CN112914696B - 一种基于物联网的颅脑术后引流方法、系统及可读存储介质 - Google Patents
一种基于物联网的颅脑术后引流方法、系统及可读存储介质 Download PDFInfo
- Publication number
- CN112914696B CN112914696B CN202110301965.4A CN202110301965A CN112914696B CN 112914696 B CN112914696 B CN 112914696B CN 202110301965 A CN202110301965 A CN 202110301965A CN 112914696 B CN112914696 B CN 112914696B
- Authority
- CN
- China
- Prior art keywords
- drainage tube
- drainage
- information
- craniocerebral
- pressure
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/34—Trocars; Puncturing needles
- A61B17/3403—Needle locating or guiding means
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/34—Trocars; Puncturing needles
- A61B17/3415—Trocars; Puncturing needles for introducing tubes or catheters, e.g. gastrostomy tubes, drain catheters
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
-
- 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
- A61B2034/107—Visualisation of planned trajectories or target regions
-
- 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
- A61B2034/108—Computer aided selection or customisation of medical implants or cutting guides
-
- 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
- A61B2034/2046—Tracking techniques
- A61B2034/2065—Tracking using image or pattern recognition
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Theoretical Computer Science (AREA)
- Robotics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Gastroenterology & Hepatology (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- External Artificial Organs (AREA)
Abstract
本发明公开的一种基于物联网的颅脑术后引流方法、系统及可读存储介质,包括:获取颅脑医学影像信息,建立颅脑三维模型;建立神经网络模型,通过所述的颅脑三维模型和神经网络模型确定最佳穿刺路径,进行穿刺引流;获取引流管内液体流速信息,将所述的流速信息与预设信息进行比较,得到偏差率;判断所述偏差率是否小于偏差率阈值;若小于,则生成堵塞信息,将堵塞信息发送到疏通设备,所述疏通设备通过控制引流管内压强,实现对引流管的疏通。
Description
技术领域
本发明涉及一种颅脑术后引流方法,更具体的,涉及一种基于物联网的颅脑术后引流方法、系统和可读存储介质。
背景技术
外科引流是指将人体组织间或体腔中积集的脓、血或其他液体导流于体外的技术,需要根据手术部位深浅、流液量多少及性质等选用合适的引流物。引流管可将人体积血、积气、脓血、及胃内容物等引出体外,对引流物量、颜色及性质的观察,可判定术后又有无大出血及病人恢复情况。
神经外科开颅术后病人,需常规放置头部引流管,以引流出创面的渗血、渗液,但临床上如果护理操作不当,就会导致血凝块堵塞引流系统而出现引流不畅,甚至导致颅内压增高而威胁病人生命。为了避免出现上述后果,确保整个引流装置流畅,需要开发一款颅脑术后引流装置进行实现,该颅脑术后引流装置获取颅脑医学影像信息,将所述的医学影像信息进行预处理生成三维模型,通过神经网络模型得到最佳穿刺位置,获取引流管内液体流速信息,将所述的流速信息与预设信息进行比较,则生成堵塞信息,将堵塞信息发送到疏通设备,所述所述疏通设备通过减小引流管内压强,实现对引流管的疏通。在颅脑引流装置使用过程中,如何获取引流管内液体流速信息,以及疏通设备如何通过控制引流管内压强实现对引流管的疏通都是亟不可待需要解决的问题。
发明内容
为了解决上述至少一个技术问题,本发明提出了一种基于物联网的颅脑术后引流方法、系统和可读存储介质。
本发明第一方面提供了一种基于物联网的颅脑术后引流方法,包括:
获取颅脑医学影像信息,建立颅脑三维模型;
建立神经网络模型,通过所述的颅脑三维模型和神经网络模型确定最佳穿刺路径,进行穿刺引流;
获取引流管内液体流速信息,根据所述流速信息判断是否发生堵塞;
若发生堵塞,则生成堵塞信息,并将所述堵塞信息发送到疏通设备;
所述疏通设备通过减小引流管内压强,实现对引流管的疏通。
本方案中,所述的通过颅脑三维模型和神经网络模型确定最佳穿刺路径,进行穿刺引流,其中神经网络生成穿刺引流方案,具体为:
建立用于生成穿刺引流方案的神经网络模型;
将颅脑术后穿刺引流相关数据库及历史病例数据库导入神经网络模型,对所述神经网络模型进行训练;
获取目标对象的颅脑医学影像信息,将所述医学影像信息进行预处理导入神经网络模型;
由所述神经网络模型生成穿刺引流方案,确定最佳穿刺路径,进行穿刺引流。
本方案中,所述的获取颅脑医学影像信息,建立颅脑三维模型,具体为:将获取的颅脑医学影像信息进行预处理,进行图像格式的转换、图像质量的改善;确定视点位置和实现方向进行投影变换,计算得到可见面二维影像的明暗值,显示形成颅脑模型的浓淡渲染图,通过光线跟踪算法进行消隐,同时进行纹理映射,最终形成颅脑三维模型。
本方案中,所述的获取引流管内液体流速信息,根据所述流速信息判断是否发生堵塞,具体为:
获取引流管内液体流速信息;
将所述流速信息与预设正常流速信息进行比较,得到堵塞流速偏差率;
判断所述堵塞流速偏差率是否小于预设堵塞流速偏差率阈值;
若小于,则生成堵塞信息,并将所述的堵塞信息发送到疏通设备。
本方案中,所述的疏通设备通过减小引流管内压强,实现对引流管的的疏通,具体为:
疏通设备收到堵塞信息后,通过引流管末端的抽吸气模块控制引流管内压强;
所述抽吸气模块在减小引流管内压强时同时获取引流管内液体流速信息;
将所述流速信息与预设流速信息进行比较,得到疏通流速偏差率;
判断所述疏通流速偏差率是否大于预设疏通流速偏差率阈值;
若大于,则抽吸气模块减慢减小引流管内压强速率;
采集引流管内正常流速信息,将所述正常流速信息设为预设流速阈值;
判断所述引流管内液体流速信息是否大于或等于预设流速阈值;
若大于或等于,则所述抽吸气模块停止减小引流管内压强。
本方案中,所述的获取引流管内液体流速信息通过超声波在在流体中传播时间的差值获取,引流管上方超声波换能器发射超声波信号,超声波信号在引流管内的传播方向与流体流动方向夹角为α,引流管下方超声波换能器接收到超声波信号后,记录超声波信号的传播时间T1,引流管下方超声波换能器发射超声波信号,引流管上方超声波换能器接收超声波信号,记录超声波信号的传播时间T2,计算引流管内液体流速信息的公式具体为:
其中,v表示所求引流管内液体流速信息,s表示引流管直径,T2表示引流管下方超声波换能器发送超声波信号到引流管上方超声波换能器的传播时间,T1表示引流管上方超声波换能器发送超声波信号到引流管下方超声波换能器的传播时间。
本发明第二方面还提供了一种基于物联网的颅脑术后引流系统,该系统包括:存储器、处理器,所述存储器中包括基于物联网的颅脑术后引流方法程序,所述基于物联网的颅脑术后引流方法程序被所述处理器执行时实现如下步骤:
获取颅脑医学影像信息,建立颅脑三维模型;
建立神经网络模型,通过所述的颅脑三维模型和神经网络模型确定最佳穿刺路径,进行穿刺引流;
获取引流管内液体流速信息,根据所述流速信息判断是否发生堵塞;
若发生堵塞,则生成堵塞信息,并将所述堵塞信息发送到疏通设备;
所述疏通设备通过减小引流管内压强,实现对引流管的疏通。
所述的通过颅脑三维模型和神经网络模型确定最佳穿刺路径,进行穿刺引流,其中神经网络生成穿刺引流方案,具体为:
建立用于生成穿刺引流方案的神经网络模型;
将颅脑术后穿刺引流相关数据库及历史病例数据库导入神经网络模型,对所述神经网络模型进行训练;
获取目标对象的颅脑医学影像信息,将所述医学影像信息进行预处理导入神经网络模型;
由所述神经网络模型生成穿刺引流方案,确定最佳穿刺路径,进行穿刺引流。
本方案中,所述的获取颅脑医学影像信息,建立颅脑三维模型,具体为:将获取的颅脑医学影像信息进行预处理,进行图像格式的转换、图像质量的改善;确定视点位置和实现方向进行投影变换,计算得到可见面二维影像的明暗值,显示形成颅脑模型的浓淡渲染图,通过光线跟踪算法进行消隐,同时进行纹理映射,最终形成颅脑三维模型。
本方案中,所述的获取引流管内液体流速信息,根据所述流速信息判断是否发生堵塞,具体为:
获取引流管内液体流速信息;
将所述流速信息与预设正常流速信息进行比较,得到堵塞流速偏差率;
判断所述堵塞流速偏差率是否小于预设堵塞流速偏差率阈值;
若小于,则生成堵塞信息,并将所述的堵塞信息发送到疏通设备。
本方案中,所述的疏通设备通过减小引流管内压强,实现对引流管的的疏通,具体为:
疏通设备收到堵塞信息后,通过引流管末端的抽吸气模块控制引流管内压强;
所述抽吸气模块在减小引流管内压强时同时获取引流管内液体流速信息;
将所述流速信息与预设流速信息进行比较,得到疏通流速偏差率;
判断所述疏通流速偏差率是否大于预设疏通流速偏差率阈值;
若大于,则抽吸气模块减慢减小引流管内压强速率;
采集引流管内正常流速信息,将所述正常流速信息设为预设流速阈值;
判断所述引流管内液体流速信息是否大于或等于预设流速阈值;
若大于或等于,则所述抽吸气模块停止减小引流管内压强。
本方案中,所述的获取引流管内液体流速信息通过超声波在在流体中传播时间的差值获取,引流管上方超声波换能器发射超声波信号,超声波信号在引流管内的传播方向与流体流动方向夹角为α,引流管下方超声波换能器接收到超声波信号后,记录超声波信号的传播时间T1,引流管下方超声波换能器发射超声波信号,引流管上方超声波换能器接收超声波信号,记录超声波信号的传播时间T2,计算引流管内液体流速信息的公式具体为:
其中,v表示所求引流管内液体流速信息,s表示引流管直径,T2表示引流管下方超声波换能器发送超声波信号到引流管上方超声波换能器的传播时间,T1表示引流管上方超声波换能器发送超声波信号到引流管下方超声波换能器的传播时间。
本发明第三方面还提供一种计算机可读存储介质,所述计算机可读存储介质中包括基于物联网的颅脑术后引流方法程序,所述基于物联网的颅脑术后引流方法程序被处理器执行时,实现如上述任一项所述的基于物联网的颅脑术后引流方法的步骤。
本发明公开的一种基于物联网的颅脑术后引流方法、系统和可读存储介质,包括:获取颅脑医学影像信息,将所述的医学影像信息进行预处理生成三维模型,通过神经网络模型得到最佳穿刺位置,进行穿刺插管,获取引流管内液体流速信息,将所述的流速信息与预设信息进行比较,得到偏差率;判断所述偏差率是否小于偏差率阈值;若小于,则生成堵塞信息,将堵塞信息发送到疏通设备,所述疏通设备通过控制引流管内压强,实现对引流管的疏通。
附图说明
图1示出了本发明一种基于物联网的颅脑术后引流方法流程图;
图2示出了本发明根据流速信息判断是否发生堵塞的方法流程图;
图3示出了本发明通过减小引流管内压强,实现对引流管的的疏通方法流程图;
图4示出了本发明一种基于物联网的颅脑术后引流系统的框图。
具体实施方法
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示出了本发明一种基于物联网的颅脑术后引流方法流程图。
如图1所示,本发明第一方面提供了一种基于物联网的颅脑术后引流方法,包括:
S102,获取颅脑医学影像信息,建立颅脑三维模型;
S104,建立神经网络模型,通过所述的颅脑三维模型和神经网络模型确定最佳穿刺路径,进行穿刺引流;
S106,获取引流管内液体流速信息,根据所述流速信息判断是否发生堵塞;
S108,若发生堵塞,则生成堵塞信息,并将所述堵塞信息发送到疏通设备;
S110,所述疏通设备通过减小引流管内压强,实现对引流管的疏通。
需要说明的是,所述的通过颅脑三维模型和神经网络模型确定最佳穿刺路径,进行穿刺引流,其中神经网络生成穿刺引流方案,具体为:
建立用于生成穿刺引流方案的神经网络模型;
将颅脑术后穿刺引流相关数据库及历史病例数据库导入神经网络模型,对所述神经网络模型进行训练;
获取目标对象的颅脑医学影像信息,将所述医学影像信息进行预处理导入神经网络模型;
由所述神经网络模型生成穿刺引流方案,确定最佳穿刺路径,进行穿刺引流。
需要说明的是,所述的获取颅脑医学影像信息,建立颅脑三维模型,具体为:将获取的颅脑医学影像信息进行预处理,进行图像格式的转换、图像质量的改善;确定视点位置和实现方向进行投影变换,计算得到可见面二维影像的明暗值,显示形成颅脑模型的浓淡渲染图,通过光线跟踪算法进行消隐,同时进行纹理映射,最终形成颅脑三维模型。颅脑三维模型的建立配合神经网络模型实现了穿刺引流方案的确定,根据颅脑血肿位置、大小确定最佳穿刺路径,同时颅脑三维模型还可实现穿刺的提前预演,降低了穿刺的风险。
图2示出了本发明根据流速信息判断是否发生堵塞的方法流程图;
根据本发明实施例,所述的获取引流管内液体流速信息,根据所述流速信息判断是否发生堵塞,具体为:
S202,获取引流管内液体流速信息;
S204,将所述流速信息与预设正常流速信息进行比较,得到堵塞流速偏差率;
S206,判断所述堵塞流速偏差率是否小于预设堵塞流速偏差率阈值;
S208,若小于,则生成堵塞信息,并将所述的堵塞信息发送到疏通设备。
需要说明的是,所述的获取引流管内液体流速信息通过超声波在在流体中传播时间的差值获取,引流管上方超声波换能器发射超声波信号,超声波信号在引流管内的传播方向与流体流动方向夹角为α,引流管下方超声波换能器接收到超声波信号后,记录超声波信号的传播时间T1,引流管下方超声波换能器发射超声波信号,引流管上方超声波换能器接收超声波信号,记录超声波信号的传播时间T2,则超声波传播时间与引流管内液体流速关系方程具体为:
其中,s表示引流管直径,c表示超声波速度,v表示引流管内液体流速信息;
环境温度一定时,超声波的传播速度c是确定的,引流管内的液体速度变化速率不大,几乎不会影响传播时间差,由上述关系方程可得,计算引流管内液体流速信息的公式具体为:
其中,v表示所求引流管内液体流速信息,s表示引流管直径,T2表示引流管下方超声波换能器发送超声波信号到引流管上方超声波换能器的传播时间,T1表示引流管上方超声波换能器发送超声波信号到引流管下方超声波换能器的传播时间。
图3示出了本发明通过减小引流管内压强,实现对引流管的的疏通方法流程图。
根据本发明实施例,疏通设备通过减小引流管内压强,实现对引流管的的疏通,具体为:
S302,疏通设备收到堵塞信息后,通过引流管末端的抽吸气模块控制引流管内压强;
S304,所述抽吸气模块在减小引流管内压强时同时获取引流管内液体流速信息;
S306,将所述流速信息与预设流速信息进行比较,得到疏通流速偏差率;
S308,判断所述疏通流速偏差率是否大于预设疏通流速偏差率阈值;
S310,若大于,则抽吸气模块减慢减小引流管内压强速率;
S312,采集引流管内正常流速信息,将所述正常流速信息设为预设流速阈值;
S314,判断所述引流管内液体流速信息是否大于或等于预设流速阈值;
S316,若大于或等于,则所述抽吸气模块停止减小引流管内压强。
需要说明的是,流速监测模块在获取流速信息后,根据流速信息判断生成堵塞信息,疏通设备在收到堵塞信息后,位于引流管末端的抽吸气模块进行抽气减小引流管内压强,抽吸气模块逐渐增大抽气速率,所述抽吸气模块进行抽气的过程中,在引流管前端会打开辅助引流管,辅助引流管联通大气,以确保颅内气压稳定,防止发生并发状况;在进行负压化过程中流速监测模块实时监测引流管内液体流速,将所监测的流速信息与预设流速信息进行比较,得到疏通流速偏差率;判断所述疏通流速偏差率是否大于预设疏通流速偏差率阈值;若大于,则抽吸气模块减慢减小引流管内压强速率;当引流管内液体速率达到预设流速阈值时,则证明堵塞清除,抽吸气模块停止减小引流管内压强。
图4示出了本发明一种基于物联网的颅脑术后引流系统的框图。
本发明第二方面还提供了一种基于物联网的颅脑术后引流系统4,该系统包括:存储器41、处理器42,所述存储器中包括基于物联网的颅脑术后引流方法程序,所述基于物联网的颅脑术后引流方法程序被所述处理器执行时实现如下步骤:
获取颅脑医学影像信息,建立颅脑三维模型;
建立神经网络模型,通过所述的颅脑三维模型和神经网络模型确定最佳穿刺路径,进行穿刺引流;
获取引流管内液体流速信息,根据所述流速信息判断是否发生堵塞;
若发生堵塞,则生成堵塞信息,并将所述堵塞信息发送到疏通设备;
所述疏通设备通过减小引流管内压强,实现对引流管的疏通。
需要说明的是,所述的通过颅脑三维模型和神经网络模型确定最佳穿刺路径,进行穿刺引流,其中神经网络生成穿刺引流方案,具体为:
建立用于生成穿刺引流方案的神经网络模型;
将颅脑术后穿刺引流相关数据库及历史病例数据库导入神经网络模型,对所述神经网络模型进行训练;
获取目标对象的颅脑医学影像信息,将所述医学影像信息进行预处理导入神经网络模型;
由所述神经网络模型生成穿刺引流方案,确定最佳穿刺路径,进行穿刺引流。
需要说明的是,所述的获取颅脑医学影像信息,建立颅脑三维模型,具体为:将获取的颅脑医学影像信息进行预处理,进行图像格式的转换、图像质量的改善;确定视点位置和实现方向进行投影变换,计算得到可见面二维影像的明暗值,显示形成颅脑模型的浓淡渲染图,通过光线跟踪算法进行消隐,同时进行纹理映射,最终形成颅脑三维模型。颅脑三维模型的建立配合神经网络模型实现了穿刺引流方案的确定,根据颅脑血肿位置、大小确定最佳穿刺路径,同时颅脑三维模型还可实现穿刺的提前预演,降低了穿刺的风险。
根据本发明实施例,所述的获取引流管内液体流速信息,根据所述流速信息判断是否发生堵塞,具体为:
获取引流管内液体流速信息;
将所述流速信息与预设正常流速信息进行比较,得到堵塞流速偏差率;
判断所述堵塞流速偏差率是否小于预设堵塞流速偏差率阈值;
若小于,则生成堵塞信息,并将所述的堵塞信息发送到疏通设备。
需要说明的是,所述的获取引流管内液体流速信息通过超声波在在流体中传播时间的差值获取,引流管上方超声波换能器发射超声波信号,超声波信号在引流管内的传播方向与流体流动方向夹角为α,引流管下方超声波换能器接收到超声波信号后,记录超声波信号的传播时间T1,引流管下方超声波换能器发射超声波信号,引流管上方超声波换能器接收超声波信号,记录超声波信号的传播时间T2,则超声波传播时间与引流管内液体流速关系方程具体为:
其中,s表示引流管直径,c表示超声波速度,v表示引流管内液体流速信息;
环境温度一定时,超声波的传播速度c是确定的,引流管内的液体速度变化速率不大,几乎不会影响传播时间差,由上述关系方程可得,计算引流管内液体流速信息的公式具体为:
其中,v表示所求引流管内液体流速信息,s表示引流管直径,T2表示引流管下方超声波换能器发送超声波信号到引流管上方超声波换能器的传播时间,T1表示引流管上方超声波换能器发送超声波信号到引流管下方超声波换能器的传播时间。
根据本发明实施例,疏通设备通过减小引流管内压强,实现对引流管的的疏通,具体为:
疏通设备收到堵塞信息后,通过引流管末端的抽吸气模块控制引流管内压强;
所述抽吸气模块在减小引流管内压强时同时获取引流管内液体流速信息;
将所述流速信息与预设流速信息进行比较,得到疏通流速偏差率;
判断所述疏通流速偏差率是否大于预设疏通流速偏差率阈值;
若大于,则抽吸气模块减慢减小引流管内压强速率;
采集引流管内正常流速信息,将所述正常流速信息设为预设流速阈值;
判断所述引流管内液体流速信息是否大于或等于预设流速阈值;
若大于或等于,则所述抽吸气模块停止减小引流管内压强。
需要说明的是,流速监测模块在获取流速信息后,根据流速信息判断生成堵塞信息,疏通设备在收到堵塞信息后,位于引流管末端的抽吸气模块进行抽气减小引流管内压强,抽吸气模块逐渐增大抽气速率,所述抽吸气模块进行抽气的过程中,在引流管前端会打开辅助引流管,辅助引流管联通大气,以确保颅内气压稳定,防止发生并发状况;在进行负压化过程中流速监测模块实时监测引流管内液体流速,将所监测的流速信息与预设流速信息进行比较,得到疏通流速偏差率;判断所述疏通流速偏差率是否大于预设疏通流速偏差率阈值;若大于,则抽吸气模块减慢减小引流管内压强速率;当引流管内液体速率达到预设流速阈值时,则证明堵塞清除,抽吸气模块停止减小引流管内压强。
本发明第三方面还提供一种计算机可读存储介质,所述计算机可读存储介质中包括基于物联网的颅脑术后引流方法程序,所述基于物联网的颅脑术后引流方法程序被处理器执行时,实现如上述任一项所述的基于物联网的颅脑术后引流方法的步骤。
本发明公开的一种基于物联网的颅脑术后引流方法、系统和可读存储介质,包括:获取颅脑医学影像信息,将所述的医学影像信息进行预处理生成三维模型,通过神经网络模型得到最佳穿刺位置,进行穿刺插管,获取引流管内液体流速信息,将所述的流速信息与预设信息进行比较,得到偏差率;判断所述偏差率是否小于偏差率阈值;若小于,则生成堵塞信息,将堵塞信息发送到疏通设备,所述疏通设备通过控制引流管内压强,实现对引流管的疏通。
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,所述单元的划分,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所述方法的全部或部分。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。
以上所述,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所述权利要求的保护范围为准。
Claims (5)
1.一种基于物联网的颅脑术后引流系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包括基于物联网的颅脑术后引流程序,所述基于物联网的颅脑术后引流程序被所述处理器执行时实现如下步骤:
获取颅脑医学影像信息,建立颅脑三维模型;
建立神经网络模型,通过所述的颅脑三维模型和神经网络模型确定最佳穿刺路径,进行穿刺引流;
获取引流管内液体流速信息,根据所述流速信息判断是否发生堵塞;
若发生堵塞,则生成堵塞信息,并将所述堵塞信息发送到疏通设备;
所述疏通设备通过减小引流管内压强,实现对引流管的疏通;
所述的疏通设备通过减小引流管内压强,实现对引流管的疏通,具体为:
疏通设备收到堵塞信息后,通过引流管末端的抽吸气模块控制引流管内压强;
所述抽吸气模块在减小引流管内压强时同时获取引流管内液体流速信息;
将所述流速信息与预设流速信息进行比较,得到疏通流速偏差率;
判断所述疏通流速偏差率是否大于预设疏通流速偏差率阈值;
若大于,则抽吸气模块减慢减小引流管内压强的速率;
采集引流管内正常流速信息,将所述正常流速信息设为预设流速阈值;
判断所述引流管内液体流速信息是否大于或等于预设流速阈值;
若大于或等于,则所述抽吸气模块停止减小引流管内压强;
所述的获取引流管内液体流速信息通过超声波在流体中传播时间的差值获取,引流管上方超声波换能器发射超声波信号,超声波信号在引流管内的传播方向与流体流动方向夹角为α,引流管下方超声波换能器接收到超声波信号后,记录超声波信号的传播时间T1,引流管下方超声波换能器发射超声波信号,引流管上方超声波换能器接收超声波信号,记录超声波信号的传播时间T2,计算引流管内液体流速信息的公式具体为:
其中,v表示所求引流管内液体流速信息,s表示引流管直径,T2表示引流管下方超声波换能器发送超声波信号到引流管上方超声波换能器的传播时间,T1表示引流管上方超声波换能器发送超声波信号到引流管下方超声波换能器的传播时间。
2.根据权利要求1所述的一种基于物联网的颅脑术后引流系统,其特征在于,所述的通过颅脑三维模型和神经网络模型确定最佳穿刺路径,进行穿刺引流,具体为:
建立用于生成穿刺引流方案的神经网络模型;
将颅脑术后穿刺引流相关数据库及历史病例数据库导入神经网络模型,对所述神经网络模型进行训练;
获取目标对象的颅脑医学影像信息,将所述医学影像信息进行预处理导入神经网络模型;
由所述神经网络模型生成穿刺引流方案,确定最佳穿刺路径,进行穿刺引流。
3.根据权利要求1所述的一种基于物联网的颅脑术后引流系统,其特征在于,所述的获取引流管内液体流速信息,根据所述流速信息判断是否发生堵塞,具体为:
获取引流管内液体流速信息;
将所述流速信息与预设正常流速信息进行比较,得到堵塞流速偏差率;
判断所述堵塞流速偏差率是否小于预设堵塞流速偏差率阈值;
若小于,则生成堵塞信息,并将所述的堵塞信息发送到疏通设备。
4.根据权利要求1所述的一种基于物联网的颅脑术后引流系统,其特征在于,所述的获取颅脑医学影像信息,建立颅脑三维模型,具体为:将获取的颅脑医学影像信息进行预处理,进行图像格式的转换、图像质量的改善;确定视点位置和视线方向进行投影变换,计算得到可见面二维影像的明暗值,显示形成颅脑模型的浓淡渲染图,通过光线跟踪算法进行消隐,同时进行纹理映射,最终形成颅脑三维模型。
5.一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基于物联网的颅脑术后引流程序,所述基于物联网的颅脑术后引流程序被处理器执行时,实现如权利要求1至4中任一项所述的基于物联网的颅脑术后引流系统的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110301965.4A CN112914696B (zh) | 2021-03-22 | 2021-03-22 | 一种基于物联网的颅脑术后引流方法、系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110301965.4A CN112914696B (zh) | 2021-03-22 | 2021-03-22 | 一种基于物联网的颅脑术后引流方法、系统及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112914696A CN112914696A (zh) | 2021-06-08 |
CN112914696B true CN112914696B (zh) | 2022-10-18 |
Family
ID=76175320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110301965.4A Active CN112914696B (zh) | 2021-03-22 | 2021-03-22 | 一种基于物联网的颅脑术后引流方法、系统及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112914696B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115227888B (zh) * | 2022-09-23 | 2022-12-27 | 山东第一医科大学第一附属医院(山东省千佛山医院) | 一种智能腹腔积水引流监测系统及方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201410146Y (zh) * | 2009-06-18 | 2010-02-24 | 中南大学 | 引流袋防阻塞抽吸装置 |
CN104457871A (zh) * | 2014-10-27 | 2015-03-25 | 北京福星晓程电子科技股份有限公司 | 一种流量计及流体测量方法 |
CN205007325U (zh) * | 2015-08-12 | 2016-02-03 | 武汉市普爱医院 | 临床vsd负压引流感应疏通装置 |
CN109893224A (zh) * | 2019-02-28 | 2019-06-18 | 成都真实维度科技有限公司 | 一种利用3d打印固定设备辅助脑出血穿刺引流方法 |
CN110738681A (zh) * | 2019-10-11 | 2020-01-31 | 北京航空航天大学 | 一种基于深度学习网络的椎弓根钉手术路径自动规划方法 |
-
2021
- 2021-03-22 CN CN202110301965.4A patent/CN112914696B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112914696A (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7381455B2 (ja) | インテリジェントな超音波に基づく受胎能監視 | |
CN106236133B (zh) | 用于显示超声图像的方法和设备 | |
US8795178B2 (en) | Ultrasound imaging system and method for identifying data from a shadow region | |
EP3048980B1 (en) | Method and apparatus for detecting a gas pocket using ultrasound | |
JP5972279B2 (ja) | ピーク強度検出を伴う超音波イメージングシステム及び方法 | |
KR101028354B1 (ko) | 초음파 영상을 형성하는 초음파 시스템 및 방법 | |
US10278674B2 (en) | Ultrasound apparatus and method of displaying ultrasound images | |
EP3432803A1 (en) | Ultrasound system and method for detecting lung sliding | |
CN112914696B (zh) | 一种基于物联网的颅脑术后引流方法、系统及可读存储介质 | |
CN109727240B (zh) | 一种三维超声图像的遮挡组织剥离方法及相关装置 | |
CN111161268B (zh) | 图像处理方法、装置、电子设备及计算机存储介质 | |
WO2022226395A1 (en) | Displaying blood vessels in ultrasound images | |
CN110335203B (zh) | 一种对实时影像中图像的物体轮廓进行加强的方法 | |
KR102182357B1 (ko) | Ct 영상 내 간암 영역 기반으로 3차원 분석을 하는 수술 보조 장치 및 방법 | |
CN112419282A (zh) | 脑部医学影像中动脉瘤的自动检测方法及系统 | |
CN105942960B (zh) | 一种可指示输尿管位置的内窥镜系统及方法 | |
CN112168211A (zh) | 一种腹部超声图像的脂肪厚度和肌肉厚度测量方法及系统 | |
US20200085411A1 (en) | Method, apparatus and readable storage medium for acquiring an image | |
EP3040031B1 (en) | Ultrasound diagnosis apparatus and method of operating the same | |
CN115147360B (zh) | 一种斑块分割方法、装置、电子设备及可读存储介质 | |
CN113854968A (zh) | 子宫颈开口大小监测装置、方法及其应用 | |
WO2022226398A1 (en) | Guiding instrument insertion | |
CN110838103B (zh) | 一种图像处理方法、装置、诊断设备及计算机存储介质 | |
WO2002042998A3 (en) | Method and system for the display of regions of interest in medical images | |
CN112801957A (zh) | 一种基于超声应变成像的气胸自动检测系统 |
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 |