CN110852586B - 用于手术技能评估数据的处理方法、系统和存储介质 - Google Patents
用于手术技能评估数据的处理方法、系统和存储介质 Download PDFInfo
- Publication number
- CN110852586B CN110852586B CN201911048625.4A CN201911048625A CN110852586B CN 110852586 B CN110852586 B CN 110852586B CN 201911048625 A CN201911048625 A CN 201911048625A CN 110852586 B CN110852586 B CN 110852586B
- Authority
- CN
- China
- Prior art keywords
- training
- optical density
- processing
- manual
- light intensity
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 23
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 63
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000012360 testing method Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 44
- 102000001554 Hemoglobins Human genes 0.000 claims abstract description 40
- 108010054147 Hemoglobins Proteins 0.000 claims abstract description 40
- 210000004556 brain Anatomy 0.000 claims abstract description 32
- 230000008569 process Effects 0.000 claims abstract description 21
- 230000003287 optical effect Effects 0.000 claims description 48
- 238000001914 filtration Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000000306 recurrent effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000015654 memory Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000010355 oscillation Effects 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 238000001356 surgical procedure Methods 0.000 description 3
- 239000002023 wood Substances 0.000 description 3
- 206010011224 Cough Diseases 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000007177 brain activity Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008560 physiological behavior Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 210000004761 scalp Anatomy 0.000 description 2
- 230000000638 stimulation Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000001034 respiratory center Anatomy 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Technology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种用于手术技能评估数据的处理方法、系统和存储介质，所述方法包括以下步骤：获取培训前和培训后测试者在测试过程中的任务完成时间、红外测试设备测试得到的红外光强信号以及位置传感器上传的位置数据；分别对培训前和培训后的红外光强信号和位置数据进行处理；将处理后的红外光强信号转换为大脑的血红蛋白浓度值，将处理后的位置数据转换为测试者的手动次数和手动路径长度；将培训前和培训后的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度分别进行比较，根据比较结果生成技能评估报告。本发明能够减少培训医生的工作量，降低培训费用，提高培训结果的准确性。本发明可广泛应用于数据处理技术领域。
Description
技术领域
本发明涉及数据处理技术领域，尤其是一种用于手术技能评估数据的处理方法、系统和存储介质。
背景技术
外科手术的成功与否依赖于外科手术医生对技能掌握程度。然而，在进行外科手术过程中，外科医生通常会面临环境带来的各种各样的压力，这也就使得外科医生在拥有良好的手术技能外，还需要有强大的心理承受能力。
在实际工作过程中，外科医生通常需要经过一段时间的训练，即在存在干扰环境下进行训练，以提高外科医生在多个干扰环境下的技能发挥能力。现有技术中一般是通过外科手术专家对外科手术新手进行培训，并对培训结果进行分析，以得到每个参与培训的外科医生的技能掌握程度。这种培训方式使得外科手术专家的工作量大幅度增加，培训费用也大幅度增加，同时，由于分析过程是由培训医生人为进行分析，因而肯定会存在一定的人为因素，导致培训分析结果与实际情况可能存在不相符的情况。
发明内容
为解决上述技术问题，本发明的目的在于：提供一种用于手术技能评估数据的处理方法、系统和存储介质，其能降低培训医生的工作量和培训费用，并通过测试中的任务完成时间、手动次数、手动路径长度和大脑的血红蛋白浓度值进行评估，从而提高培训结果的准确性。
本发明实施例的第一方面提供了：
一种用于手术技能评估数据的处理方法，其包括以下步骤：
获取培训前和培训后测试者在测试过程中的任务完成时间、红外测试设备测试得到的红外光强信号以及位置传感器上传的位置数据；
分别对培训前和培训后的红外光强信号和位置数据进行处理；
将处理后的红外光强信号转换为大脑的血红蛋白浓度值，将处理后的位置数据转换为测试者的手动次数和手动路径长度；
将培训前和培训后的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度分别进行比较，根据比较结果生成技能评估报告。
进一步地，所述对红外光强信号进行处理，其具体包括：
将红外光强信号转换为光密度信号；
对光密度信号进行通道处理，所述通道处理包括去除通道内噪声大于预设值的光密度信号和去除通道内含有伪迹的光密度信号；
对通道处理后的光密度信号进行带通滤波。
进一步地，所述去除通道内含有伪迹的光密度信号，其具体包括：
采用小波变换对光密度信号进行伪迹校正；
依次对伪迹校正后的光密度信号的通道进行伪迹检测，去除检测到通道含有伪迹的光密度信号。
进一步地，所述对通道处理后的光密度信号进行带通滤波，其具体为：
采用下限频率为第一阈值，上限频率为第二阈值的带通对通道处理后的光密度信号进行滤波处理。
进一步地，所述将培训前和培训后的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度分别进行比较，根据比较结果生成技能评估报告，其具体包括：
将培训前和培训后多个不同任务条件下的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度进行分析和统计；
根据分析结果生成技能评估报告。
进一步地，所述将培训前和培训后多个不同任务条件下的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度进行分析和统计，其具体为：
通过循环神经网络对不同任务条件下的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度进行分析和统计。
本发明实施例的第二方面提供了：
一种用于手术技能评估数据的处理系统，其包括：
获取模块，用于获取培训前和培训后测试者在测试过程中的任务完成时间、红外测试设备测试得到的红外光强信号以及位置传感器上传的位置数据；
处理模块，用于分别对培训前和培训后的红外光强信号和位置数据进行处理；
转换模块，用于将处理后的红外光强信号转换为大脑的血红蛋白浓度值，将处理后的位置数据转换为测试者的手动次数和手动路径长度；
比较模块，用于将培训前和培训后的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度分别进行比较，根据比较结果生成技能评估报告。
本发明实施例的第三方面提供了：
一种用于手术技能评估数据的处理系统，其包括：
至少一个存储器，用于存储程序；
至少一个处理器，用于加载所述程序以执行所述的一种用于手术技能评估数据的处理方法。
本发明实施例的第四方面提供了：
一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于实现所述的一种用于手术技能评估数据的处理方法。
本发明的有益效果是：本发明通过先获取培训前和培训后测试者在测试过程中的任务完成时间、红外测试设备测试得到的红外光强信号以及位置传感器上传的位置数据，接着分别对培训前和培训后的红外光强信号和位置数据进行处理，并将处理后的红外光强信号转换为大脑的血红蛋白浓度值，将处理后的位置数据转换为测试者的手动次数和手动路径长度，最后分别对处理后的培训前和培训后的数据进行比较，生成技能评估报告，整个过程全自动化处理，大幅度减少培训医生的工作量，从而降低培训费用，同时，分析过程无人为介入，提高培训结果的准确性。
附图说明
图1为本发明一种具体实施例的用于手术技能评估数据的处理方法的流程图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
参照图1，本发明实施例提供了一种用于手术技能评估数据的处理方法，本实施应用于处理器，所述处理器分别与位置传感器、红外测试设备和显示终端进行通信。所述处理器用于根据接收到的数据进行数据处理和分析，并生成技能评估报告。
由于外科手术主要考验的是外科医生的手上操作能力，因此，在进行实际的手术过程中，需要对外科医生进行一定的技能训练。本实施例采用木块移动游戏来对外科医生进行手部训练。具体地，在训练过程中，测试者根据预设的训练规则执行木块移动操作，直到测试者完成木块移动的时间在FLS开发人员设定的任务完成时间内。在整个测试过程中，采用步骤S110-S140进行数据的获取、处理和技能评估报告的生成：
S110、获取培训前和培训后测试者在测试过程中的任务完成时间、红外测试设备测试得到的红外光强信号以及位置传感器上传的位置数据；所述红外测试设备为近红外测试设备。测试过程中，红外测试设备的感应探头安装在测试者头皮，用于检测大脑的活动状态。所述位置传感器安装在测试者双手手背，用于记录手部位置信息。通过秒表记录任务完成时间。
S120、分别对培训前和培训后的红外光强信号和位置数据进行处理；本步骤具体将红外光强信号转换成光密度信号，然后对光密度信号进行一系列的去噪操作，以降低干扰信号对技能评估过程的影响。
S130、将处理后的红外光强信号转换为大脑的血红蛋白浓度值，将处理后的位置数据转换为测试者的手动次数和手动路径长度；所述血红蛋白浓度值是任务态减去静息态的差值的均值。任务态包括有干扰条件下执行任务和无干扰条件下执行任务的大脑活动。静息态是在不执行任务条件下额的大脑活动。
S140、将培训前和培训后的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度分别进行比较，根据比较结果生成技能评估报告。通过比较培训前后数据的差异，易判断测试者是否具备进行外科手术的能力。
本实施通过先获取培训前和培训后测试者在测试过程中的任务完成时间、红外测试设备测试得到的红外光强信号以及位置传感器上传的位置数据，接着分别对培训前和培训后的红外光强信号和位置数据进行处理，并将处理后的红外光强信号转换为大脑的血红蛋白浓度值，将处理后的位置数据转换为测试者的手动次数和手动路径长度，最后分别对处理后的培训前和培训后的数据进行比较，生成技能评估报告，整个过程全自动化处理，大幅度减少培训医生的工作量，从而降低培训费用，同时，分析过程无人为介入，提高培训结果的准确性。
作为优选的实施方式，所述对红外光强信号进行处理，其具体包括：
将红外光强信号转换为光密度信号；由于在近红外光谱段内，水吸收系数很小，血红蛋白的吸收系数较大，因此，将红外光强信号转换为光密度信号，可以提高信号强度。
对光密度信号进行通道处理，所述通道处理包括去除通道内噪声大于预设值的光密度信号和去除通道内含有伪迹的光密度信号；所述预设值为研发人员根据实际的需求进行设定的噪声值。
对通道处理后的光密度信号进行带通滤波。所述带通滤波主要是处理不相关的生理噪声，例如咳嗽产生的生理噪声。
本实施例通过对光密度信号进行噪声处理，从而减少干扰噪声对技能判断过程的影响，提高判断结果的准确性。
作为优选的实施方式，所述去除通道内含有伪迹的光密度信号，其具体包括：
采用小波变换对光密度信号进行伪迹校正；由于测试者移动所引起的探头位移，不同实验任务引起的时间相关刺激，会导致伪迹的产生。比如被试者头部位移造成的伪迹，头部移动可能会造成探测器和皮肤的接触不良，从而是探测器暴露在环境光、光源直接出射的光或者从皮肤反射的光中，因为没有完整获得从人体组织中出射的光。还有被试者在相关刺激下，发生生理行为也会产生伪迹，如咳嗽的生理行为。这种伪迹，与EEG中的“电极流”相似，容易被识别出来，因为它会引起突然的，巨大的尖峰信号。在检测过程中，可以直接根据信号的阶跃或脉冲现象进行视觉判断，从而剔除含有伪迹的光密度信号。如果这样的运动伪迹已经影响一段时间的信号，那么将该段时间片段切割后，进行事件标记后再删除，如果已经影响了整个通道或整个被试的信号，则删除整个通道或者被试者的数据。
依次对伪迹校正后的光密度信号的通道进行伪迹检测，去除检测到通道含有伪迹的光密度信号。在伪迹校正之后，还有可能部分光密度信号的通道内还含有伪迹，因此，通过进一步的伪迹检测，以达到更好剔除伪迹的目的，提高光密度信号的信噪比。
作为优选的实施方式，所述对通道处理后的光密度信号进行带通滤波，其具体为：
采用下限频率为第一阈值，上限频率为第二阈值的带通对通道处理后的光密度信号进行滤波处理。由于在测试过程中，主要包括三个噪声来源：仪器噪声、实验误差和系统生理伪迹，其中，仪器噪声包括散射噪声和低频漂移，这些噪声可能由不稳定的光源引起；实验误差通常是因为被试者的移动导致感应电极与头皮错位引起的，常常被描述成基线漂移、断脉冲和暂时性低频振荡；系统生理伪迹主要是系统源产生的生理效应，也称为全局震荡，包括以0.5-2Hz频率为中心的心脏干扰，在0.2-0.4Hz范围的呼吸干扰，在0.1Hz左右的Mayer振荡波和其他低频振荡波。由于本实施例的光密度信号是低频信号，频带在0.1-0.5Hz附近，因此用0.01-0.5Hz带通滤波去掉其他噪声的干扰，提高信噪比，以得到纯净的光密度信号。因此，本实施例将第一阈值设置为0.01Hz，第二阈值设置为0.5Hz，以得到纯净的光密度信号。
作为优选的实施方式，所述将培训前和培训后的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度分别进行比较，根据比较结果生成技能评估报告，其具体包括：
将培训前和培训后多个不同任务条件下的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度进行分析和统计；所述不同任务条件包括有干扰的任务条件和没有干扰的任务条件，其中，有干扰的任务条件可以通过设置声音干扰或者计数干扰等。由于每一个参测试者的血红蛋白基线值是用任务开始前5s数据求平均值得到，测试期间的血红蛋白值是由测试开始后3s到13s的数据的平均值得到，选择测试开始后3s到13s的数据的原因是，含氧血红蛋白和脱氧血红蛋白的平均峰值时间都是在运动刺激后10-13s内。然后用任务期间血红蛋白的均值减去基线均值，得到一个试次的激活值，对于完成每次小块转移时，均可以计算得到一个试次的ΔHbO2和ΔHHb，然后对每个被试不同条件下三个测试过程中的ΔHbO2和ΔHHb值分别求平均值，得到无干扰试次和有干扰试次的平均ΔHbO2和ΔHHb值，然后对ΔHbO2、ΔHHb值、任务完成时间、手动次数和手动路径长度进行统计和分析，最后根据分析结果生成技能评估报告。
本实施例通过计算每个任务条件下每个测试过程中的任务完成时间、手动次数和手动路径长度和血红蛋白浓度值，并根据不同任务条件下任务完成时间、手动次数和手动路径长度和血红蛋白浓度值进行统计和分析，以生成对应的技能评估报告，并在评估报告中显示每个测试者对于外科手术操作的能力掌握程度，从而无需培训医生进行人为分析，减少人为因素的干扰，提高评估结果的准确性。
作为优选的实施方式，所述将培训前和培训后多个不同任务条件下的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度进行分析和统计，其具体为：
通过循环神经网络对不同任务条件下的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度进行分析和统计。所述循环神经网络可以为长短期记忆网络(简称LSTM)。所述LSTM是对通用递归神经网络的改进，其采用注意机制帮助LSTM学习依赖关系。
本实施例通过循环神经网络对不同任务条件下的任务完成时间、手动次数和手动路径长度和大脑的血红蛋白浓度值进行统计和分析，以提高技能评估报告中判断结果的准确性。
本发明实施例还提供了一种与图1方法相对应的用于手术技能评估数据的处理系统，其包括：
获取模块，用于获取培训前和培训后测试者在测试过程中的任务完成时间、红外测试设备测试得到的红外光强信号以及位置传感器上传的位置数据；
处理模块，用于分别对培训前和培训后的红外光强信号和位置数据进行处理；
转换模块，用于将处理后的红外光强信号转换为大脑的血红蛋白浓度值，将处理后的位置数据转换为测试者的手动次数和手动路径长度；
比较模块，用于将培训前和培训后的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度分别进行比较，根据比较结果生成技能评估报告。
本发明方法实施例的内容均适用于本系统实施例，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法达到的有益效果也相同。
本发明实施例还提供了一种与图1方法相对应的用于手术技能评估数据的处理系统，其包括：
至少一个存储器，用于存储程序；
至少一个处理器，用于加载所述程序以执行所述的一种用于手术技能评估数据的处理方法。
本发明方法实施例的内容均适用于本系统实施例，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法达到的有益效果也相同。
此外，本发明实施例还提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于实现所述的一种用于手术技能评估数据的处理方法。
综上所述，本发明通过先获取培训前和培训后测试者在测试过程中的任务完成时间、红外测试设备测试得到的红外光强信号以及位置传感器上传的位置数据，接着分别对培训前和培训后的红外光强信号和位置数据进行处理，并将处理后的红外光强信号转换为大脑的血红蛋白浓度值，将处理后的位置数据转换为测试者的手动次数和手动路径长度，最后分别对处理后的培训前和培训后的数据进行比较，生成技能评估报告，整个过程全自动化处理，大幅度减少培训医生的工作量，从而降低培训费用，同时，分析过程无人为介入，提高培训结果的准确性。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (8)
1.一种用于手术技能评估数据的处理方法，其特征在于：包括以下步骤：
获取培训前和培训后测试者在测试过程中的任务完成时间、红外测试设备测试得到的红外光强信号以及位置传感器上传的位置数据；
分别对培训前和培训后的红外光强信号和位置数据进行处理；
将处理后的红外光强信号转换为大脑的血红蛋白浓度值，将处理后的位置数据转换为测试者的手动次数和手动路径长度；
将培训前和培训后的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度分别进行比较，根据比较结果生成技能评估报告;
其中，对红外光强信号进行处理，其具体包括：
将红外光强信号转换为光密度信号；
对光密度信号进行通道处理，所述通道处理包括去除通道内噪声大于预设值的光密度信号和去除通道内含有伪迹的光密度信号；
对通道处理后的光密度信号进行带通滤波。
2.根据权利要求1所述的一种用于手术技能评估数据的处理方法，其特征在于：所述去除通道内含有伪迹的光密度信号，其具体包括：
采用小波变换对光密度信号进行伪迹校正；
依次对伪迹校正后的光密度信号的通道进行伪迹检测，去除检测到通道含有伪迹的光密度信号。
3.根据权利要求1所述的一种用于手术技能评估数据的处理方法，其特征在于：所述对通道处理后的光密度信号进行带通滤波，其具体为：
采用下限频率为第一阈值，上限频率为第二阈值的带通对通道处理后的光密度信号进行滤波处理。
4.根据权利要求1所述的一种用于手术技能评估数据的处理方法，其特征在于：所述将培训前和培训后的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度分别进行比较，根据比较结果生成技能评估报告，其具体包括：
将培训前和培训后多个不同任务条件下的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度进行分析和统计；
根据分析结果生成技能评估报告。
5.根据权利要求4所述的一种用于手术技能评估数据的处理方法，其特征在于：所述将培训前和培训后多个不同任务条件下的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度进行分析和统计，其具体为：
通过循环神经网络对不同任务条件下的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度进行分析和统计。
6.一种用于手术技能评估数据的处理系统，其特征在于：包括：
获取模块，用于获取培训前和培训后测试者在测试过程中的任务完成时间、红外测试设备测试得到的红外光强信号以及位置传感器上传的位置数据；
处理模块，用于分别对培训前和培训后的红外光强信号和位置数据进行处理；
转换模块，用于将处理后的红外光强信号转换为大脑的血红蛋白浓度值，将处理后的位置数据转换为测试者的手动次数和手动路径长度；
比较模块，用于将培训前和培训后的任务完成时间、大脑的血红蛋白浓度值、手动次数和手动路径长度分别进行比较，根据比较结果生成技能评估报告；
其中，所述处理模块具体用于：
将红外光强信号转换为光密度信号；
对光密度信号进行通道处理，所述通道处理包括去除通道内噪声大于预设值的光密度信号和去除通道内含有伪迹的光密度信号；
对通道处理后的光密度信号进行带通滤波。
7.一种用于手术技能评估数据的处理系统，其特征在于：包括：
至少一个存储器，用于存储程序；
至少一个处理器，用于加载所述程序以执行如权利要求1-5任一项所述的一种用于手术技能评估数据的处理方法。
8.一种存储介质，其中存储有处理器可执行的指令，其特征在于：所述处理器可执行的指令在由处理器执行时用于实现如权利要求1-5任一项所述的一种用于手术技能评估数据的处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911048625.4A CN110852586B (zh) | 2019-10-31 | 2019-10-31 | 用于手术技能评估数据的处理方法、系统和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911048625.4A CN110852586B (zh) | 2019-10-31 | 2019-10-31 | 用于手术技能评估数据的处理方法、系统和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110852586A CN110852586A (zh) | 2020-02-28 |
| CN110852586B true CN110852586B (zh) | 2022-12-13 |
Family
ID=69599244
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911048625.4A Active CN110852586B (zh) | 2019-10-31 | 2019-10-31 | 用于手术技能评估数据的处理方法、系统和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110852586B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112751345B (zh) * | 2020-12-30 | 2022-10-25 | 电子科技大学 | 基于lstm与相轨迹的电力系统低频振荡模态辨识方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4813128B2 (ja) * | 2005-08-25 | 2011-11-09 | 学校法人日本大学 | 機能的近赤外分光装置の信号解析装置、機能的近赤外分光装置並びにプログラム |
| EP3268948A4 (en) * | 2015-03-10 | 2018-10-17 | HRL Laboratories, LLC | System and method for training and assessment |
| CN108309318B (zh) * | 2018-01-30 | 2020-06-09 | 苏州布芮恩智能科技有限公司 | 基于大脑血红蛋白信息的大脑功能状态评价装置 |
| CN108682456B (zh) * | 2018-03-27 | 2020-12-22 | 青岛市市立医院 | 基于虚拟现实技术的手术仿真训练方法 |
| CN108903915B (zh) * | 2018-07-24 | 2021-01-05 | 丹阳慧创医疗设备有限公司 | 一种用于近红外光谱脑功能成像系统的定位装置和方法 |
-
2019
- 2019-10-31 CN CN201911048625.4A patent/CN110852586B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110852586A (zh) | 2020-02-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Iatsenko et al. | Nonlinear mode decomposition: A noise-robust, adaptive decomposition method | |
| Grossman | Respiratory and cardiac rhythms as windows to central and autonomic biobehavioral regulation: selection of window frames, keeping the panes clean and viewing the neural topography | |
| US7672717B1 (en) | Method and system for the denoising of large-amplitude artifacts in electrograms using time-frequency transforms | |
| US20070038382A1 (en) | Method and system for limiting interference in electroencephalographic signals | |
| Romano et al. | Evaluation of floatingline and foetal heart rate variability | |
| US11253204B2 (en) | Method for assessing electrocardiogram signal quality | |
| RU2010146145A (ru) | Неинвазивный способ и устройство для определения стадий поверхностного и глубокого сна | |
| JP7492572B2 (ja) | 電気生理学的誘発電位における変化を検出する医用システム及び方法 | |
| CN105997043B (zh) | 一种基于腕式可穿戴设备的脉率提取方法 | |
| US20200037961A1 (en) | System and method for assessing physiological signal quality | |
| CN103405225B (zh) | 一种获取疼感评测指标的方法、装置及设备 | |
| KR20140054542A (ko) | 생체 신호를 측정하는 장치 및 방법 | |
| Tamburro et al. | Automatic removal of cardiac interference (ARCI): A new approach for EEG data | |
| CN105512500A (zh) | 一种对精神分裂特征快速筛查及治疗疗效评估的方法 | |
| Cho et al. | Detection of arousals in patients with respiratory sleep disorders using a single channel EEG | |
| JP2023179702A (ja) | 聴性脳幹反応の自動測定装置および方法 | |
| CN110852586B (zh) | 用于手术技能评估数据的处理方法、系统和存储介质 | |
| CN113080891B (zh) | 基于人体微动信号的呼吸率和心率的提取方法 | |
| Lamarque et al. | A new concept of virtual patient for real-time ECG analyzers | |
| Posada-Quintero et al. | Time-varying spectral index of electrodermal activity to predict central nervous system oxygen toxicity symptoms in divers: Preliminary results | |
| Hermawan et al. | Temporal feature and heuristics-based noise detection over classical machine learning for ECG signal quality assessment | |
| US20100076329A1 (en) | Method for reducing baseline drift in a biological signal | |
| JP2014188040A (ja) | 聴覚閾値推定装置、聴覚閾値推定方法及び聴覚閾値推定プログラム | |
| Vega-Martínez et al. | SDNN index of heart rate variability as an indicator of change in rats exposed to fine particles: study of the impact of air pollution in Mexico City | |
| KR20130048099A (ko) | 심플리시티 기반의 심음 분석 장치 및 그 방법 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |