목적: 정확한 생체 기계적 모델링은 가상 수술 훈련의 현실감을 향상시키는 데 필수적입니다. 본 연구는 전통적인 점탄성 모델과 관련된 계산 비용과 복잡성을 해결하기 위해 신경망 알고리즘을 도입하여 연조직 모델링의 예측 능력을 향상시켰습니다. 방법: 이러한 과제를 해결하기 위해 본 연구는 새로운 생체 기계적 모델링 접근법을 제안합니다. 이 접근법은 후향전파(BP) 신경망을 기반으로 한 이완 예측 모델을 설정하고, 향상된 스패로우 탐색 알고리즘(ISSA)을 사용하여 최적화합니다. 이 하이브리드 방법은 연조직의 이완력을 보다 정확하게 예측하기 위해 겸자를 이용한 동적 특성을 활용합니다. ISSA는 혼돈 매핑, 비선형 관성 가중치, 수직-수평 크로스오버 전략을 통합하여 모형을 최적화하며, 이는 국부 최적화 문제를 해결하고 예측 성능을 향상시키는 데 도움을 줍니다. 결과: 실험 결과는 돼지 신장의 R²값이 0.9956, 돼지 위의 R²값이 0.9896에 도달하여, 이완력 예측에 있어 모델의 뛰어난 정밀도를 가리켰습니다. 결론: ISSA-BP 신경망에 기반한 이완력 예측 모델은 연조직의 생체 기계적 모델링을 위한 새로운 효과적인 전략을 제공하며 뛰어난 예측 성능을 보여줍니다.