CN108053709A - 一种心脏外科深部缝合操作训练系统及模拟成像方法 - Google Patents
一种心脏外科深部缝合操作训练系统及模拟成像方法 Download PDFInfo
- Publication number
- CN108053709A CN108053709A CN201711480097.0A CN201711480097A CN108053709A CN 108053709 A CN108053709 A CN 108053709A CN 201711480097 A CN201711480097 A CN 201711480097A CN 108053709 A CN108053709 A CN 108053709A
- Authority
- CN
- China
- Prior art keywords
- matrix
- module
- basic function
- image
- department
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 27
- 238000007675 cardiac surgery Methods 0.000 title claims abstract description 24
- 238000012549 training Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 16
- 230000000747 cardiac effect Effects 0.000 claims abstract description 15
- 238000009530 blood pressure measurement Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 109
- 230000004044 response Effects 0.000 claims description 27
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000011503 in vivo imaging Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 230000033764 rhythmic process Effects 0.000 claims description 6
- 230000017105 transposition Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000003032 molecular docking Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000013523 data management Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 102000002274 Matrix Metalloproteinases Human genes 0.000 claims 1
- 108010000684 Matrix Metalloproteinases Proteins 0.000 claims 1
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000000465 moulding Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 4
- 210000004072 lung Anatomy 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 5
- 208000002330 Congenital Heart Defects Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 208000028831 congenital heart disease Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 238000009958 sewing Methods 0.000 description 2
- 206010002329 Aneurysm Diseases 0.000 description 1
- 208000020446 Cardiac disease Diseases 0.000 description 1
- 208000025584 Pericardial disease Diseases 0.000 description 1
- 210000002376 aorta thoracic Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 201000010235 heart cancer Diseases 0.000 description 1
- 208000024348 heart neoplasm Diseases 0.000 description 1
- 208000018578 heart valve disease Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30048—Heart; Cardiac
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Complex Calculations (AREA)
Abstract
本发明属于医疗技术领域，公开了一种心脏外科深部缝合操作训练系统及模拟成像方法，系统包括摄像模块、血压测量模块、心电图测量模块、数据处理模块、手术器械控制模块、成像模块；摄像模块、血压测量模块、心电图测量模块分别通过电路线连接数据处理模块。本发明通过手术器械控制模块来操控手术器械可以大大提高手术的成功率，提高缝合技术的水平；同时通过成像模块获取更清楚的心脏图像，能够与经由间接方法的心脏成像一起使用，诸如肺的PCXI(个人计算机在仪器领域的功能扩充)；使心脏边界的图像的模糊最小化，并且因此对3D或4D扫描特别有用；能够用于门控关闭多种数据类型，诸如从ECG、压力跟踪、气道流、容积曲线等。
Description
技术领域
本发明属于医疗技术领域，尤其涉及一种心脏外科深部缝合操作训练系统及模拟成像方法。
背景技术
心脏外科是外科领域各分支中较年轻的一个学科，主要是以手术治疗心脏病，如心脏搭桥术、先天性心脏病手术、瓣膜置换术等。而所治疗的常见心脏病有：先天性心脏病、瓣膜性心脏病、冠心病、胸主动脉瘤、心包疾病、心脏肿瘤等。然而，现有心脏外科缝合训练系统一般通过人工进行缝合训练，缝合效果差，精准性差；同时获得的图像还是不能明确、直观地反映心脏图谱，支持的数据类型少。
在医学影像通信中，当检测的两个终端以较快的相对速度运动时，产生了多普勒效应，通信信道形成了快时变信道。快时变信道引起的子载波间干扰ICI和多径效应带来的符号间干扰ISI会造成SC-FDMA系统性能的迅速恶化。影响图像质量；对信道进行动态估计是十分必要的。
现有的信道估计方法大多是基于导频辅助的，在发送的数据中周期性的插入已知的导频信息，这类方法均是先估计得到导频位置上的信道响应，然后利用一定的处理方法得到数据位置上的信道响应。
基于基扩展模型BEM的方法针对快时变信道建立模型，利用少数几个参数就能表述一个非线性快速变化的信道。但该方法计算复杂度高，不易于实现，且P-BEM模型误差比复指数基扩展模型CE-BEM的误差大，影响快时变信道估计的精度。
综上所述，现有技术存在的问题是：现有心脏外科缝合训练系统一般通过人工进行缝合训练，缝合效果差，精准性差；同时获得的图像还是不能明确、直观地反映心脏图谱，支持的数据类型少。
发明内容
针对现有技术存在的问题，本发明提供了一种心脏外科深部缝合操作训练系统及模拟成像方法。
本发明是这样实现的，一种心脏外科深部缝合操作训练系统及模拟成像方法包括：
摄像模块、血压测量模块、心电图测量模块、数据处理模块、手术器械控制模块、成像模块；
摄像模块，与数据处理模块连接，用于通过摄像头对人体心脏进行摄像；
血压测量模块，与数据处理模块连接，用于通过安装在受测人体的压脉带的加压及泄压，以测量该受测者于该待测部位的一心律脉动信号；
心电图测量模块，与数据处理模块连接，用于通过电信号感测器用以测量受测者于测部位的心电图信息；
数据处理模块，与摄像模块、血压测量模块、心电图测量模块、手术器械控制模块、成像模块连接，用于数据处理分析，并根据心电图测量模块获取的信号进行快速傅里叶转换分析该心律脉动信号或该心电图信息以计算取得一个或多个心脏频谱图，以分析该心脏信息；
手术器械控制模块，与数据处理模块连接，用于控制手术器械操作；
成像模块，与手术器械控制模块连接，用于获取更加清晰的心脏图像。
所述数据处理模块的处理方法还包括：
将采集的心脏图像变换成灰度图像；通过下面的表达式进行灰度变换；
Y＝-0.299R+0.587G+0.114B
Y：像素值，R：红色成分，G：绿色成分，B：蓝色成分；
对灰度图像进行图像平滑处理，接着进行“梯度计算”；用于计算在特定的像素和相邻像素之间的亮度值的程度差；
将图像的像素根据亮度值分成若干个图层，每一图层中的图像的边界都是由闭合曲线构成；
对于亮度最低的图层以及亮度最大的图层，先进行直方图均衡化处理，再去除噪点；
对于其它的图层，先去除噪点，再进行直方图均衡化处理；
将处理过后的若干个所述图层合并为一幅增强图像；
所述进行梯度计算具体包括：
1)将本地导频符号转换到变换域符号其中，ps是本地导频符号的序号；
2)利用复指数基扩展模型，生成基函数矩阵导频符号处的基函数对应的频域矩阵及所有符号的基函数对应的频域矩阵其中，q＝0,…,Q，Q是基函数的个数，ns是每个单载波频分复用符号的序号；
3)根据变换域符号和频域矩阵获得用于估计基系数向量的频域矩阵
4)对接收信号进行快速傅立叶FFT变换，获得频域接收信号Y，从该频域接收信号Y中提取接收端接收到的块状导频符号其中pλ是接收到的块状导频符号的序号；
5)利用接收到的块状导频符号和频域矩阵采用最小二乘方法得到基系数向量的估计值其中，是矩阵的广义逆运算；
根据推导出的基系数和频域信道响应的数学关系式利用估计出的基系数直接得到频域信道响应矩阵其中是步骤2)中生成的频域矩阵；
步骤1)中的将本地导频符号转换到变换域符号按照以下公式进行：
其中，diag(·)是将向量转换成对角矩阵的运算，Q是基函数的个数，IQ+1为Q+1维的单位矩阵，为克罗内列积运算符号，FL为快速傅里叶变换矩阵F的前L列，L为快时变信道的可分离径数。
进一步，其中步骤2)中所述的生成基函数矩阵及频域矩阵按照如下步骤进行：
a)生成基函数矩阵
其中，是基函数矩阵的元素，其利用复指数基扩展模型，按照以下公式生成：
其中，q＝0,1,…,Q，Q是基函数的个数，n＝0,1,…,N，N是快速傅里叶变换的点数，ns＝1,2,…,Nsymb是每个单载波频分复用符号的序号，Nsymb是一个传输块中单载波频分复用符号的个数；
b)生成频域矩阵和
其中，是第q个频域矩阵，q＝0,1,…,Q，Q是基函数的个数，是导频符号处的基函数矩阵，ps是导频符号的序号，是矩阵的前L列，F是N点快速傅里叶变换矩阵，(·)H是矩阵的共轭转置操作。
进一步，步骤5)所述的利用估计值直接得到频域信道响应矩阵按照如下步骤进行：
I)建立基系数与频域信道响应矩阵的关系式：
忽略一个符号内部的子载波间干扰，每个单载波频分复用符号的频域信道矩阵与时域信道矩阵的关系近似为：
其中，F是N点快速傅里叶变换矩阵，(·)H是矩阵的共轭转置操作。
将基扩展模型表达式代入到上式中，得到：
由于Gq是托普利兹循环矩阵，Gq第一列为[gq,0,gq,1,…,gq,L-1,0,…,0]T，所以令gq＝[gq,0,…,gq,l,…,gq,L-1]T，FGqFH＝FLgq，其中，FL是矩阵F的前L列，上式可简化为：
其中，是步骤(a)中生成的基函数矩阵，是矩阵的前L列，是步骤(b)中的频域矩阵，Q是基函数的个数，ns是单载波频分复用符号的序号。至此，建立了基系数g与频域信道响应矩阵的数学关系式；
II)获得每个单载波频分复用符号的频域信道响应矩阵：
利用估计出的基系数按照建立的基系数与频域信道响应矩阵的数学关系式，得到第ns个单载波频分复用符号的频域信道响应矩阵：
其中，是步骤(b)中的频域矩阵。
本发明的另一目的在于提供一种心脏外科深部缝合操作训练模拟成像方法包括以下步骤：
步骤一，记录受试者的心脏的一个或多个区域中的一组活体内成像数据；
步骤二，由所述组活体内成像数据来创建多维心脏模型；
步骤三，重构多维成像数据集以产生受试者心脏的计算机图像；
步骤四，从活体内成像数据导出速度数据并将该速度数据应用于模型。
进一步，所述手术器械控制模块包括器械驱动加载模块、参数设置模块、异常报警模块；
器械驱动加载模块，用于加载器械控制操作的驱动程序；
参数设置模块，用于初始化手术器械控制操作指令参数；
异常报警模块，用于对操作过程中出现的异常操作进行报警。
进一步，所述导出速度数据方法：
首先，执行图像对互相关分析，其在空间坐标方面对用于被成像区域的速度数据进行编码；
然后，根据来自分析的图像对互相关直接重构多维速度场；
进一步，所述活体内成像数据通常是从至少一个投影角度、优选从多个投影角度记录的。可从各个投影角度记录一个或多个图像。
本发明的优点及积极效果为：本发明通过手术器械控制模块来操控手术器械可以大大提高手术的成功率，提高缝合技术的水平；同时通过成像模块获取更清楚的心脏图像，能够与经由间接方法的心脏成像一起使用，诸如肺的PCXI；使心脏边界的图像的模糊最小化，并且因此对3D或4D扫描特别有用；能够用于门控关闭多种数据类型，诸如从ECG、压力跟踪、气道流、容积曲线等。
本发明选用模型误差最小的复指数基扩展模型，确定最优的基函数的个数，以提高估计精度；将用于估计基系数的频域矩阵事先计算并存储下来，降低了计算复杂度。
本发明利用信道的时频域特性，推导出基系数与频域信道响应矩阵的数学关系式，避免了计算复杂度较高的信道时频域转换过程，便于手术器械控制模块对接收信号进行频域均衡处理。
附图说明
图1是本发明实施提供的心脏外科深部缝合操作训练系统结构示意图；
图2是本发明实施提供的心脏外科深部缝合操作训练模拟成像方法流程图；
图1中：1、摄像模块；2、血压测量模块；3、心电图测量模块；4、数据处理模块；5、手术器械控制模块；6、成像模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1所示，本发明实施例提供的心脏外科深部缝合操作训练系统包括：摄像模块1、血压测量模块2、心电图测量模块3、数据处理模块4、手术器械控制模块5、成像模块6。
摄像模块1、血压测量模块2、心电图测量模块3分别通过电路线连接数据处理模块4；数据处理模块4通过电路线分别连接手术器械控制模块5、成像模块6。
摄像模块1，与数据处理模块4连接，用于通过摄像头对人体心脏进行摄像；
血压测量模块2，与数据处理模块4连接，用于通过安装在受测人体的压脉带的加压及泄压，以测量该受测者于该待测部位的一心律脉动信号；
心电图测量模块3，与数据处理模块4连接，用于通过电信号感测器用以测量受测者于测部位的心电图信息；
数据处理模块4，与摄像模块1、血压测量模块2、心电图测量模块3、手术器械控制模块5、成像模块6连接，用于数据处理分析，并根据心电图测量模块3获取的信号进行快速傅里叶转换分析该心律脉动信号或该心电图信息以计算取得一个或多个心脏频谱图，以分析该心脏信息；
手术器械控制模块5，与数据处理模块4连接，用于控制手术器械操作；
成像模块6，与手术器械控制模块5连接，用于获取更加清晰的心脏图像。
本发明提供的手术器械控制模块5包括器械驱动加载模块、参数设置模块、异常报警模块；
器械驱动加载模块，用于加载器械控制操作的驱动程序；
参数设置模块，用于初始化手术器械控制操作指令参数；
异常报警模块，用于对操作过程中出现的异常操作进行报警。
所述数据处理模块的处理方法还包括：
将采集的心脏图像变换成灰度图像；通过下面的表达式进行灰度变换；
Y＝-0.299R+0.587G+0.114B
Y：像素值，R：红色成分，G：绿色成分，B：蓝色成分；
对灰度图像进行图像平滑处理，接着进行“梯度计算”；用于计算在特定的像素和相邻像素之间的亮度值的程度差；
将图像的像素根据亮度值分成若干个图层，每一图层中的图像的边界都是由闭合曲线构成；
对于亮度最低的图层以及亮度最大的图层，先进行直方图均衡化处理，再去除噪点；
对于其它的图层，先去除噪点，再进行直方图均衡化处理；
将处理过后的若干个所述图层合并为一幅增强图像；
所述进行梯度计算具体包括：
1)将本地导频符号转换到变换域符号其中，ps是本地导频符号的序号；
2)利用复指数基扩展模型，生成基函数矩阵导频符号处的基函数对应的频域矩阵及所有符号的基函数对应的频域矩阵其中，q＝0,…,Q，Q是基函数的个数，ns是每个单载波频分复用符号的序号；
3)根据变换域符号和频域矩阵获得用于估计基系数向量的频域矩阵
4)对接收信号进行快速傅立叶FFT变换，获得频域接收信号Y，从该频域接收信号Y中提取接收端接收到的块状导频符号其中pλ是接收到的块状导频符号的序号；
5)利用接收到的块状导频符号和频域矩阵采用最小二乘方法得到基系数向量的估计值其中，是矩阵的广义逆运算；
根据推导出的基系数和频域信道响应的数学关系式利用估计出的基系数直接得到频域信道响应矩阵其中是步骤2)中生成的频域矩阵；
步骤1)中的将本地导频符号转换到变换域符号按照以下公式进行：
其中，diag(·)是将向量转换成对角矩阵的运算，Q是基函数的个数，IQ+1为Q+1维的单位矩阵，为克罗内列积运算符号，FL为快速傅里叶变换矩阵F的前L列，L为快时变信道的可分离径数。
进一步，其中步骤2)中所述的生成基函数矩阵及频域矩阵按照如下步骤进行：
a)生成基函数矩阵
其中，是基函数矩阵的元素，其利用复指数基扩展模型，按照以下公式生成：
其中，q＝0,1,…,Q，Q是基函数的个数，n＝0,1,…,N，N是快速傅里叶变换的点数，ns＝1,2,…,Nsymb是每个单载波频分复用符号的序号，Nsymb是一个传输块中单载波频分复用符号的个数；
b)生成频域矩阵和
其中，是第q个频域矩阵，q＝0,1,…,Q，Q是基函数的个数，是导频符号处的基函数矩阵，ps是导频符号的序号，是矩阵的前L列，F是N点快速傅里叶变换矩阵，(·)H是矩阵的共轭转置操作。
进一步，步骤5)所述的利用估计值直接得到频域信道响应矩阵按照如下步骤进行：
I)建立基系数与频域信道响应矩阵的关系式：
忽略一个符号内部的子载波间干扰，每个单载波频分复用符号的频域信道矩阵与时域信道矩阵的关系近似为：
其中，F是N点快速傅里叶变换矩阵，(·)H是矩阵的共轭转置操作。
将基扩展模型表达式代入到上式中，得到：
由于Gq是托普利兹循环矩阵，Gq第一列为[gq,0,gq,1,…,gq,L-1,0,…,0]T，所以令gq＝[gq,0,…,gq,l,…,gq,L-1]T，FGqFH＝FLgq，其中，FL是矩阵F的前L列，上式可简化为：
其中，是步骤(a)中生成的基函数矩阵，是矩阵的前L列，是步骤(b)中的频域矩阵，Q是基函数的个数，ns是单载波频分复用符号的序号。至此，建立了基系数g与频域信道响应矩阵的数学关系式；
II)获得每个单载波频分复用符号的频域信道响应矩阵：
利用估计出的基系数按照建立的基系数与频域信道响应矩阵的数学关系式，得到第ns个单载波频分复用符号的频域信道响应矩阵：
其中，是步骤(b)中的频域矩阵。
如图2所示，一种心脏外科深部缝合操作训练模拟成像方法包括以下步骤：
S101，记录受试者的心脏的一个或多个区域中的一组活体内成像数据；
S102，由所述组活体内成像数据来创建多维心脏模型；
S103，重构多维成像数据集以产生受试者心脏的计算机图像；
S104，从活体内成像数据导出速度数据并将该速度数据应用于模型。
本发明提供的步骤S101中活体内成像数据通常是从至少一个投影角度、优选从多个投影角度记录的。可从各个投影角度记录一个或多个图像。
本发明提供的步骤S104中导出速度数据方法：
首先，执行图像对互相关分析，其在空间坐标方面对用于被成像区域的速度数据进行编码；
然后，根据来自分析的图像对互相关直接重构多维速度场。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种心脏外科深部缝合操作训练系统及模拟成像系统，其特征在于，所述心脏外科深部缝合操作训练系统包括：
摄像模块、血压测量模块、心电图测量模块、数据处理模块、手术器械控制模块、成像模块；
摄像模块，与数据处理模块连接，用于通过摄像头对人体心脏进行摄像；
血压测量模块，与数据处理模块连接，用于通过安装在受测人体的压脉带的加压及泄压，以测量该受测者于该待测部位的一心律脉动信号；
心电图测量模块，与数据处理模块连接，用于通过电信号感测器用以测量受测者于测部位的心电图信息；
数据处理模块，与摄像模块、血压测量模块、心电图测量模块、手术器械控制模块、成像模块连接，用于数据处理分析，并根据心电图测量模块获取的信号进行快速傅里叶转换分析该心律脉动信号或该心电图信息以计算取得一个或多个心脏频谱图，以分析该心脏信息；
手术器械控制模块，与数据处理模块连接，用于控制手术器械操作；
成像模块，与手术器械控制模块连接，用于获取更加清晰的心脏图像；
所述数据处理模块的处理方法还包括：
将采集的心脏图像变换成灰度图像；通过下面的表达式进行灰度变换；
Y＝-0.299R+0.587G+0.114B
Y：像素值，R：红色成分，G：绿色成分，B：蓝色成分；
对灰度图像进行图像平滑处理，接着进行“梯度计算”；用于计算在特定的像素和相邻像素之间的亮度值的程度差；
将图像的像素根据亮度值分成若干个图层，每一图层中的图像的边界都是由闭合曲线构成；
对于亮度最低的图层以及亮度最大的图层，先进行直方图均衡化处理，再去除噪点；
对于其它的图层，先去除噪点，再进行直方图均衡化处理；
将处理过后的若干个所述图层合并为一幅增强图像；
所述进行梯度计算具体包括：
1)将本地导频符号转换到变换域符号其中，ps是本地导频符号的序号；
2)利用复指数基扩展模型，生成基函数矩阵导频符号处的基函数对应的频域矩阵及所有符号的基函数对应的频域矩阵其中，q＝0,…,Q，Q是基函数的个数，ns是每个单载波频分复用符号的序号；
3)根据变换域符号和频域矩阵获得用于估计基系数向量的频域矩阵
4)对接收信号进行快速傅立叶FFT变换，获得频域接收信号Y，从该频域接收信号Y中提取接收端接收到的块状导频符号其中pλ是接收到的块状导频符号的序号；
5)利用接收到的块状导频符号和频域矩阵采用最小二乘方法得到基系数向量的估计值其中，是矩阵的广义逆运算；
根据推导出的基系数和频域信道响应的数学关系式利用估计出的基系数直接得到频域信道响应矩阵其中是步骤2)中生成的频域矩阵；
步骤1)中的将本地导频符号转换到变换域符号按照以下公式进行：
其中，diag(·)是将向量转换成对角矩阵的运算，Q是基函数的个数，IQ+1为Q+1维的单位矩阵，为克罗内列积运算符号，FL为快速傅里叶变换矩阵F的前L列，L为快时变信道的可分离径数。
2.如权利要求1所述的心脏外科深部缝合操作训练系统，其特征在于，
其中步骤2)中所述的生成基函数矩阵及频域矩阵按照如下步骤进行：
a)生成基函数矩阵
其中，是基函数矩阵的元素，其利用复指数基扩展模型，按照以下公式生成：
其中，q＝0,1,…,Q，Q是基函数的个数，n＝0,1,…,N，N是快速傅里叶变换的点数，ns＝1,2,…,Nsymb是每个单载波频分复用符号的序号，Nsymb是一个传输块中单载波频分复用符号的个数；
b)生成频域矩阵和
其中，是第q个频域矩阵，q＝0,1,…,Q，Q是基函数的个数，是导频符号处的基函数矩阵，ps是导频符号的序号，是矩阵的前L列，F是N点快速傅里叶变换矩阵，(·)H是矩阵的共轭转置操作。
3.如权利要求1所述的心脏外科深部缝合操作训练系统，其特征在于，步骤5)所述的利用估计值直接得到频域信道响应矩阵按照如下步骤进行：
I)建立基系数与频域信道响应矩阵的关系式：
忽略一个符号内部的子载波间干扰，每个单载波频分复用符号的频域信道矩阵与时域信道矩阵的关系近似为：
其中，F是N点快速傅里叶变换矩阵，(·)H是矩阵的共轭转置操作；
将基扩展模型表达式代入到上式中，得到：
由于Gq是托普利兹循环矩阵，Gq第一列为[gq,0,gq,1,…,gq,L-1,0,…,0]T，所以令gq＝[gq,0,…,gq,l,…,gq,L-1]T，FGqFH＝FLgq，其中，FL是矩阵F的前L列，上式可简化为：
其中，是步骤(a)中生成的基函数矩阵，是矩阵的前L列，是步骤(b)中的频域矩阵，Q是基函数的个数，ns是单载波频分复用符号的序号；至此，建立了基系数g与频域信道响应矩阵的数学关系式；
II)获得每个单载波频分复用符号的频域信道响应矩阵：
利用估计出的基系数按照建立的基系数与频域信道响应矩阵的数学关系式，得到第ns个单载波频分复用符号的频域信道响应矩阵：
其中，是步骤(b)中的频域矩阵。
4.如权利要求1所述的心脏外科深部缝合操作训练系统，其特征在于，所述手术器械控制模块包括器械驱动加载模块、参数设置模块、异常报警模块；
器械驱动加载模块，用于加载器械控制操作的驱动程序；
参数设置模块，用于初始化手术器械控制操作指令参数；
异常报警模块，用于对操作过程中出现的异常操作进行报警。
5.一种如权利要求1所述心脏外科深部缝合操作训练系统的心脏外科深部缝合操作训练模拟成像方法，其特征在于，所述心脏外科深部缝合操作训练模拟成像方法包括以下步骤：
步骤一，记录受试者的心脏的一个或多个区域中的一组活体内成像数据；
步骤二，由所述组活体内成像数据来创建多维心脏模型；
步骤三，重构多维成像数据集以产生受试者心脏的计算机图像；
步骤四，从活体内成像数据导出速度数据并将该速度数据应用于模型。
6.如权利要求5所述的心脏外科深部缝合操作训练系统及模拟成像方法，其特征在于，所述导出速度数据方法：
首先，执行图像对互相关分析，其在空间坐标方面对用于被成像区域的速度数据进行编码；
然后，根据来自分析的图像对互关系直接重构多维速度场。
7.如权利要求5所述的心脏外科深部缝合操作训练系统及模拟成像方法，其特征在于，所述活体内成像数据通常是从至少一个投影角度、优选从多个投影角度记录的，可从各个投影角度记录一个或多个图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711480097.0A CN108053709A (zh) | 2017-12-29 | 2017-12-29 | 一种心脏外科深部缝合操作训练系统及模拟成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711480097.0A CN108053709A (zh) | 2017-12-29 | 2017-12-29 | 一种心脏外科深部缝合操作训练系统及模拟成像方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108053709A true CN108053709A (zh) | 2018-05-18 |
Family
ID=62129103
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711480097.0A Pending CN108053709A (zh) | 2017-12-29 | 2017-12-29 | 一种心脏外科深部缝合操作训练系统及模拟成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108053709A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109344359A (zh) * | 2018-09-25 | 2019-02-15 | 海南大学 | 一种海水防腐蚀电缆及其生产方法、检测方法 |
| CN109670012A (zh) * | 2019-02-20 | 2019-04-23 | 湖北理工学院 | 一种基于物联网的电力土建基础验收的指导系统及方法 |
| CN112168347A (zh) * | 2020-11-10 | 2021-01-05 | 哈尔滨理工大学 | 一种骨折复位的计算机辅助设计方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050038416A1 (en) * | 2002-01-16 | 2005-02-17 | Computer Motion, Inc. | Minimally invasive surgical training using robotics and telecollaboration |
| CN102254476A (zh) * | 2011-07-18 | 2011-11-23 | 广州赛宝联睿信息科技有限公司 | 内窥镜微创手术模拟训练方法及其系统 |
| CN102341046A (zh) * | 2009-03-24 | 2012-02-01 | 伊顿株式会社 | 利用增强现实技术的手术机器人系统及其控制方法 |
| WO2012064422A2 (en) * | 2010-11-08 | 2012-05-18 | Marshall M Blair | Suture training device |
| CN103857340A (zh) * | 2011-10-10 | 2014-06-11 | 莫纳什大学 | 心脏成像方法 |
| CN104053404A (zh) * | 2011-12-01 | 2014-09-17 | 尼奥绰德有限公司 | 用于修复心脏瓣膜小叶的外科手术导航 |
| CN105070170A (zh) * | 2015-09-02 | 2015-11-18 | 上海交通大学医学院附属上海儿童医学中心 | 一种心脏外科深部缝合操作训练装置 |
| CN106535741A (zh) * | 2014-04-02 | 2017-03-22 | 西门子保健有限责任公司 | 用于根据医学图像和体表电位来表征心脏的电性质的系统和方法 |
| CN107018101A (zh) * | 2017-03-28 | 2017-08-04 | 西安电子科技大学 | 基于简化基扩展模型的快时变信道估计方法 |
| CN107067856A (zh) * | 2016-12-31 | 2017-08-18 | 歌尔科技有限公司 | 一种医学模拟训练系统和方法 |
| CN206805896U (zh) * | 2017-04-19 | 2017-12-26 | 武汉生物技术研究院 | 一种腹腔镜及开放手术基本操作训练器 |
-
2017
- 2017-12-29 CN CN201711480097.0A patent/CN108053709A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050038416A1 (en) * | 2002-01-16 | 2005-02-17 | Computer Motion, Inc. | Minimally invasive surgical training using robotics and telecollaboration |
| CN102341046A (zh) * | 2009-03-24 | 2012-02-01 | 伊顿株式会社 | 利用增强现实技术的手术机器人系统及其控制方法 |
| WO2012064422A2 (en) * | 2010-11-08 | 2012-05-18 | Marshall M Blair | Suture training device |
| CN102254476A (zh) * | 2011-07-18 | 2011-11-23 | 广州赛宝联睿信息科技有限公司 | 内窥镜微创手术模拟训练方法及其系统 |
| CN103857340A (zh) * | 2011-10-10 | 2014-06-11 | 莫纳什大学 | 心脏成像方法 |
| CN104053404A (zh) * | 2011-12-01 | 2014-09-17 | 尼奥绰德有限公司 | 用于修复心脏瓣膜小叶的外科手术导航 |
| CN106535741A (zh) * | 2014-04-02 | 2017-03-22 | 西门子保健有限责任公司 | 用于根据医学图像和体表电位来表征心脏的电性质的系统和方法 |
| CN105070170A (zh) * | 2015-09-02 | 2015-11-18 | 上海交通大学医学院附属上海儿童医学中心 | 一种心脏外科深部缝合操作训练装置 |
| CN107067856A (zh) * | 2016-12-31 | 2017-08-18 | 歌尔科技有限公司 | 一种医学模拟训练系统和方法 |
| CN107018101A (zh) * | 2017-03-28 | 2017-08-04 | 西安电子科技大学 | 基于简化基扩展模型的快时变信道估计方法 |
| CN206805896U (zh) * | 2017-04-19 | 2017-12-26 | 武汉生物技术研究院 | 一种腹腔镜及开放手术基本操作训练器 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109344359A (zh) * | 2018-09-25 | 2019-02-15 | 海南大学 | 一种海水防腐蚀电缆及其生产方法、检测方法 |
| CN109670012A (zh) * | 2019-02-20 | 2019-04-23 | 湖北理工学院 | 一种基于物联网的电力土建基础验收的指导系统及方法 |
| CN112168347A (zh) * | 2020-11-10 | 2021-01-05 | 哈尔滨理工大学 | 一种骨折复位的计算机辅助设计方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10398344B2 (en) | Apparatus, methods and articles for four dimensional (4D) flow magnetic resonance imaging | |
| US11664125B2 (en) | System and method for deep learning based cardiac electrophysiology model personalization | |
| CN105474219B (zh) | 用于根据医学图像和临床数据来估计生理学心脏测量的系统和方法 | |
| JP2012179352A (ja) | 電流双極子を構築するシステムおよび電流双極子を構築する方法 | |
| CN112001122B (zh) | 基于端到端生成对抗网络的非接触式生理信号测量方法 | |
| CN108053709A (zh) | 一种心脏外科深部缝合操作训练系统及模拟成像方法 | |
| CN109272510A (zh) | 一种三维医学图像中管状结构的分割方法 | |
| US9462952B2 (en) | System and method for estimating artery compliance and resistance from 4D cardiac images and pressure measurements | |
| WO2006060727A2 (en) | System and method for eeg imaging of cerebral activity using electrode sets | |
| CN110838140A (zh) | 基于混合监督学习的超声和核磁图像配准融合方法及装置 | |
| CN107516312A (zh) | 一种应用浅层神经网络的中医面色自动分类方法 | |
| CN109492668A (zh) | 基于多通道卷积神经网络的mri不同期多模图像表征方法 | |
| Yang et al. | Multiview sequential learning and dilated residual learning for a fully automatic delineation of the left atrium and pulmonary veins from late gadolinium-enhanced cardiac MRI images | |
| Moya-Albor et al. | A non-contact heart rate estimation method using video magnification and neural networks | |
| CN114599985A (zh) | 用于大规模动态磁共振图像重建的深度学习系统和方法 | |
| JP2004313551A (ja) | 心臓の運動表示方法及び画像診断装置 | |
| CN109741439A (zh) | 一种二维mri胎儿图像的三维重建方法 | |
| Gillette et al. | Medalcare-xl: 16,900 healthy and pathological 12 lead ecgs obtained through electrophysiological simulations | |
| Liu et al. | LSKANet: Long strip kernel attention network for robotic surgical scene segmentation | |
| Hellar et al. | Manifold approximating graph interpolation of cardiac local activation time | |
| CN110570417A (zh) | 肺结节分类方法、装置及图像处理设备 | |
| Billot et al. | SE (3)-equivariant and noise-invariant 3D rigid motion tracking in brain MRI | |
| JPH04307049A (ja) | 心臓その他脈動体画像の解析装置 | |
| CN115251889B (zh) | 一种功能磁共振影像动态连接网络特征描述方法 | |
| US20240038391A1 (en) | Method and system for endoscopic diagnosis support |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180518 |