán)概率P_i：

(2)節(jié)點(diǎn)i在第r輪的當(dāng)前能量E_i(r)來選取其簇頭輪轉(zhuǎn)周期T_i，表示網(wǎng)絡(luò)在第r輪的平均能量，以作為參考能量與節(jié)點(diǎn)的當(dāng)前能量E_i(r)作比較，得到：

其中，P_opt為優(yōu)化簇頭比例；

第r輪后網(wǎng)絡(luò)每個(gè)節(jié)點(diǎn)的平均能量為：

代入計(jì)算得到加權(quán)概率H_i(r)；

得到各節(jié)點(diǎn)的概率門限。

本發(fā)明實(shí)施例提供的骨科內(nèi)固定物成型方法包括：

將建立的三維模型、第一計(jì)算模塊和第五計(jì)算模塊的計(jì)算結(jié)果以及姿態(tài)定位的結(jié)果進(jìn)行處理，并經(jīng)過局域網(wǎng)以無線的形式發(fā)給移動(dòng)終端；

由斷層掃描獲得活體骨連續(xù)的斷層影像，在逆向工程軟件中對(duì)連續(xù)斷層影像進(jìn)行堆棧并建立活體骨的三維模型；

計(jì)算活體骨的質(zhì)心和慣量主軸。

將掃描坐標(biāo)系的原點(diǎn)移動(dòng)至活體骨的質(zhì)心，實(shí)現(xiàn)活體骨的姿態(tài)定位；

計(jì)算出放大活體骨的三維模型，將放大活體骨與活體骨之間做“或”布爾運(yùn)算，得到活體骨的鎧甲；

實(shí)現(xiàn)處理器信息的發(fā)送；

實(shí)現(xiàn)處理器信息的顯示。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。