CN111358573B - 高光谱成像的术区快速检测、标记的设备及检测方法 - Google Patents

高光谱成像的术区快速检测、标记的设备及检测方法 Download PDF

Info

Publication number
CN111358573B
CN111358573B CN202010119041.8A CN202010119041A CN111358573B CN 111358573 B CN111358573 B CN 111358573B CN 202010119041 A CN202010119041 A CN 202010119041A CN 111358573 B CN111358573 B CN 111358573B
Authority
CN
China
Prior art keywords
hyperspectral
tissue
data
pathological
point
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
Application number
CN202010119041.8A
Other languages
English (en)
Other versions
CN111358573A (zh
Inventor
任鹏宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Second Affiliated Hospital School of Medicine of Xian Jiaotong University
Original Assignee
Second Affiliated Hospital School of Medicine of Xian Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Second Affiliated Hospital School of Medicine of Xian Jiaotong University filed Critical Second Affiliated Hospital School of Medicine of Xian Jiaotong University
Priority to CN202010119041.8A priority Critical patent/CN111358573B/zh
Publication of CN111358573A publication Critical patent/CN111358573A/zh
Application granted granted Critical
Publication of CN111358573B publication Critical patent/CN111358573B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/39—Markers, e.g. radio-opaque or breast lesions markers
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/39—Markers, e.g. radio-opaque or breast lesions markers
    • A61B2090/3983—Reference marker arrangements for use with image guided surgery
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Surgery (AREA)
  • Primary Health Care (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Radiology & Medical Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了高光谱成像的术区快速检测、标记的设备，包括：运动控制系统、机械臂、高光谱空间扫描数据采集系统、高光谱点孔扫描数据采集系统、标记系统、实时传输处理系统、中央控制系统，显示屏；所述运动控制系统与所述机械臂电性连接，所述机械臂电性连接高光谱空间扫描数据采集系统，所述实时传输处理系统与中央控制系统电性连接；所述中央控制系统与显示屏电性相连；所述标记系统集成于高光谱点孔扫描数据采集系统组织接触端并与中央控制系统电性连接。该检测方法将不断扩充该特定病变组织的高光谱数据库，并根据新的该特定病变组织及对应的正常组织的高光谱数据实时更新、优化所训练的模型，自动优化分类方法。

Description

高光谱成像的术区快速检测、标记的设备及检测方法
技术领域
本发明为高光谱成像的术区快速检测、标记的设备及检测方法，主要用于外科手术过程中术区组织术中快速检测及标记，以确定术区组织的种类、性质及病变边界，指导术者实施手术。
背景技术
外科手术是治疗肿瘤最古老、最重要的手段，成为大多数(75％～80％)实质性肿瘤患者首选的获得治愈的方法。肿瘤的手术治疗也成为外科工作的重要内容之一。然而在手术过程中，术者通常是在肉眼直视下或显微镜观察下进行肿瘤切除，于是常常会遇到一下难题：1.术区内的病变组织是否为肿瘤组织；2.术区肿瘤组织的良恶性判断；3.临近的淋巴结和/或脏器是否存在肿瘤播散转移；4.实施肿瘤切除时手术切缘有无肿瘤浸润；5.肿瘤手术切除范围是否足够；6.手术中某些意外发现和可疑微小组织(如甲状旁腺、输卵管或输精管等)性质的判定等。这些问题非常关键，直接影响术者对患者疾病状况的判断，进而影响手术方案的选择及更改，关乎患者疾病愈后状况。然而这些问题无法在术前发现或解答，只有在手术过程中逐一浮现。因此手术过程中，快速解答以上诸多问题成为了决定外科治疗肿瘤成败的关键。
为解决以上问题，人们发明了术中病理组织诊断，目前最常用的为手术中快速活体组织病理学检查，简称术中冰冻。术中冰冻是现今手术中病理诊断最快的一种方法，是病理科的急诊工作，也是病理科最具有挑战性的工作之一。它是将手术中切除的病理组织在冰冻切片机中快速制片，经过特殊染色后供病理医师进行病理诊断，病理医师在拿到标本半个小时左右做出送检组织性质的诊断，从而较完美的解答了以上诸多难题。
目前，虽然术中冰冻是手术中病理诊断最快的手段，然而仍具有重要缺陷。抛开因取材局限、标本冰晶以及制片、诊断时间短促等原因造成的切片质量精确度有限之外，术中冰冻最重要的缺陷是耗时长，从而增加了麻醉及手术风险。从术者切取组织标本送检，到病理医师制片诊断、信息反馈，往往耗时长达40分钟至1小时，而在这段时间里，患者则继续保持麻醉状态，手术切口保持开放状态，术者只能选择等待。因此增加了患者麻醉时间和手术时间，提高了麻醉及手术风险，降低了手术效率等，还造成了医疗资源的浪费。因此，急需开发一种能够在术中进行病理快速诊断的方法或装置，以解决这一问题。
高光谱成像技术是收集及处理整个跨电磁波谱的信息进行成像分析，光谱信息从红外线延伸到紫外线的范围。高光谱成像技术具有光谱分辨率高、图谱合一的独特优势，是遥感技术发展以来最重大的科技突破之一。通过搭载在不同空间平台上的高光谱传感器，即成像光谱仪，高光谱成像技术在电磁波谱的紫外、可见光、近红外和中红外区域，以数十至数百个连续且细分的光谱波段对目标区域同时成像，是集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体的综合性技术。其最大特点是将成像技术与光谱探测技术结合，在对目标的空间特征成像的同时，对每个空间像元经过色散形成几十个乃至几百个窄波段以进行连续的光谱覆盖。这样形成的数据可以用“三维数据块”来形象地描述。因此该技术在获得探测图像信息的同时，也获得其光谱信息，真正做到了光谱与图像的结合。工程师们已经制造出可用于农业、矿业、物理以及监控领域的传感器及处理系统。图像信息可以反映样本的大小、形状、缺陷等外部品质特征，由于不同成分对光谱吸收也不同，在某个特定波长下图像对某个缺陷会有较显著的反映，而光谱信息能充分反映样品内部的物理结构、化学成分的差异。高光谱成像技术不仅在信息丰富程度方面有了极大的提高，在处理技术上，对该类光谱数据进行更为合理、有效的分析处理提供了可能。因而，高光谱图像技术所具有的影响及发展潜力，不仅引起了遥感界的关注，同时也引起了生命科学、医学、农业、食品、地矿勘测、环境、文物保护等诸多领域的极大兴趣。
为解决目前外科手术中病理快速诊断所存在的问题，我们基于高光谱成像技术，设计一种新型的、可用于手术中的、可实现快速病理学判定的医疗设备及方法。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了高光谱成像的术区快速检测、标记的设备及检测方法，利用高光谱成像根据手术中暴露的术区组织结构表面及浅层信息检测视野内组织，在不切除术区组织的情况下，能够快速区分不同的组织类型，能够快速显示术区内病变组织的边界，能够快速自动标记术区病变组织，实现手术过程中术区组织的快速病理诊断，并实时确认病变组织边缘，指导术者完整切除病变组织并避免传统术中病理学检查所带来的弊端。
(二)技术方案
为实现上述目的，本发明提供如下技术方案：高光谱成像的术区快速检测、标记的设备，包括：运动控制系统、机械臂、高光谱空间扫描数据采集系统、高光谱点孔扫描数据采集系统、标记系统、实时传输处理系统、中央控制系统，显示屏；所述运动控制系统与所述机械臂电性连接，所述机械臂电性连接高光谱空间扫描数据采集系统，所述运动控制系统操控所述的机械臂将所述高光谱空间扫描数据采集系统送到待检测组织术区上方的指定位置；所述高光谱空间扫描数据采集系统用于实时采集检测组织术区暴露组织的各种物质成分高光谱数据；所述高光谱点孔扫描数据采集系统为笔状，所述高光谱点孔扫描数据采集系统由术者手持直接接触检测组织术区的暴露组织进行单点区的物质成分高光谱数据采集；所述实时传输处理系统分别与所述高光谱空间扫描数据采集系统和所述高光谱点孔扫描数据采集系统电性连接；所述实时传输处理系统与中央控制系统电性连接；实时传输处理系统将所述高光谱空间扫描数据采集系统采集的检测组织术区的组织表面高光谱数据和所述高光谱点孔扫描数据采集系统采集的单点区组织表面高光谱数据发送至所述中央控制系统；中央控制系统用于接收各种光高谱数据；所述中央控制系统与显示屏电性相连；所述标记系统集成于高光谱点孔扫描数据采集系统组织接触端并与中央控制系统电性连接。
优选的，所述中央控制系统用于根据高光谱空间扫描数据采集系统采集检测组织术区的组织高光谱数据区分术区内组织类型及性质，并以图像的形式呈现在显示屏上；所述中央控制系统还用于高光谱点孔扫描数据采集系统采集的单点区组织高光谱数据区分该点的组织类型及性质；所述中央控制系统接收高光谱点孔扫描数据采集系统采集的高光谱数据并判断该点组织类型与性质后，根据判断结果驱动标记系统对判断点进行标记，并以图像的形式呈现在显示屏上；标记原则为正常组织不标记，特定病变组织表面标记(如亚甲蓝等)。
高光谱成像的术区快速检测、标记的设备的检测方法，检测方法将高光谱技术引入到术中组织的检测及病变切除前边界的标记中，通过深度学习获取暴露组织在特定波段的高光谱数据，来判断术区内病变组织的范围、边界、性质，所述检测方法包括如下步骤：
步骤1：对特定病变组织(如某种肿瘤)的高光谱空间扫描数据进行图像处理和光谱信息处理，得到特定病变组织(如某种肿瘤)的特征性高光谱空间数据；采用同样的方法获得不同个体的同种病变组织的特征性高光谱空间数据，并训练模型；
步骤2：对特定病变组织对应的正常组织(如某种肿瘤周围的正常组织)的高光谱空间数据进行图像处理和光谱信息处理，得到特定病变组织对应的正常组织(如某种肿瘤周围的正常组织)的特征性高光谱空间数据；采用同样的方法获得不同个体的同种病变组织对应的正常组织的特征性高光谱空间数据，并训练模型；
步骤3：建立特定病变组织的特征性高光谱空间数据分类方法；
步骤4：实时获取手术区域内被暴露组织的表面高光谱空间数据，并将所采集的高光谱数据作为判断整个术区内组织类型、病变组织范围、边界、性质的依据；
步骤5：新采集的病变组织及其对应的正常组织的高光谱空间数据需在术后病理学诊断确诊后再决定数据的去向；若病理学诊断确认病变组织为该特定病变组织，正常组织为某特定病变组织对应的正常组织，则该新采集的病变组织及其对应的正常组织的高光谱空间数据分别将纳入该特定病变组织的特征性高光谱空间数据训练模型和正常组织的特征性高光谱空间数据训练模型，用于分类模型数据扩充及完善；若病理学诊断结果非该病变组织，则数据将纳入其对应病种的数据库中。
步骤6：对特定病变组织(如某种肿瘤)的高光谱点孔扫描数据进行图像处理和光谱信息处理，得到特定病变组织(如某种肿瘤)的特征性高光谱扫描点数据；采用同样的方法获得不同个体的同种病变组织的特征性高光谱扫描点数据，并训练模型；
步骤7：对特定病变组织对应的正常组织(如某种肿瘤周围的正常组织)的高光谱点孔数据进行图像处理和光谱信息处理，得到特定病变组织对应的正常组织(如某种肿瘤周围的正常组织)的特征性高光谱扫描点数据；采用同样的方法获得不同个体的同种病变组织对应的正常组织的特征性高光谱扫描点数据，并训练模型；
步骤8：建立特定病变组织的特征性高光谱点孔扫描数据分类方法；
步骤9：实时获取手术区域内被暴露组织的某一点的高光谱点孔扫描数据，并将所采集的高光谱数据作为判断该扫描点的组织类型、性质的依据；
步骤10：新采集的病变组织及其对应的正常组织的高光谱点孔扫描数据需在术后病理学确诊该点组织类型和性质后再决定数据的去向；若病理学诊断确认该点组织为该特定病变组织，或为该特定病变组织对应的正常组织，则该新采集的特定病变组织点及其对应的正常组织点的高光谱点孔扫描数据分别将纳入该特定病变组织的特征性高光谱点孔扫描数据训练模型和正常组织的特征性高光谱点孔扫描数据训练模型，用于分类模型数据扩充及完善；若病理学诊断结果非该病变组织，则数据将纳入其对应病种的数据库中。
(三)有益效果
本发明提供了高光谱成像的术区快速检测、标记的设备及检测方法，具备以下有益效果：
本发明将实时采集的术区暴露组织的高光谱数据作为判断术区内组织类别、性质的依据。通过确诊数据训练模型以及后期确诊病例的数据再训练模型来判断术区内组织的类别和性质，从而界定出术区内病变组织的位置、边界、性质，以指导术者实施手术。本发明提供的高光谱成像的术区快速检测的方法具有在线实时自主学习功能，拥有特定病变组织的智能数据库，即数据库可与病理诊断数据相连通或人工输入病理诊断，根据术后组织病理学诊断结果进行新采集高光谱数据的存放。随着检测时间与检测数量的增加，该检测方法将不断扩充该特定病变组织的高光谱数据库，并根据新的该特定病变组织及对应的正常组织的高光谱数据实时更新、优化所训练的模型，自动优化分类方法，进一步提高组织种类、性质检测的特异性和敏感性，实现术区组织术中快速病理检测及诊断。
附图说明
图1为本发明的高光谱成像的术区快速检测、标记的设备系统图；
图2为本发明的高光谱成像的术区快速检测、标记的设备的检测方法。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1-2所示，本发明提供一种技术方案：高光谱成像的术区快速检测、标记的设备，包括：运动控制系统、机械臂、高光谱空间扫描数据采集系统、高光谱点孔扫描数据采集系统、标记系统、实时传输处理系统、中央控制系统，显示屏；所述运动控制系统与所述机械臂电性连接，所述机械臂电性连接高光谱空间扫描数据采集系统，所述运动控制系统操控所述的机械臂将所述高光谱空间扫描数据采集系统送到待检测组织术区上方的指定位置；所述高光谱空间扫描数据采集系统用于实时采集检测组织术区暴露组织的各种物质成分高光谱数据；所述高光谱点孔扫描数据采集系统为笔状，所述高光谱点孔扫描数据采集系统由术者手持直接接触检测组织术区的暴露组织进行单点区的物质成分高光谱数据采集；
所述实时传输处理系统分别与所述高光谱空间扫描数据采集系统和所述高光谱点孔扫描数据采集系统电性连接；所述实时传输处理系统与中央控制系统电性连接；实时传输处理系统将所述高光谱空间扫描数据采集系统采集的检测组织术区的组织表面高光谱数据和所述高光谱点孔扫描数据采集系统采集的单点区组织表面高光谱数据发送至所述中央控制系统；中央控制系统用于接收各种光高谱数据；所述中央控制系统与显示屏电性相连；所述标记系统集成于高光谱点孔扫描数据采集系统组织接触端并与中央控制系统电性连接。
优选的，所述中央控制系统用于根据高光谱空间扫描数据采集系统采集检测组织术区的组织高光谱数据区分术区内组织类型及性质，并以图像的形式呈现在显示屏上；所述中央控制系统还用于高光谱点孔扫描数据采集系统采集的单点区组织高光谱数据区分该点的组织类型及性质；所述中央控制系统接收高光谱点孔扫描数据采集系统采集的高光谱数据并判断该点组织类型与性质后，根据判断结果驱动标记系统对判断点进行标记，并以图像的形式呈现在显示屏上；标记原则为正常组织不标记，特定病变组织表面标记(如亚甲蓝等)。
高光谱成像的术区快速检测、标记的设备的检测方法，检测方法将高光谱技术引入到术中组织的检测及病变切除前边界的标记中，通过深度学习获取暴露组织在特定波段的高光谱数据，来判断术区内病变组织的范围、边界、性质，所述检测方法包括如下步骤：
步骤1：对特定病变组织(如某种肿瘤)的高光谱空间扫描数据进行图像处理和光谱信息处理，得到特定病变组织(如某种肿瘤)的特征性高光谱空间数据；采用同样的方法获得不同个体的同种病变组织的特征性高光谱空间数据，并训练模型；
步骤2：对特定病变组织对应的正常组织(如某种肿瘤周围的正常组织)的高光谱空间数据进行图像处理和光谱信息处理，得到特定病变组织对应的正常组织(如某种肿瘤周围的正常组织)的特征性高光谱空间数据；采用同样的方法获得不同个体的同种病变组织对应的正常组织的特征性高光谱空间数据，并训练模型；
步骤3：建立特定病变组织的特征性高光谱空间数据分类方法；
步骤4：实时获取手术区域内被暴露组织的表面高光谱空间数据，并将所采集的高光谱数据作为判断整个术区内组织类型、病变组织范围、边界、性质的依据；
步骤5：新采集的病变组织及其对应的正常组织的高光谱空间数据需在术后病理学诊断确诊后再决定数据的去向；若病理学诊断确认病变组织为该特定病变组织，正常组织为某特定病变组织对应的正常组织，则该新采集的病变组织及其对应的正常组织的高光谱空间数据分别将纳入该特定病变组织的特征性高光谱空间数据训练模型和正常组织的特征性高光谱空间数据训练模型，用于分类模型数据扩充及完善；若病理学诊断结果非该病变组织，则数据将纳入其对应病种的数据库中。
步骤6：对特定病变组织(如某种肿瘤)的高光谱点孔扫描数据进行图像处理和光谱信息处理，得到特定病变组织(如某种肿瘤)的特征性高光谱扫描点数据；采用同样的方法获得不同个体的同种病变组织的特征性高光谱扫描点数据，并训练模型；
步骤7：对特定病变组织对应的正常组织(如某种肿瘤周围的正常组织)的高光谱点孔数据进行图像处理和光谱信息处理，得到特定病变组织对应的正常组织(如某种肿瘤周围的正常组织)的特征性高光谱扫描点数据；采用同样的方法获得不同个体的同种病变组织对应的正常组织的特征性高光谱扫描点数据，并训练模型；
步骤8：建立特定病变组织的特征性高光谱点孔扫描数据分类方法；
步骤9：实时获取手术区域内被暴露组织的某一点的高光谱点孔扫描数据，并将所采集的高光谱数据作为判断该扫描点的组织类型、性质的依据；
步骤10：新采集的病变组织及其对应的正常组织的高光谱点孔扫描数据需在术后病理学确诊该点组织类型和性质后再决定数据的去向；若病理学诊断确认该点组织为该特定病变组织，或为该特定病变组织对应的正常组织，则该新采集的特定病变组织点及其对应的正常组织点的高光谱点孔扫描数据分别将纳入该特定病变组织的特征性高光谱点孔扫描数据训练模型和正常组织的特征性高光谱点孔扫描数据训练模型，用于分类模型数据扩充及完善；若病理学诊断结果非该病变组织，则数据将纳入其对应病种的数据库中。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限。

Claims (1)

1.高光谱成像的术区快速检测、标记的设备，包括：运动控制系统、机械臂、高光谱空间扫描数据采集系统、高光谱点孔扫描数据采集系统、标记系统、实时传输处理系统、中央控制系统，显示屏；
所述运动控制系统与所述机械臂电性连接，所述机械臂电性连接高光谱空间扫描数据采集系统，所述运动控制系统操控所述的机械臂将所述高光谱空间扫描数据采集系统送到待检测组织术区上方的指定位置；所述高光谱空间扫描数据采集系统用于实时采集检测组织术区暴露组织的各种物质成分高光谱数据；所述高光谱点孔扫描数据采集系统为笔状，所述高光谱点孔扫描数据采集系统由术者手持直接接触检测组织术区的暴露组织进行单点区的物质成分高光谱数据采集；
所述实时传输处理系统分别与所述高光谱空间扫描数据采集系统和所述高光谱点孔扫描数据采集系统电性连接；所述实时传输处理系统与中央控制系统电性连接；实时传输处理系统将所述高光谱空间扫描数据采集系统采集的检测组织术区的组织表面高光谱数据和所述高光谱点孔扫描数据采集系统采集的单点区组织表面高光谱数据发送至所述中央控制系统；中央控制系统用于接收各种光高谱数据；所述中央控制系统与显示屏电性相连；所述标记系统集成于高光谱点孔扫描数据采集系统组织接触端并与中央控制系统电性连接；
所述中央控制系统用于根据高光谱空间扫描数据采集系统采集检测组织术区的组织高光谱数据区分术区内组织类型及性质，并以图像的形式呈现在显示屏上；所述中央控制系统还用于高光谱点孔扫描数据采集系统采集的单点区组织高光谱数据区分该点的组织类型及性质；所述中央控制系统接收高光谱点孔扫描数据采集系统采集的高光谱数据并判断该点组织类型与性质后，根据判断结果驱动标记系统对判断点进行标记，并以图像的形式呈现在显示屏上；标记原则为正常组织不标记，特定病变组织表面标记；
检测方法是将高光谱技术引入到术中组织的检测及病变切除前边界的标记中，通过深度学习获取暴露组织在特定波段的高光谱数据，来判断术区内病变组织的范围、边界、性质，所述检测方法包括如下步骤：
步骤1：对特定病变组织的高光谱空间扫描数据进行图像处理和光谱信息处理，得到特定病变组织的特征性高光谱空间数据；采用同样的方法获得不同个体的同种病变组织的特征性高光谱空间数据，并训练模型；
步骤2：对特定病变组织对应的正常组织的高光谱空间数据进行图像处理和光谱信息处理，得到特定病变组织对应的正常组织的特征性高光谱空间数据；采用同样的方法获得不同个体的同种病变组织对应的正常组织的特征性高光谱空间数据，并训练模型；
步骤3：建立特定病变组织的特征性高光谱空间数据分类方法；
步骤4：实时获取手术区域内被暴露组织的表面高光谱空间数据，并将所采集的高光谱数据作为判断整个术区内组织类型、病变组织范围、边界、性质的依据；
步骤5：新采集的病变组织及其对应的正常组织的高光谱空间数据需在术后病理学诊断确诊后再决定数据的去向；若病理学诊断确认病变组织为该特定病变组织，正常组织为某特定病变组织对应的正常组织，则该新采集的病变组织及其对应的正常组织的高光谱空间数据分别将纳入该特定病变组织的特征性高光谱空间数据训练模型和正常组织的特征性高光谱空间数据训练模型，用于分类模型数据扩充及完善；若病理学诊断结果非该病变组织，则数据将纳入其对应病种的数据库中；
步骤6：对特定病变组织的高光谱点孔扫描数据进行图像处理和光谱信息处理，得到特定病变组织的特征性高光谱扫描点数据；采用同样的方法获得不同个体的同种病变组织的特征性高光谱扫描点数据，并训练模型；
步骤7：对特定病变组织对应的正常组织的高光谱点孔数据进行图像处理和光谱信息处理，得到特定病变组织对应的正常组织的特征性高光谱扫描点数据；采用同样的方法获得不同个体的同种病变组织对应的正常组织的特征性高光谱扫描点数据，并训练模型；
步骤8：建立特定病变组织的特征性高光谱点孔扫描数据分类方法；
步骤9：实时获取手术区域内被暴露组织的某一点的高光谱点孔扫描数据，并将所采集的高光谱数据作为判断该扫描点的组织类型、性质的依据；
步骤10：新采集的病变组织及其对应的正常组织的高光谱点孔扫描数据需在术后病理学确诊该点组织类型和性质后再决定数据的去向；若病理学诊断确认该点组织为该特定病变组织，或为该特定病变组织对应的正常组织，则该新采集的特定病变组织点及其对应的正常组织点的高光谱点孔扫描数据分别将纳入该特定病变组织的特征性高光谱点孔扫描数据训练模型和正常组织的特征性高光谱点孔扫描数据训练模型，用于分类模型数据扩充及完善；若病理学诊断结果非该病变组织，则数据将纳入其对应病种的数据库中。
CN202010119041.8A 2020-02-26 2020-02-26 高光谱成像的术区快速检测、标记的设备及检测方法 Active CN111358573B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010119041.8A CN111358573B (zh) 2020-02-26 2020-02-26 高光谱成像的术区快速检测、标记的设备及检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010119041.8A CN111358573B (zh) 2020-02-26 2020-02-26 高光谱成像的术区快速检测、标记的设备及检测方法

Publications (2)

Publication Number Publication Date
CN111358573A CN111358573A (zh) 2020-07-03
CN111358573B true CN111358573B (zh) 2023-06-20

Family

ID=71199442

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010119041.8A Active CN111358573B (zh) 2020-02-26 2020-02-26 高光谱成像的术区快速检测、标记的设备及检测方法

Country Status (1)

Country Link
CN (1) CN111358573B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115236015B (zh) * 2022-07-21 2024-05-03 华东师范大学 基于高光谱成像技术的穿刺样本病理分析系统及方法
CN116167913A (zh) * 2022-09-07 2023-05-26 武汉珈和科技有限公司 基于光谱库的光谱超分方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101623191A (zh) * 2009-08-14 2010-01-13 北京航空航天大学 一种胃部组织性质无创检测装置及方法
CN107066829A (zh) * 2017-05-26 2017-08-18 西安华虹智能科技有限公司 基于云计算的病理分析系统及方法
CN208766110U (zh) * 2018-08-21 2019-04-19 常丽 病理多靶点智能辅助诊断系统
CN109712705A (zh) * 2018-12-19 2019-05-03 中国石油大学(华东) 一种基于深度学习的胆石病智能诊断app
CN109961448A (zh) * 2019-04-10 2019-07-02 杭州智团信息技术有限公司 组织病变区域勾勒方法及系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2887050A1 (en) * 2013-12-23 2015-06-24 Hochschule Reutlingen Method for marker-free demarcation of tissues
US9717417B2 (en) * 2014-10-29 2017-08-01 Spectral Md, Inc. Reflective mode multi-spectral time-resolved optical imaging methods and apparatuses for tissue classification
JP6584090B2 (ja) * 2015-02-23 2019-10-02 Hoya株式会社 画像処理装置
CN105877692A (zh) * 2016-06-03 2016-08-24 中卫祥光（北京）科技有限公司 一种激光诱导荧光光谱阴道镜
US20190261913A1 (en) * 2016-10-18 2019-08-29 The Johns Hopkins University Hyperspectral imaging for passive detection of colorectal cancers
US20180224329A1 (en) * 2017-02-09 2018-08-09 Corning Incorporated Probe based rolling optic hyperspectral data collection system
CN108272437A (zh) * 2017-12-27 2018-07-13 中国科学院西安光学精密机械研究所 用于皮肤病诊断的光谱检测系统和分类器模型构建方法
EP3737922A4 (en) * 2018-01-11 2021-10-20 Centre for Eye Research Australia Limited METHOD AND SYSTEM FOR QUANTIFICATION OF A TISSUE BIOMARKER

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101623191A (zh) * 2009-08-14 2010-01-13 北京航空航天大学 一种胃部组织性质无创检测装置及方法
CN107066829A (zh) * 2017-05-26 2017-08-18 西安华虹智能科技有限公司 基于云计算的病理分析系统及方法
CN208766110U (zh) * 2018-08-21 2019-04-19 常丽 病理多靶点智能辅助诊断系统
CN109712705A (zh) * 2018-12-19 2019-05-03 中国石油大学(华东) 一种基于深度学习的胆石病智能诊断app
CN109961448A (zh) * 2019-04-10 2019-07-02 杭州智团信息技术有限公司 组织病变区域勾勒方法及系统

Also Published As

Publication number Publication date
CN111358573A (zh) 2020-07-03

Similar Documents

Publication Publication Date Title
AU2012272604B2 (en) Method for analyzing biological specimens by spectral imaging
JP6366556B2 (ja) 生物学的試片をスペクトル画像により分析する方法
US20160012591A1 (en) Method for analyzing biological specimens by spectral imaging
JP6184964B2 (ja) 生物試料をスペクトル画像により分析する方法およびシステム。
US8501435B2 (en) Process for preserving three dimensional orientation to allow registering histopathological diagnoses of tissue to images of that tissue
EP3009832A1 (en) A cytological system and method for analyzing a biological sample by raman spectroscopy
CN106462767B (zh) 用于处理和分析图像的检查设备
CN111358573B (zh) 高光谱成像的术区快速检测、标记的设备及检测方法
MX2014002843A (es) Sistema y metodo para la deteccion de anormalidades en una muestra biologica.
CN109297949B (zh) 显微影像结合透射拉曼光谱的肿瘤细胞检测方法及装置
CN104203083A (zh) 图像引导中的集成延迟的光学反馈
US11243148B2 (en) Preparation of tissue sections using fluorescence-based detection
Ulaganathan et al. A clinicopathological study of various oral cancer diagnostic techniques
CN117036269A (zh) 一种基于尿液样品高光谱图像的肾小球疾病分类诊断模型构建方法
Lindahl et al. A tactile resonance sensor for prostate cancer detection–evaluation on human prostate tissue
AU2017204736A1 (en) Method for analyzing biological specimens by spectral imaging
JP4259802B2 (ja) 癌診断における異常部及び異常度特定方法
CN111351831A (zh) 基于质谱分析组织术中检测、标记设备及其检测方法
Sheikhzadeh Improving cervical neoplasia diagnosis via novel in vivo imaging technologies and deep learning algorithms
CN109068969A (zh) 诊断组织的装置
Hutchings et al. Rapid Raman microscopic imaging for potential histological screening
WO2024167975A1 (en) Biomarker identifier and associated method
Padikala et al. Diagnostic Utility of Fluorescence and Diffuse Reflectance Imaging in Gastrointestinal Luminal Pathology
WO2022269637A1 (en) Device for detection of breast cancer margin and a system thereof

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