一种交叠共轴外科手术控制方法、系统及可读存储介质
技术领域
本发明涉及一种智能控制领域或医学领域、区块链技术以及大数据处理,尤其涉及一种交叠共轴外科手术控制方法、系统及可读存储介质。
背景技术
区块链(Blockchain),是比特币的一个重要概念,它本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次比特币网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块,物联网的核心和基础仍然是互联网,是在互联网基础上的延伸和扩展的网络;其二,其用户端延伸和扩展到了任何物品与物品之间,进行信息交换和通信,也就是物物相息。物联网通过智能感知、识别技术与普适计算等通信感知技术,将物联网与区块链技术应用到手术控制系统中,通过大数据分析,自动定位手术部位,然后将手术数据通过物联网自动识别、传输,然后通过区块链进行对手术数据进行永久保存,保证数据安全性的同时,又能提高数据传输的时效性。
发明内容
本发明克服了现有技术的不足,提供一种交叠共轴外科手术控制方法、系统及可读存储介质。
为达到上述目的,本发明采用的技术方案为:一种交叠共轴外科手术控制方法,其特征在于,包括:
采集图像信息,获取病例信号,得到病例信息,建立预设模型;
分析预设模型,获取手术区域,通过大数据计算手术处理方式,得到手术信息;
根据手术信息获取机械手信号,分析机械手状态信息,获取交叠区域,得到交叠信息;
将交叠区域与手术区域进行比较,得到区域偏差率;
判断区域偏差率是否大于预设偏差率阈值;
当区域偏差率大于预设偏差率阈值时,获取修正信息,根据修正信息对机械手状态信息进行修正;
通过传感节点将手术信息传输至控制器,控制器控制机械手进行适配性操作。
优选的,所述预设模型包括卷积神经网络模型,具体为:
采集病人图像信息,通过云计算得到病人数据;
将数据输入卷积神经网络模型,通过大数据训练卷积神经网络模型,获取反馈信息;
根据反馈信息定位手术部位,控制器控制机械手预定方式动作进行调整交叠信息。
优选的,根据手术信息获取机械手信号,分析机械手状态信息,获取交叠区域,得到交叠信息,具体包括:
分别获取第一导向件动作信号与第二导向件动作信号,分别记为第一信号、第二信号;
计算第一导向件与第二导向件偏转角度,记为第一角度、第二角度,根据偏转角度获取机械手初始状态信息,得到机械手初始交叠信息;
根据手术信息,控制机械手动作,获取机械手实时交叠信息;
对实时交叠信息进行去边缘化处理。
优选的,获取病床初始位置信息,根据手术信息,获取移动信号,得到移动信息;
通过移动信息调整病床位置,采集病人图像信息,
比对病人图像信息与标准图像信息,获取偏差信息,
根据偏差信息,获取反馈信号,根据反馈信号调整病床位置参数。
优选的,通过对图像信息进行处理,获取结果信息,具体包括:
图像处理至少通过放大器执行放大处理;
通过演算单元对获取图像进行分割,提取特征值;
将提取的特征值进行归类;
不同类别的特征值通过网关存储至对应的存储节点。
优选的,机械手适配性操作包括机械手的移动、伸缩、旋转、更换工具头、消毒中的一种或两种以上的组合。
本发明第二方面还提供了一种交叠共轴外科手术控制系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包括交叠共轴外科手术控制方法程序,所述交叠共轴外科手术控制方法程序被所述处理器执行时实现如下步骤:
采集图像信息,获取病例信号,得到病例信息,建立预设模型;
分析预设模型,获取手术区域,通过大数据计算手术处理方式,得到手术信息;
根据手术信息获取机械手信号,分析机械手状态信息,获取交叠区域,得到交叠信息;
将交叠区域与手术区域进行比较,得到区域偏差率;
判断区域偏差率是否大于预设偏差率阈值;
当区域偏差率大于预设偏差率阈值时,获取修正信息,根据修正信息对机械手状态信息进行修正;
通过传感节点将手术信息传输至控制器,控制器控制机械手进行适配性操作。
优选的,根据手术信息获取机械手信号,分析机械手状态信息,获取交叠区域,得到交叠信息,具体包括:
分别获取第一导向件动作信号与第二导向件动作信号,分别记为第一信号、第二信号;
计算第一导向件与第二导向件偏转角度,记为第一角度、第二角度,根据偏转角度获取机械手初始状态信息,得到机械手初始交叠信息;
根据手术信息,控制机械手动作,获取机械手实时交叠信息;
对实时交叠信息进行去边缘化处理。
优选的,所述预设模型包括卷积神经网络模型,具体为:
采集病人图像信息,通过云计算得到病人数据;
将数据输入卷积神经网络模型,通过大数据训练卷积神经网络模型,获取反馈信息;
根据反馈信息定位手术部位,控制器控制机械手预定方式动作进行调整交叠信息。
本发明第三方面提供了一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中包括交叠共轴外科手术控制方法程序,所述交叠共轴外科手术控制方法程序被处理器执行时,实现上述任一项所述的交叠共轴外科手术控制方法的步骤。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
(1)本发明基于区块链技术,整个手术过程都是去中心化处理,用户数据安全性较高,手术机器人能够根据采集的图像信息,通过大数据分析处理,自动识别手术部位,避免手术误操作,提高手术的精准性。
(2)通过采集、分析病人图像信息,提取特征值,通过大数据分析病例信息,定位病人手术区域,然后通过物联网将数据传输至控制器,控制器控制两个或多个机械手的操作区域进行交叠,交叠区能够实现多个机械手联动操作,能够进行复杂的手术操作。
(3)通过对历史病人大数据采集、分析,生成模型,模型可以通过神经网络的方式生成,新的患者进行手术时,采集患者信息和图像信息,输入神经网络模型中,模型自动计算手术部位,提高手术精确度。
(4)通过大数据进行训练神经网络模型,使得神经网络模型越来越精准,通过神经网络模型控制机械手状态变化,使机械手动作信息与医务人员动作信息相匹配。
(5)手术信息通过物联网智能感知识别,然后将识别数据永久生成区块链,提高系统的安全性与数据识别的快速性。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了本发明一种交叠共轴外科手术控制方法的流程图;
图2示出了神经网络模型方法流程图;
图3示出了获取交叠信息方法流程图。
图4示出了一种调整病床位置参数方法流程图。
图5示出了一种交叠共轴外科手术控制系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种交叠共轴外科手术控制方法的流程图。
如图1所示,本发明第一方面提供了一种交叠共轴外科手术控制方法,包括:
S102,采集图像信息,获取病例信号,得到病例信息,建立预设模型;
S104,分析预设模型,获取手术区域,通过大数据计算手术处理方式,得到手术信息;
S106,根据手术信息获取机械手信号,分析机械手状态信息,获取交叠区域,得到交叠信息;
S108,将交叠区域与手术区域进行比较,得到区域偏差率;
S110,判断区域偏差率是否大于预设偏差率阈值;
S112,当区域偏差率大于预设偏差率阈值时,获取修正信息,根据修正信息对机械手状态信息进行修正;
S114,通过传感节点将手术信息传输至控制器,控制器控制机械手进行适配性操作。
需要说明的是,通过设置两导向件对机械手进行导向,两导向件实现正交叠即两导向件的中心通过转轴连接,两导向件在旋转的过程中能够相互配合,形成单球面手术区域,两导向件也能够去中心交叠,即转轴连接其中一导向件的中心位置,连接另一导向件的非中心位置,实现导向件的轴位变化与夹角变化,使两导向件在旋转手术过程中相互配合,形成双球面手术区域,提高手术灵活性,交叠区即为同一导向件上的两个机械手的操作重合区域,或不同导向件上的两个或多个机械手操作重合区域,交叠区内能够进行多机械手联动操作,通过摄像头采集的图像信息,并根据图像信息获取病例信息,病例信息能够生成区块链,区块链内的数据去中心化处理,并进行加密处理,保证数据的安全性,通过大数据分析原始病历数据,将原始病例数据输入模型,能够自动定位手术区域,通过控制器控制机械手进行手术操作,手术过程中,信号与数据的传输均是通过物联网进行信号的智能识别及传输,提高信号传输的快速性。
如图2所示,本发明公开了神经网络模型方法流程图;
根据本发明实施例,所述预设模型包括卷积神经网络模型,具体为:
S202,采集病人图像信息,通过云计算得到病人数据;
S204,将数据输入卷积神经网络模型,通过大数据训练卷积神经网络模型,获取反馈信息;
S206,根据反馈信息定位手术部位,控制器控制机械手预定方式动作进行调整交叠信息。
需要说明的是,通过大数据进行训练神经网络模型,使得神经网络模型越来越精准,通过神经网络模型控制机械手状态变化,使机械手动作信息与医务人员动作信息相匹配,通过采集、分析病人图像信息,提取特征值,通过大数据分析病例信息,定位病人手术区域,然后通过物联网将数据传输至控制器,控制器控制两个或多个机械手的操作区域进行交叠,交叠区能够实现多个机械手联动操作,能够进行复杂的手术操作。
如图3所示,本发明公开了获取交叠信息方法流程图;
根据本发明实施例,根据手术信息获取机械手信号,分析机械手状态信息,获取交叠区域,得到交叠信息,具体包括:
S302,分别获取第一导向件动作信号与第二导向件动作信号,分别记为第一信号、第二信号;
S304,计算第一导向件与第二导向件偏转角度,记为第一角度、第二角度,根据偏转角度获取机械手初始状态信息,得到机械手初始交叠信息;
S306,根据手术信息,控制机械手动作,获取机械手实时交叠信息;
S308,对实时交叠信息进行去边缘化处理。
需要说明的是,导向组件包括第一导向件与第二导向件,第一导向件与第二导向件通过转轴活动连接,转轴分别贯穿第一导向件与第二导向件,当转轴连接第一导向件与第二导向件的中心位置时,实现正交叠,此时,两个机械手或多个机械手配合实现球形操作面,转轴底部设置有摄像头,摄像头能够采集图像信息;第一导向件与第二导向件内侧均配合连接有若干个机械手交叠区即为机械手操作重合区域,当交叠区出现偏差时,通过调整机械手位置,或调整导向件角度,进行调整交叠区位置或交叠区大小。
如图4所示,本发明公开了调整病床位置参数方法流程图;
根据本发明实施例,S402,获取病床初始位置信息,根据手术信息,获取移动信号,得到移动信息;
S404,通过移动信息调整病床位置,采集病人图像信息,
S406,比对病人图像信息与标准图像信息,获取偏差信息,
S408,根据偏差信息,获取反馈信号,根据反馈信号调整病床位置参数。
需要说明的是,病床底部设置有导轨,病床能够沿导轨移动,通过病人图像与标准图像比较,得到偏差信息,当出现偏差信息时,即说明病床位置出现偏差,不利于手术操作,手术操作过程中,容易造成手术偏差,此时通过调整病床位置,使病人处于合理的手术区域内,病床位置参数信息包括病床与摄像头之间的位置,病床与导轨之间的位置。
根据本发明实施例,通过对图像信息进行处理,获取结果信息,具体包括:
图像处理至少通过放大器执行放大处理;
通过演算单元对获取图像进行分割,提取特征值;
将提取的特征值进行归类;
不同类别的特征值通过网关存储至对应的存储节点。
需要说明的是,通过放大处理单元对图像信息进行放大,提取图像特征值时,保证特征值的有效性,不同类别的特征值生成不同的区块永久保存,当下一个病人进行手术过程中,提取区块内的数据,进行数据比对参考,通过特征值训练,逐渐使得模型在自动识别手术部分方面更加的快速精准,演算单元对图像进行分割,分割后的图像能够分别提取部分图像特征,提取后的特征进行整合,去除不具有参考性的特征值。
根据本发明实施例,机械手适配性操作包括机械手的移动、伸缩、旋转、更换工具头、消毒中的一种或两种以上的组合。
如图5所示,本发明公开了一种交叠共轴外科手术控制系统框图;
本发明第二方面还提供了一种交叠共轴外科手术控制系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包括交叠共轴外科手术控制方法程序,交叠共轴外科手术控制方法程序被所述处理器执行时实现如下步骤:
采集图像信息,获取病例信号,得到病例信息,建立预设模型;
分析预设模型,获取手术区域,通过大数据计算手术处理方式,得到手术信息;
根据手术信息获取机械手信号,分析机械手状态信息,获取交叠区域,得到交叠信息;
将交叠区域与手术区域进行比较,得到区域偏差率;
判断区域偏差率是否大于预设偏差率阈值;
当区域偏差率大于预设偏差率阈值时,获取修正信息,根据修正信息对机械手状态信息进行修正;
通过传感节点将手术信息传输至控制器,控制器控制机械手进行适配性操作。
需要说明的是,通过设置两导向件对机械手进行导向,两导向件实现正交叠即两导向件的中心通过转轴连接,两导向件在旋转的过程中能够相互配合,形成单球面手术区域,两导向件也能够去中心交叠,即转轴连接其中一导向件的中心位置,连接另一导向件的非中心位置,实现导向件的轴位变化与夹角变化,使两导向件在旋转手术过程中相互配合,形成双球面手术区域,提高手术灵活性,交叠区即为同一导向件上的两个机械手的操作重合区域,或不同导向件上的两个或多个机械手操作重合区域,交叠区内能够进行多机械手联动操作,通过摄像头采集的图像信息,并根据图像信息获取病例信息,病例信息能够生成区块链,区块链内的数据去中心化处理,并进行加密处理,保证数据的安全性,通过大数据分析原始病历数据,将原始病例数据输入模型,能够自动定位手术区域,通过控制器控制机械手进行手术操作,手术过程中,信号与数据的传输均是通过物联网进行信号的智能识别及传输,提高信号传输的快速性,通过采集、分析病人图像信息,提取特征值,通过大数据分析病例信息,定位病人手术区域,然后通过物联网将数据传输至控制器,控制器控制两个或多个机械手的操作区域进行交叠,交叠区能够实现多个机械手联动操作,能够进行复杂的手术操作,导向组件包括第一导向件3与第二导向件,第一导向件与第二导向件通过转轴活动连接,转轴分别贯穿第一导向件3与第二导向件,转轴底部设置有摄像头,摄像头能够采集图像信息;第一导向件与第二导向件内侧均配合连接有若干个机械手交叠区即为机械手操作重合区域,当交叠区出现偏差时,通过调整机械手位置,或调整导向件角度,进行调整交叠区位置或交叠区大小。
根据本发明实施例,根据手术信息获取机械手信号,分析机械手状态信息,获取交叠区域,得到交叠信息,具体包括:
分别获取第一导向件动作信号与第二导向件动作信号,分别记为第一信号、第二信号;
计算第一导向件与第二导向件偏转角度,记为第一角度、第二角度,根据偏转角度获取机械手初始状态信息,得到机械手初始交叠信息;
根据手术信息,控制机械手动作,获取机械手实时交叠信息;
对实时交叠信息进行去边缘化处理。
根据本发明实施例,所述预设模型包括卷积神经网络模型,具体为:
采集病人图像信息,通过云计算得到病人数据;
将数据输入卷积神经网络模型,通过大数据训练卷积神经网络模型,获取反馈信息;
根据反馈信息定位手术部位,控制器控制机械手预定方式动作进行调整交叠信息。
本发明第三方面提供了一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中包括交叠共轴外科手术控制方法程序,所述交叠共轴外科手术控制方法程序被处理器执行时,实现上述任一项所述的交叠共轴外科手术控制方法的步骤。
本发明基于区块链技术,整个手术过程都是去中心化处理,用户数据安全性较高,手术机器人能够根据采集的图像信息,通过大数据分析处理,自动识别手术部位,避免手术误操作,提高手术的精准性。
通过采集、分析病人图像信息,提取特征值,通过大数据分析病例信息,定位病人手术区域,然后通过物联网将数据传输至控制器,控制器控制两个或多个机械手的操作区域进行交叠,交叠区能够实现多个机械手联动操作,能够进行复杂的手术操作。
通过对历史病人大数据采集、分析,生成模型,模型可以通过神经网络的方式生成,新的患者进行手术时,采集患者信息和图像信息,输入神经网络模型中,模型自动计算手术部位,提高手术精确度。
通过大数据进行训练神经网络模型,使得神经网络模型越来越精准,通过神经网络模型控制机械手状态变化,使机械手动作信息与医务人员动作信息相匹配。
手术信息通过物联网智能感知识别,然后将识别数据永久生成区块链,提高系统的安全性与数据识别的快速性。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。