CN108577966A - 一种智能骨科手术系统 - Google Patents
一种智能骨科手术系统 Download PDFInfo
- Publication number
- CN108577966A CN108577966A CN201810227414.6A CN201810227414A CN108577966A CN 108577966 A CN108577966 A CN 108577966A CN 201810227414 A CN201810227414 A CN 201810227414A CN 108577966 A CN108577966 A CN 108577966A
- Authority
- CN
- China
- Prior art keywords
- module
- art
- operative site
- tissue
- intelligent
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
Abstract
本发明属于医疗设备技术领域,公开了一种智能骨科手术系统,设置有术前检测模块、术中智能控制模块、术中智能操作模块、术中检测模块、术后调理方案模块;术前检测模块、术中智能控制模块、术中智能操作模块、术中检测模块、术后调理方案模块依次执行,术中智能控制模块、术中智能操作模块为同级程序。本发明通过术中智能控制系统输入所需手术程序,通过术中智能操作模块执行手术操作,手术中通过术中监测模块全程监控手术进程与手术创伤随进行的变化从而控制手术创伤,手术完成通过术后调理方案模块给出适合精准的术后调理方案;该手术系统步骤简洁,手术完成创伤可控,且创伤大幅减小,术后能及时给出适配的手术调理方案。
Description
技术领域
本发明属于医疗设备技术领域,尤其涉及一种智能骨科手术系统。
背景技术
目前,业内常用的现有技术是这样的:
目前,随着科技的发展,智能化的设备代替人工处理事务的领域越来越多,并且伴随着通信技术的发展,多模块、多设备的智能化系统逐渐出现在人们的视野。目前手术系统中存在术后创伤大,恢复机体功能慢的问题。急需一种协调的控制创伤与恢复效率快的完备手术系统。
光学三维成像是一种新兴的光学成像技术,它通过融合生物体体表测量的多角度光学信号、生物体的解剖结构和组织光学参数信息,基于精确的生物组织中的光传输模型重建活体生物体体内靶向目标的位置和强度分布信息。其中,生物组织中光传输过程的精确描述和靶向目标的准确快速重建是光学三维成像方法实现的基础。北京工业大学在其专利申请文件“基于单视图的多光谱自发荧光断层成像重建方法”(申请号200810116818.4,申请日2008.7.18,授权号ZL200810116818.4,授权日2010.6.2)中提出了一种基于单幅视图的多光谱自发荧光断层成像重建方法。该专利技术基于扩散近似方程,考虑生物体的非匀质特性和自发荧光光源的光谱特点,利用在单个角度测量的多个谱段荧光数据,重建生物体体内靶向目标的位置和强度分布信息。但是,由于扩散近似方程只适用于描述高散射特性组织中的光传输过程,对于低散射特性和空腔组织,它的求解精度很低。因此,该专利技术对于具有多种散射特性组织的生物体求解精度差,很难准确地获得生物体体内靶向目标的位置和强度分布信息。专利申请文件“基于生物组织特异性的光学三维成像方法”(申请号201110148500.6,申请日2011.6.2,授权号ZL201110148500.6,授权日2013.4.3)提出了一种基于生物组织特异性的光学三维成像方法。该专利基于生物组织特异性光传输混合数学模型和完全稀疏正则化方法建立目标函数,采用基于任务导向的混合优化方法进行求解,以实现体内靶向目标的光学三维成像,解决了现有技术中无法实现对具有不规则解剖结构和多种散射特性组织的复杂生物体进行准确快速的光学三维成像的问题。然而,在基于非匀质模型和生物组织特异性的光学三维成像方法中,对生物体内的组织器官进行准确有效的分割和网格的高质量数值离散是准确构建和求解光学成像模型的必不可少的关键步骤。器官分割是一件复杂、繁琐的工作,需要专业软件和人机交互才能完成。网格离散不仅需要专业的软件和人机交互才能完成,而且针对不同的成像要求网格离散的质量也有差别。同时,网格的离散也存在不可控的因素,这就导致了网格离散的质量对模型求解和重建带来的不可控制的影响。
综上所述,现有技术存在的问题是:
目前手术系统中存在术后创伤大,恢复机体功能慢的问题。急需一种协调的控制创伤与恢复效率快的完备手术系。
现有的电子检测技术普遍存在判定条件单一,漏警和虚警概率高,报警信号传输不可靠。
现有技术中需要进行繁琐的器官分割和网格离散才能获得光学三维成像重建结果的问题。
发明内容
针对现有技术存在的问题,本发明提供了一种智能骨科手术系统。
本发明是这样实现的,一种智能骨科手术系统,所述智能骨科手术系统设置有术前检测模块、术中智能控制模块、术中智能操作模块、术中检测模块、术后调理方案模块;
所述术中智能控制模块与术前检测模块相连接;
所述术中智能操作模块与术中智能控制模块相连接;
所述术中检测模块与术中智能操作模块相连接;
所述术后调理方案模块与术中检测模块相连接;
所述术中检测模块包括:
状态监控模块,用于实时监控与人体术中健康状态相关的数据;
信标接收器阵列模块,用来接收状态监控模块发送的网络信息和人员状态信息,并将该信息上传给核心服务器;
核心服务器,用于负责集中处理状态监控模块上报的人员状态信息和信标接收器发送的位置信息,并将预处理结果发送至术中智能操作模块;
所述状态监控模块包括主控模块、传感器子系统、自组网通信模块、网络传输模块、第一UI模块和第一储能组件,具体为:
主控模块,用于负责管理传感器子系统、自组网通信模块、网络传输模块、第一UI模块和第一储能组件;
传感器子系统,利用低功耗数字3轴加速计、光学心率和生物电阻抗传感器共同组成的传感器子系统,实时监控心率、呼吸、血氧饱和度以及与人体健康状态相关的数据,通过自组网通信模块上报给主控模块;
自组网通信模块,用于负责与周围其他状态监控模块建立并维护无线自组织网络;
网络传输模块,用于负责周期性的向建立链接的信标接收器发送网络消息,同时将传感器子系统上报的人员状态数据通过自组织网络和事先布设好的信标接收器阵列模块上传给核心服务器;
第一UI模块,用于负责提供人机接口,实现用户信息设置;
第一储能组件,用于采用小体积纽扣电池为整个设备提供电能。
所述术中智能操作模块包括:
无线通信模块,用于负责接收核心服务器发来的人员位置及状态信息;
第二UI模块,用于根据不同人员状态等级和术中医疗部位位置的不同,在显示屏对应位置显示相应种类的标识;
报警模块,用于负责在人员状态等级判定为危险时,向术中智能控制模块发出警报;
第二储能组件,包括可充电的锂电池组,用于采用小体积纽扣电池提供电能;
所述信标接收器阵列模块由多个相互独立的信标信号接收器组成,按照手术部位的形状布设在手术部位上端;每个信标接收器具有唯一的ID编号,并且ID编号与信标接收器所布设的位置一一对应;
术前检测模块根据磁共振或计算机断层成像体素数据的灰度或纹理特性,绘制手术部位外部边界轮廓线和内部组织边缘线;基于磁共振或计算机断层成像重建的体素数据和标记的内部组织边缘线,构造内边界节点富集函数;针对手术部位组织的结构异质性和光学特异性,采用基于混合光传输方程的自适应光传输数学模型描述光粒子在生物体中的传输过程;鉴于有限体积法在六面体体素网格上的应用优势,采用扩展有限体积法对自适应光传输数学模型进行数值离散和求解,建立描述手术部位内靶标与手术部位体表测量值之间线性关系的系统方程;针对手术部位内靶标分布的稀疏性和手术部位体表测量数据的不完整性,建立基于稀疏正则化策略和融合先验初步靶标定位结果的目标函数;采用合适的优化方法求解目标函数,实现手术部位内靶向目标的准确、快速重建;
术后调理方案模块对术后调理的方案数据进行处理,确定出合理的方案,处理方法包括:
术后调理方案模块对接收信号s(t)进行非线性变换,按如下公式进行:
其中A表示信号的幅度,a(m)表示信号的码元符号,p(t)表示成形函数,fc表示信号的载波频率,表示信号的相位,通过非线性变换后得到:
进一步,术前检测模块的检测方法具体包括:
步骤一、数据采集与预处理,利用多模态分子成像系统,依次采集用于光学三维成像的多角度荧光数据、用于构建手术部位体素物理模型的磁共振或计算机断层成像数据;利用多模态分子成像系统中的预处理软件对荧光数据进行去除背景噪声、提取感兴趣区域预处理;对磁共振或计算机断层成像数据进行补偿坏点坏线、亮场校正、几何校正预处理和三维体素数据重建;
步骤二、构建基于手术部位体素的物理模型;
步骤三、构建自适应光传输数学模型;
步骤四、融合富集函数建立系统方程;
步骤五、建立目标函数;
步骤六、求解目标函数,选用合适的优化算法对建立的目标函数进行求解,获得手术部位内靶向目标的空间位置和浓度分布;
步骤七、三维重建结果显示,对获得的靶向目标重建结果和获取的三维体素数据进行图像融合,将重建的靶向目标空间位置和浓度分布在手术部位中进行三维显示。
进一步,所述构建基于手术部位体素的物理模型具体包括:
第一步,利用多模态分子成像系统中的配准软件,将磁共振或计算机断层成像重建得到的三维体素数据配准到已有公开数字鼠图谱中,以此绘制并标记手术部位外部轮廓线和内部组织的边界线;
第二步,基于三维体素数据和标记的内部组织边界线,构造边界节点富集函数:
其中,j是体素节点;
ψj(r)是定义的内边界节点富集函数;
vj(r)是线性插值基函数;
是符号距离函数,定义为节点到距离其最近闭合边界的距离:
其中,sign(r)用来表示点r与边界Γ的从属关系:若点在区域内部则值为负,在区域外部则为正,在边界上则为零;
是符号距离函数在体素节点j上的取值;
第三步,以标记的内部组织边界线为分界面,将手术部位分解为多个器官的合集,并将组织光学特性参数赋给相应器官,构建基于体素的光学三维成像物理模型;
进一步,所述构建自适应光传输数学模型具体包括:
第一步,根据分解的多个器官和相应的组织光学特性参数,将器官分为高散射、空腔和其他组织三类,分类依据定义为:
其中,Ω是生物体构成的求解域;Ωhs是高散射组织区域;Ωv是空腔区域;Ωls是其他组织区域;μ′s是组织约化散射系数;ζ和χ是分类阈值,分别取为ζ=10和χ=0.2mm-1;
第二步,综合考虑准确性和计算复杂度,对不同类型的组织自适应地选择合适的光传输模型进行描述;其中,采用扩散近似方程描述光在高散射组织中的传输过程,采用自由空间光传输方程描述光在空腔中的传输过程,以及采用三阶简化球谐波近似方程描述光在其他组织中的传输过程;
第三步,通过构造不同光传输模型之间物理量的边界耦合条件,构建自适应光传输数学模型:
其中,φi(r)(i=1,2)是节点光流量,S(r)是生物体光学探针的能量密度分布,μa(r)和μaj(r)(j=1,2,3)是生物体吸收相关参数,D(r)是生物体扩散系数,βi(i=1,2)和α是SP3和DA方程边界不匹配因子,G(r′,r)是描述辐射传输理论概念的传递函数,用于描述漫射光从空腔组织中的传输过程,B是散射组织与空腔的分界面,σ(r)是描述求解点所在位置的指示因子,定义为:
应用下式耦合高散射和其他散射组织的光传输方程:
其中,φ0(r)是扩散近似方程求解的节点光流量;
应用下式耦合散射组织与空腔的光传输方程:
其中,q0(r)是在空腔与散射组织分界面上形成的诺曼光通量;
所述融合富集函数建立系统方程具体包括:
将构建的基于体素的物理模型作为求解域,采用融合构造的内边界节点富集函数的有限体积法对构建的自适应光传输数学模型进行数值离散与求解,建立描述手术部位内靶标和体表测量值之间线性关系的系统方程:
J=AS;
其中,A是系统矩阵,依赖于手术部位内三类生物组织的分布和相应的光学特性参数;J是手术部位体表采集的出射光流率;S是靶向目标能量密度分布。
进一步,所述建立目标函数具体包括:
第一步,考虑体内靶向目标分布的稀疏特性和体表测量数据的不完整性,建立的基于lp(0<p<1)范数的稀疏正则化目标函数:
其中,Θ(S)是基于lp(0<p<1)范数的稀疏正则化策略建立的目标函数,Sinf是生物体内靶标能量密度的下限,Ssup是生物体内靶标能量密度的上限,Jm是外部边界节点上的光通量测量值,可通过非接触式光学断层成像方法中的生物体表面三维能量重建技术将获得的多角度荧光数据映射到获得的三维体素数据的外部边界而获取;λ是稀疏正则化参数;
第二步,将磁共振或计算机断层成像数据中靶向目标的检测结果作为先验的初步靶标定位结果,限定系统方程的可行域范围,可行域范围限定矩阵P定义为:
其中,R是由磁共振或计算机断层成像数据重建获得的可行域范围;
第三步,将建立可行域范围限定矩阵P带入到建立的稀疏正则化目标函数,最终建立基于lp稀疏正则化策略和融合结构先验信息的目标函数:
本发明的优点及积极效果为:
该智能骨科手术系统,通过术前检测模块检测患者术前可能手术的风险,进一步通过术中智能控制系统输入所需手术程序,通过术中智能操作模块执行手术操作,手术中通过术中监测模块全程监控手术进程与手术创伤随进行的变化从而控制手术创伤,手术完成通过术后调理方案模块给出适合精准的术后调理方案。
该手术系统步骤简洁,手术完成创伤可控,且创伤大幅减小,术后能及时给出适配的手术调理方案。
本发明通过多种传感器的分布式采集,核心服务器的集中处理,改善了了信息的处理效率,提高报警信息的可靠性。
通过引入自组织网络,为整个系统的信息传递提供了额外的链路,有效的保障了术中人员状态信息的传输。
信标接收阵列的引入,实现了多点协作辅助定位,降低发生危险的几率,保障了人员的安全性。
第一,本发明由于直接在磁共振或计算机断层成像重建的体素数据上进行光学三维重建,克服了现有技术中必须进行器官分割和网格离散才能完成靶向目标三维重建的问题,从根本上避免了繁琐的器官分割和网格离散,简化了光学三维成像的重建过程,实现了准确、高效、易用的光学三维成像。
第二,本发明由于同时考虑生物体在解剖结构和组织光学特性参数方面的差异建立光传输混合数学模型,克服了现有技术中基于单一近似方程或混合光传输方程的光学三维成像方法的在重建精度和效率方面的局限性,能够对具有不规则解剖结构和多种散射特性组织的复杂生物体的靶向目标进行准确、快速成像。
第三,本发明中采用磁共振或计算机断层成像数据的检测结果作为先验的初步靶标定位结果,限定系统方程求解的可行域范围,克服了现有技术中直接进行定位和重建的不准确问题,有效的实现了靶标的准确定位与定量。
本发明术后调理方案模块对术后调理的方案数据进行处理,确定出合理的方案,处理方法包括:
术后调理方案模块对接收信号s(t)进行非线性变换,按如下公式进行:
其中A表示信号的幅度,a(m)表示信号的码元符号,p(t)表示成形函数,fc表示信号的载波频率,表示信号的相位,通过非线性变换后得到:
可得到与数据库接近或相似的方案,再由医生结合临床进行合理诊断确定,为医护人员和医生要提供方向。
附图说明
图1是本发明实施例提供的智能骨科手术系统的结构示意图;
图中:1、术前检测模块;2、术中智能控制模块;3、术中智能操作模块;4、术中检测模块;6、术后调理方案模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
目前手术系统中存在术后创伤大,恢复机体功能慢的问题。急需一种协调的控制创伤与恢复效率快的完备手术系。
如图1所示,所述智能骨科手术系统设置有术前检测模/1、术中智能控制模块2、术中智能操作模块3、术中检测模块4、术后调理方案模块5。
所述术前检测模块1、术中智能控制模块2、术中智能操作模块3、术中检测模块4、术后调理方案模块5依次执行,术中智能控制模块2、术中智能操作模块3为同级程序。
所述术前检测模块1为最先进行步骤。所述术中智能控制模块2与术前检测模块1相连接,为手术器械控制中枢。所述术中智能操作模块3与术中智能控制模块2相连接,为手术实体操作模块。所述术中检测模块4与术中智能操作模块3相连接,为手术提供保障。所述术后调理方案模块5与术中检测模块4相连接,为手术提供术后护理方案。
本发明的工作原理是:
该智能骨科手术系统,通过术前检测模块检测1患者术前可能手术的风险,进一步通过术中智能控制系统2输入所需手术程序,通过术中智能操作模块3执行手术操作,手术中通过术中监测模块4全程监控手术进程与手术创伤随进行的变化从而控制手术创伤,手术完成通过术后调理方案模块5给出适合精准的术后调理方案。
下面结合具体分析对本发明作进一步描述。
所述术中检测模块包括:
状态监控模块,用于实时监控与人体术中健康状态相关的数据;
信标接收器阵列模块,用来接收状态监控模块发送的网络信息和人员状态信息,并将该信息上传给核心服务器;
核心服务器,用于负责集中处理状态监控模块上报的人员状态信息和信标接收器发送的位置信息,并将预处理结果发送至术中智能操作模块;
所述状态监控模块包括主控模块、传感器子系统、自组网通信模块、网络传输模块、第一UI模块和第一储能组件,具体为:
主控模块,用于负责管理传感器子系统、自组网通信模块、网络传输模块、第一UI模块和第一储能组件;
传感器子系统,利用低功耗数字3轴加速计、光学心率和生物电阻抗传感器共同组成的传感器子系统,实时监控心率、呼吸、血氧饱和度以及与人体健康状态相关的数据,通过自组网通信模块上报给主控模块;
自组网通信模块,用于负责与周围其他状态监控模块建立并维护无线自组织网络;
网络传输模块,用于负责周期性的向建立链接的信标接收器发送网络消息,同时将传感器子系统上报的人员状态数据通过自组织网络和事先布设好的信标接收器阵列模块上传给核心服务器;
第一UI模块,用于负责提供人机接口,实现用户信息设置;
第一储能组件,用于采用小体积纽扣电池为整个设备提供电能。
所述术中智能操作模块包括:
无线通信模块,用于负责接收核心服务器发来的人员位置及状态信息;
第二UI模块,用于根据不同人员状态等级和术中医疗部位位置的不同,在显示屏对应位置显示相应种类的标识;
报警模块,用于负责在人员状态等级判定为危险时,向术中智能控制模块发出警报;
第二储能组件,包括可充电的锂电池组,用于采用小体积纽扣电池提供电能。
所述信标接收器阵列模块由多个相互独立的信标信号接收器组成,按照手术部位的形状布设在手术部位上端;每个信标接收器具有唯一的ID编号,并且ID编号与信标接收器所布设的位置一一对应。
术前检测模块根据磁共振或计算机断层成像体素数据的灰度或纹理特性,绘制手术部位外部边界轮廓线和内部组织边缘线;基于磁共振或计算机断层成像重建的体素数据和标记的内部组织边缘线,构造内边界节点富集函数;针对手术部位组织的结构异质性和光学特异性,采用基于混合光传输方程的自适应光传输数学模型描述光粒子在生物体中的传输过程;鉴于有限体积法在六面体体素网格上的应用优势,采用扩展有限体积法对自适应光传输数学模型进行数值离散和求解,建立描述手术部位内靶标与手术部位体表测量值之间线性关系的系统方程;针对手术部位内靶标分布的稀疏性和手术部位体表测量数据的不完整性,建立基于稀疏正则化策略和融合先验初步靶标定位结果的目标函数;采用合适的优化方法求解目标函数,实现手术部位内靶向目标的准确、快速重建;
术后调理方案模块对术后调理的方案数据进行处理,确定出合理的方案,处理方法包括:
术后调理方案模块对接收信号s(t)进行非线性变换,按如下公式进行:
其中A表示信号的幅度,a(m)表示信号的码元符号,p(t)表示成形函数,fc表示信号的载波频率,表示信号的相位,通过非线性变换后得到:
进一步,术前检测模块的检测方法具体包括:
步骤一、数据采集与预处理,利用多模态分子成像系统,依次采集用于光学三维成像的多角度荧光数据、用于构建手术部位体素物理模型的磁共振或计算机断层成像数据;利用多模态分子成像系统中的预处理软件对荧光数据进行去除背景噪声、提取感兴趣区域预处理;对磁共振或计算机断层成像数据进行补偿坏点坏线、亮场校正、几何校正预处理和三维体素数据重建;
步骤二、构建基于手术部位体素的物理模型;
步骤三、构建自适应光传输数学模型;
步骤四、融合富集函数建立系统方程;
步骤五、建立目标函数;
步骤六、求解目标函数,选用合适的优化算法对建立的目标函数进行求解,获得手术部位内靶向目标的空间位置和浓度分布;
步骤七、三维重建结果显示,对获得的靶向目标重建结果和获取的三维体素数据进行图像融合,将重建的靶向目标空间位置和浓度分布在手术部位中进行三维显示。
进一步,所述构建基于手术部位体素的物理模型具体包括:
第一步,利用多模态分子成像系统中的配准软件,将磁共振或计算机断层成像重建得到的三维体素数据配准到已有公开数字鼠图谱中,以此绘制并标记手术部位外部轮廓线和内部组织的边界线;
第二步,基于三维体素数据和标记的内部组织边界线,构造边界节点富集函数:
其中,j是体素节点;
ψj(r)是定义的内边界节点富集函数;
vj(r)是线性插值基函数;
是符号距离函数,定义为节点到距离其最近闭合边界的距离:
其中,sign(r)用来表示点r与边界Γ的从属关系:若点在区域内部则值为负,在区域外部则为正,在边界上则为零;
是符号距离函数在体素节点j上的取值;
第三步,以标记的内部组织边界线为分界面,将手术部位分解为多个器官的合集,并将组织光学特性参数赋给相应器官,构建基于体素的光学三维成像物理模型;
进一步,所述构建自适应光传输数学模型具体包括:
第一步,根据分解的多个器官和相应的组织光学特性参数,将器官分为高散射、空腔和其他组织三类,分类依据定义为:
其中,Ω是生物体构成的求解域;Ωhs是高散射组织区域;Ωv是空腔区域;Ωls是其他组织区域;μ′s是组织约化散射系数;ζ和χ是分类阈值,分别取为ζ=10和χ=0.2mm-1;
第二步,综合考虑准确性和计算复杂度,对不同类型的组织自适应地选择合适的光传输模型进行描述;其中,采用扩散近似方程描述光在高散射组织中的传输过程,采用自由空间光传输方程描述光在空腔中的传输过程,以及采用三阶简化球谐波近似方程描述光在其他组织中的传输过程;
第三步,通过构造不同光传输模型之间物理量的边界耦合条件,构建自适应光传输数学模型:
其中,φi(r)(i=1,2)是节点光流量,S(r)是生物体光学探针的能量密度分布,μa(r)和μaj(r)(j=1,2,3)是生物体吸收相关参数,D(r)是生物体扩散系数,βi(i=1,2)和α是SP3和DA方程边界不匹配因子,G(r′,r)是描述辐射传输理论概念的传递函数,用于描述漫射光从空腔组织中的传输过程,B是散射组织与空腔的分界面,σ(r)是描述求解点所在位置的指示因子,定义为:
应用下式耦合高散射和其他散射组织的光传输方程:
其中,φ0(r)是扩散近似方程求解的节点光流量;
应用下式耦合散射组织与空腔的光传输方程:
其中,q0(r)是在空腔与散射组织分界面上形成的诺曼光通量;
所述融合富集函数建立系统方程具体包括:
将构建的基于体素的物理模型作为求解域,采用融合构造的内边界节点富集函数的有限体积法对构建的自适应光传输数学模型进行数值离散与求解,建立描述手术部位内靶标和体表测量值之间线性关系的系统方程:
J=AS;
其中,A是系统矩阵,依赖于手术部位内三类生物组织的分布和相应的光学特性参数;J是手术部位体表采集的出射光流率;S是靶向目标能量密度分布。
进一步,所述建立目标函数具体包括:
第一步,考虑体内靶向目标分布的稀疏特性和体表测量数据的不完整性,建立的基于lp(0<p<1)范数的稀疏正则化目标函数:
其中,Θ(S)是基于lp(0<p<1)范数的稀疏正则化策略建立的目标函数,Sinf是生物体内靶标能量密度的下限,Ssup是生物体内靶标能量密度的上限,Jm是外部边界节点上的光通量测量值,可通过非接触式光学断层成像方法中的生物体表面三维能量重建技术将获得的多角度荧光数据映射到获得的三维体素数据的外部边界而获取;λ是稀疏正则化参数;
第二步,将磁共振或计算机断层成像数据中靶向目标的检测结果作为先验的初步靶标定位结果,限定系统方程的可行域范围,可行域范围限定矩阵P定义为:
其中,R是由磁共振或计算机断层成像数据重建获得的可行域范围;
第三步,将建立可行域范围限定矩阵P带入到建立的稀疏正则化目标函数,最终建立基于lp稀疏正则化策略和融合结构先验信息的目标函数:
本发明通过术前检测模块检测患者术前可能手术的风险,进一步通过术中智能控制系统输入所需手术程序,通过术中智能操作模块执行手术操作,手术中通过术中监测模块全程监控手术进程与手术创伤随进行的变化从而控制手术创伤,手术完成通过术后调理方案模块给出适合精准的术后调理方案。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (4)
1.一种智能骨科手术系统,其特征在于,所述智能骨科手术系统设置有术前检测模块、术中智能控制模块、术中智能操作模块、术中检测模块、术后调理方案模块;
所述术中智能控制模块与术前检测模块相连接;
所述术中智能操作模块与术中智能控制模块相连接;
所述术中检测模块与术中智能操作模块相连接;
所述术后调理方案模块与术中检测模块相连接;
所述术中检测模块包括:
状态监控模块,用于实时监控与人体术中健康状态相关的数据;
信标接收器阵列模块,用来接收状态监控模块发送的网络信息和人员状态信息,并将该信息上传给核心服务器;
核心服务器,用于负责集中处理状态监控模块上报的人员状态信息和信标接收器发送的位置信息,并将预处理结果发送至术中智能操作模块;
所述状态监控模块包括主控模块、传感器子系统、自组网通信模块、网络传输模块、第一UI模块和第一储能组件,具体为:
主控模块,用于负责管理传感器子系统、自组网通信模块、网络传输模块、第一UI模块和第一储能组件;
传感器子系统,利用低功耗数字3轴加速计、光学心率和生物电阻抗传感器共同组成的传感器子系统,实时监控心率、呼吸、血氧饱和度以及与人体健康状态相关的数据,通过自组网通信模块上报给主控模块;
自组网通信模块,用于负责与周围其他状态监控模块建立并维护无线自组织网络;
网络传输模块,用于负责周期性的向建立链接的信标接收器发送网络消息,同时将传感器子系统上报的人员状态数据通过自组织网络和事先布设好的信标接收器阵列模块上传给核心服务器;
第一UI模块,用于负责提供人机接口,实现用户信息设置;
第一储能组件,用于采用小体积纽扣电池为整个设备提供电能;
所述术中智能操作模块包括:
无线通信模块,用于负责接收核心服务器发来的人员位置及状态信息;
第二UI模块,用于根据不同人员状态等级和术中医疗部位位置的不同,在显示屏对应位置显示相应种类的标识;
报警模块,用于负责在人员状态等级判定为危险时,向术中智能控制模块发出警报;
第二储能组件,包括可充电的锂电池组,用于采用小体积纽扣电池提供电能;
所述信标接收器阵列模块由多个相互独立的信标信号接收器组成,按照手术部位的形状布设在手术部位上端;每个信标接收器具有唯一的ID编号,并且ID编号与信标接收器所布设的位置一一对应;
术前检测模块根据磁共振或计算机断层成像体素数据的灰度或纹理特性,绘制手术部位外部边界轮廓线和内部组织边缘线;基于磁共振或计算机断层成像重建的体素数据和标记的内部组织边缘线,构造内边界节点富集函数;针对手术部位组织的结构异质性和光学特异性,采用基于混合光传输方程的自适应光传输数学模型描述光粒子在生物体中的传输过程;鉴于有限体积法在六面体体素网格上的应用优势,采用扩展有限体积法对自适应光传输数学模型进行数值离散和求解,建立描述手术部位内靶标与手术部位体表测量值之间线性关系的系统方程;针对手术部位内靶标分布的稀疏性和手术部位体表测量数据的不完整性,建立基于稀疏正则化策略和融合先验初步靶标定位结果的目标函数;采用合适的优化方法求解目标函数,实现手术部位内靶向目标的准确、快速重建;
术后调理方案模块对术后调理的方案数据进行处理,确定出合理的方案,处理方法包括:
术后调理方案模块对接收信号s(t)进行非线性变换,按如下公式进行:
其中A表示信号的幅度,a(m)表示信号的码元符号,p(t)表示成形函数,fc表示信号的载波频率,表示信号的相位,通过非线性变换后得到:
2.如权利要求1所述的智能骨科手术系统,其特征在于,术前检测模块的检测方法具体包括:
步骤一、数据采集与预处理,利用多模态分子成像系统,依次采集用于光学三维成像的多角度荧光数据、用于构建手术部位体素物理模型的磁共振或计算机断层成像数据;利用多模态分子成像系统中的预处理软件对荧光数据进行去除背景噪声、提取感兴趣区域预处理;对磁共振或计算机断层成像数据进行补偿坏点坏线、亮场校正、几何校正预处理和三维体素数据重建;
步骤二、构建基于手术部位体素的物理模型;
步骤三、构建自适应光传输数学模型;
步骤四、融合富集函数建立系统方程;
步骤五、建立目标函数;
步骤六、求解目标函数,选用合适的优化算法对建立的目标函数进行求解,获得手术部位内靶向目标的空间位置和浓度分布;
步骤七、三维重建结果显示,对获得的靶向目标重建结果和获取的三维体素数据进行图像融合,将重建的靶向目标空间位置和浓度分布在手术部位中进行三维显示。
3.如权利要求1所述的智能骨科手术系统,其特征在于,所述构建基于手术部位体素的物理模型具体包括:
第一步,利用多模态分子成像系统中的配准软件,将磁共振或计算机断层成像重建得到的三维体素数据配准到已有公开数字鼠图谱中,以此绘制并标记手术部位外部轮廓线和内部组织的边界线;
第二步,基于三维体素数据和标记的内部组织边界线,构造边界节点富集函数:
其中,j是体素节点;
ψj(r)是定义的内边界节点富集函数;
vj(r)是线性插值基函数;
是符号距离函数,定义为节点到距离其最近闭合边界的距离:
其中,sign(r)用来表示点r与边界Γ的从属关系:若点在区域内部则值为负,在区域外部则为正,在边界上则为零;
是符号距离函数在体素节点j上的取值;
第三步,以标记的内部组织边界线为分界面,将手术部位分解为多个器官的合集,并将组织光学特性参数赋给相应器官,构建基于体素的光学三维成像物理模型;
所述构建自适应光传输数学模型具体包括:
第一步,根据分解的多个器官和相应的组织光学特性参数,将器官分为高散射、空腔和其他组织三类,分类依据定义为:
其中,Ω是生物体构成的求解域;Ωhs是高散射组织区域;Ωv是空腔区域;Ωls是其他组织区域;μ′s是组织约化散射系数;ζ和χ是分类阈值,分别取为ζ=10和χ=0.2mm-1;
第二步,综合考虑准确性和计算复杂度,对不同类型的组织自适应地选择合适的光传输模型进行描述;其中,采用扩散近似方程描述光在高散射组织中的传输过程,采用自由空间光传输方程描述光在空腔中的传输过程,以及采用三阶简化球谐波近似方程描述光在其他组织中的传输过程;
第三步,通过构造不同光传输模型之间物理量的边界耦合条件,构建自适应光传输数学模型:
其中,φi(r)(i=1,2)是节点光流量,S(r)是生物体光学探针的能量密度分布,μa(r)和μaj(r)(j=1,2,3)是生物体吸收相关参数,D(r)是生物体扩散系数,βi(i=1,2)和α是SP3和DA方程边界不匹配因子,G(r′,r)是描述辐射传输理论概念的传递函数,用于描述漫射光从空腔组织中的传输过程,B是散射组织与空腔的分界面,σ(r)是描述求解点所在位置的指示因子,定义为:
应用下式耦合高散射和其他散射组织的光传输方程:
其中,φ0(r)是扩散近似方程求解的节点光流量;
应用下式耦合散射组织与空腔的光传输方程:
其中,q0(r)是在空腔与散射组织分界面上形成的诺曼光通量;
所述融合富集函数建立系统方程具体包括:
将构建的基于体素的物理模型作为求解域,采用融合构造的内边界节点富集函数的有限体积法对构建的自适应光传输数学模型进行数值离散与求解,建立描述手术部位内靶标和体表测量值之间线性关系的系统方程:
J=AS;
其中,A是系统矩阵,依赖于手术部位内三类生物组织的分布和相应的光学特性参数;J是手术部位体表采集的出射光流率;S是靶向目标能量密度分布。
4.如权利要求1所述的基于体素和自适应光传输模型的光学三维成像方法,其特征在于,所述建立目标函数具体包括:
第一步,考虑体内靶向目标分布的稀疏特性和体表测量数据的不完整性,建立的基于lp(0<p<1)范数的稀疏正则化目标函数:
其中,Θ(S)是基于lp(0<p<1)范数的稀疏正则化策略建立的目标函数,Sinf是生物体内靶标能量密度的下限,Ssup是生物体内靶标能量密度的上限,Jm是外部边界节点上的光通量测量值,可通过非接触式光学断层成像方法中的生物体表面三维能量重建技术将获得的多角度荧光数据映射到获得的三维体素数据的外部边界而获取;λ是稀疏正则化参数;
第二步,将磁共振或计算机断层成像数据中靶向目标的检测结果作为先验的初步靶标定位结果,限定系统方程的可行域范围,可行域范围限定矩阵P定义为:
其中,R是由磁共振或计算机断层成像数据重建获得的可行域范围;
第三步,将建立可行域范围限定矩阵P带入到建立的稀疏正则化目标函数,最终建立基于lp稀疏正则化策略和融合结构先验信息的目标函数:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810227414.6A CN108577966A (zh) | 2018-03-20 | 2018-03-20 | 一种智能骨科手术系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810227414.6A CN108577966A (zh) | 2018-03-20 | 2018-03-20 | 一种智能骨科手术系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108577966A true CN108577966A (zh) | 2018-09-28 |
Family
ID=63626708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810227414.6A Pending CN108577966A (zh) | 2018-03-20 | 2018-03-20 | 一种智能骨科手术系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108577966A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110338906A (zh) * | 2019-07-10 | 2019-10-18 | 清华大学深圳研究生院 | 用于光交联手术的智能治疗系统及建立方法 |
CN113349914A (zh) * | 2021-04-13 | 2021-09-07 | 郑振雨 | 混合现实可视化操作系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678963A (zh) * | 2016-03-15 | 2016-06-15 | 陕西师范大学 | 一种智能防溺水装置 |
CN105825547A (zh) * | 2016-03-11 | 2016-08-03 | 西安电子科技大学 | 一种基于体素和自适应光传输模型的光学三维成像方法 |
US20170112577A1 (en) * | 2015-10-21 | 2017-04-27 | P Tech, Llc | Systems and methods for navigation and visualization |
CN107595418A (zh) * | 2017-09-15 | 2018-01-19 | 杭州术康医疗科技有限公司 | 一种自动种植牙科机器人 |
CN107616837A (zh) * | 2017-10-27 | 2018-01-23 | 清华大学 | 一种视觉伺服控制髓内钉远端锁紧螺钉钉入方法及系统 |
CN107703861A (zh) * | 2017-11-13 | 2018-02-16 | 柯钢 | 一种基于物联网的环境监控器 |
-
2018
- 2018-03-20 CN CN201810227414.6A patent/CN108577966A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170112577A1 (en) * | 2015-10-21 | 2017-04-27 | P Tech, Llc | Systems and methods for navigation and visualization |
CN105825547A (zh) * | 2016-03-11 | 2016-08-03 | 西安电子科技大学 | 一种基于体素和自适应光传输模型的光学三维成像方法 |
CN105678963A (zh) * | 2016-03-15 | 2016-06-15 | 陕西师范大学 | 一种智能防溺水装置 |
CN107595418A (zh) * | 2017-09-15 | 2018-01-19 | 杭州术康医疗科技有限公司 | 一种自动种植牙科机器人 |
CN107616837A (zh) * | 2017-10-27 | 2018-01-23 | 清华大学 | 一种视觉伺服控制髓内钉远端锁紧螺钉钉入方法及系统 |
CN107703861A (zh) * | 2017-11-13 | 2018-02-16 | 柯钢 | 一种基于物联网的环境监控器 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110338906A (zh) * | 2019-07-10 | 2019-10-18 | 清华大学深圳研究生院 | 用于光交联手术的智能治疗系统及建立方法 |
CN110338906B (zh) * | 2019-07-10 | 2020-10-30 | 清华大学深圳研究生院 | 用于光交联手术的智能治疗系统及建立方法 |
CN113349914A (zh) * | 2021-04-13 | 2021-09-07 | 郑振雨 | 混合现实可视化操作系统 |
CN113349914B (zh) * | 2021-04-13 | 2023-09-12 | 郑振雨 | 混合现实可视化操作系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105825547B (zh) | 一种基于体素和自适应光传输模型的光学三维成像方法 | |
KR102622542B1 (ko) | 의료 이미징 디바이스에 의해 캡처된 조직학적 이미지를 프로세싱하기 위한 방법 및 장치 | |
CN107715314B (zh) | 基于深度学习的放射治疗系统及方法 | |
CN110517238B (zh) | Ct医学影像ai三维重建与人机交互可视化网络系统 | |
CN104094315B (zh) | 对象图像标示装置、方法和设备 | |
CN103239255B (zh) | 一种锥束x射线发光断层成像方法 | |
CN101947103B (zh) | 全光学生物发光断层成像方法 | |
CN106529555A (zh) | 一种基于全卷积网络的dr片肺轮廓提取方法 | |
CN109330602B (zh) | 一种女性形体智能评估检测装置及方法、存储介质 | |
CN111311703A (zh) | 一种基于深度学习的电阻抗断层图像重构方法 | |
CN105512467A (zh) | 数字可视化移动终端医疗的方法 | |
CN102393969B (zh) | 基于生物组织特异性的光学三维成像方法 | |
CN103985099A (zh) | 一种弥散张量磁共振图像张量域非局部均值去噪方法 | |
CN108577966A (zh) | 一种智能骨科手术系统 | |
CN110459300A (zh) | 一种基于计算机视觉与ct影像的肺癌病理类型诊断方法 | |
CN102988026A (zh) | 基于乘子法的自发荧光断层成像重建方法 | |
CN108109151A (zh) | 一种基于深度学习和形变模型的超声心动图心室分割方法和装置 | |
CN107146261A (zh) | 基于磁共振影像先验感兴趣区的生物发光断层成像定量重建方法 | |
Tian et al. | Use of a neural network‐based prediction method to calculate the therapeutic dose in boron neutron capture therapy of patients with glioblastoma | |
CN110456050A (zh) | 便携式智能数字化寄生虫体外诊断仪 | |
CN104933759A (zh) | 一种人脑组织高维可视化方法 | |
CN108846896A (zh) | 一种自动分子蛋白质分子体学诊断系统 | |
CN111523507A (zh) | 人工智能伤口评估面积测算方法及装置 | |
Abed et al. | The future of internet of things for anomalies detection using thermography | |
CN108673899A (zh) | 一种网络化3d打印机监控系统及监控方法 |
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: 20180928 |