CN114404033A - 能量器械碳化清除控制系统 - Google Patents
能量器械碳化清除控制系统 Download PDFInfo
- Publication number
- CN114404033A CN114404033A CN202210311184.8A CN202210311184A CN114404033A CN 114404033 A CN114404033 A CN 114404033A CN 202210311184 A CN202210311184 A CN 202210311184A CN 114404033 A CN114404033 A CN 114404033A
- Authority
- CN
- China
- Prior art keywords
- neural network
- deep neural
- intelligent
- cleaning
- time length
- 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.)
- Granted
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B18/00—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body
- A61B18/04—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body by heating
- A61B18/12—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body by heating by passing a current through the tissue to be heated, e.g. high-frequency current
-
- 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
- A61B90/70—Cleaning devices specially adapted for surgical instruments
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B13/00—Accessories or details of general applicability for machines or apparatus for cleaning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B08—CLEANING
- B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
- B08B3/00—Cleaning by methods involving the use or presence of liquid or steam
- B08B3/04—Cleaning involving contact with liquid
- B08B3/10—Cleaning involving contact with liquid with additional treatment of the liquid or of the object being cleaned, e.g. by heat, by electricity or by vibration
- B08B3/12—Cleaning involving contact with liquid with additional treatment of the liquid or of the object being cleaned, e.g. by heat, by electricity or by vibration by sonic or ultrasonic vibrations
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B18/00—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body
- A61B18/04—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body by heating
- A61B18/12—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body by heating by passing a current through the tissue to be heated, e.g. high-frequency current
- A61B18/1206—Generators therefor
- A61B2018/1246—Generators therefor characterised by the output polarity
- A61B2018/126—Generators therefor characterised by the output polarity bipolar
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Software Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Otolaryngology (AREA)
- Plasma & Fusion (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pathology (AREA)
- Cleaning By Liquid Or Steam (AREA)
- Surgical Instruments (AREA)
Abstract
本发明涉及一种能量器械碳化清除控制系统。所述系统包括:智能移动定向清洗机器,用于对完成电外科治疗后的智能双极器械执行超声清洗处理以去除智能双极器械表面的碳化物;数据记录设备,用于针对完成同一疾病类型治疗后的同一智能双极器械,在历史上被智能移动定向清洗机器完成多次超声清洗处理分别对应的多次清洗时长进行记录;网络形成设备,用于为所述同一智能双极器械建立执行清洗时长估测的深度神经网络。通过本系统,通过为治疗同一疾病类型的同一智能双极器械定制具有不同模型参数的基于深度神经网络的智能估测模型,实现对限定条件下的智能双极器械的清洗参数的智能化预测,从而提升了医疗器械碳化物清洗的有效性。
Description
技术领域
本发明涉及碳化清除领域,更具体地,涉及一种能量器械碳化清除控制系统。
背景技术
碳化物是指,碳与电负性比它小的或者相近的元素(除氢外)所生成的二元化合物,碳化物都具有较高的熔点,大多数碳化物都是碳与金属在高温下反应得到的。从元素的属性划分为金属碳化物和非金属碳化物。碳化钙(CaC2,俗称电石)、碳化铬(Cr3C2)、碳化钽(TaC)、碳化钒(VC)、碳化锆(ZrC)、碳化钨(WC)(图:首饰)等都是金属碳化物。碳化硼(B4C)、碳化硅(SiC)等属于非金属碳化物。
然而,在当前对包括智能双极器械的能量器械执行超声清洗处理时,由于能量器械用于治疗的疾病类型不同且能量器械类型不同,导致执行超声清洗处理时的清洗时长难以估测,而采用人工肉眼辨识碳化物堆积程度以及分布面积的方式来执行清洗时长的人工判断,这种判断机制判断过程过于冗长且时长数据不够可靠。
发明内容
为了解决上述问题,本发明提供了一种能量器械碳化清除控制系统,通过为治疗同一疾病类型的同一智能双极器械定制具有不同模型参数的基于深度神经网络的智能估测模型,从而能够基于历史清洗数据对限定条件下的智能双极器械提供可靠的清洗参数。
为此,本发明至少需要具备以下几处重要的发明点:
(1)为某一智能双极器械建立执行清洗时长估测的深度神经网络,所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据,从而基于历史清洗时长数据完成对本次清洗时长数据的智能化估测处理;
(2)智能双极器械的已使用次数越多,对深度神经网络执行学习的次数越多,从而实现对不同智能双极器械的智能估测模型的自适应定制;
(3)智能移动定向清洗机器当天执行清洗任务的数量越多,深度神经网络的输入数据的数量越多。
根据本发明的一方面,提供了一种能量器械碳化清除控制系统,所述系统包括:
智能移动定向清洗机器,用于对完成电外科治疗后的智能双极器械执行超声清洗处理以去除智能双极器械表面的碳化物,所述智能双极器械包括主频振荡电路、主频推动电路、高频功放电路、输出回路电路、双级输出电路、高压电源和控制电路,所述控制电路与所述主频振荡电路连接以向所述主频振荡电路发送调制脉冲信号,所述主频振荡电路与所述主频推动电路连接,所述主频推动电路与所述高频功放电路连接,所述高压电源分别与所述高频功放电路和所述控制电路连接,所述高频功放电路还与所述输出回路电路连接,所述双极输出电路与所述高频功放电路连接;
数据记录设备,用于针对完成同一疾病类型治疗后的同一智能双极器械,在历史上被智能移动定向清洗机器完成多次超声清洗处理分别对应的多次清洗时长进行记录,以获得多次参考清洗时长;
网络形成设备,用于为所述同一智能双极器械建立执行清洗时长估测的深度神经网络,所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据;
针对性学习设备,与所述网络形成设备连接,用于采用历史上的各次参考清洗时长作为所述深度神经网络的输入数据和/或输出数据执行对所述深度神经网络的预设次数的学习动作,以获得完成预设次数的学习动作后的人工预测模型;
模型引用设备,与所述针对性学习设备连接,用于对当前超声清洗处理之前设定总数的多次参考清洗时长作为所述人工预测模型的多个输入数据以运行所述人工预测模型,获取所述人工预测模型的输出数据即当前超声清洗处理的超声清洗时长并作为目标清洗时长输出;
其中,所述深度神经网络包括单个输入层、单个输出层和多个隐含层,所述多个隐含层的数量与所述智能双极器械表面的分布面积正向关联;
其中,所述多个隐含层的数量与所述智能双极器械表面的分布面积正向关联包括:所述智能双极器械表面的分布面积越小,所述多个隐含层的数量越少;
其中,所述智能移动定向清洗机器与所述模型引用设备连接,用于基于目标清洗时长执行对智能双极器械的当前超声清洗处理;
其中,采用历史上的各次参考清洗时长作为所述深度神经网络的输入数据和/或输出数据执行对所述深度神经网络的预设次数的学习动作,以获得完成预设次数的学习动作后的人工预测模型包括:所述同一智能双极器械的已使用次数越多,所述预设次数的取值越大。
本发明的能量器械碳化清除控制系统设计紧凑、运行可靠。由于通过为治疗同一疾病类型的同一智能双极器械定制具有不同模型参数的基于深度神经网络的智能估测模型,实现对限定条件下的智能双极器械的清洗参数的智能化预测,从而提升了医疗器械碳化物清洗的有效性。
附图说明
本领域技术人员通过参考附图可更好理解本发明的众多优点,其中:
图1是依照本发明的实施方案A的能量器械碳化清除控制系统的结构简图。
图2是依照本发明的各个实施方案的能量器械碳化清除控制系统的智能双极器械的电路结构图。
图3是依照本发明的各个实施方案的能量器械碳化清除控制系统所使用的深度神经网络的内部逻辑图。
图4是依照本发明的实施方案B的能量器械碳化清除控制系统的结构简图。
图5是依照本发明的实施方案C的能量器械碳化清除控制系统的结构简图。
具体实施方式
能量器械在临床上的主要作用为切割和止血,即“切”和“凝”。种类包括电手术器械、激光、超声刀以及智能双极器械。各种能量器械在使用时均会对周围组织产生热损伤。其热损伤的深度及周围组织能达到的温度随距离能量器械到头的不同和能量器械持续工作时间的不同而改变。能量器械使用时产生的高温造成组织焦痂会延长器械使用时间而增加对周围组织的损伤程度。
然而,在当前对包括智能双极器械的能量器械执行超声清洗处理时,由于能量器械用于治疗的疾病类型不同且能量器械类型不同,导致执行超声清洗处理时的清洗时长难以估测,而采用人工肉眼辨识碳化物堆积程度以及分布面积的方式来执行清洗时长的人工判断,这种判断机制判断过程过于冗长且时长数据不够可靠。
现在,将针对公开的主题对本发明进行具体的说明。
图1是依照本发明的实施方案A的能量器械碳化清除控制系统的结构简图。
实施方案A:
本发明的能量器械碳化清除控制系统具体可以包括以下组成构件:
智能移动定向清洗机器,用于对完成电外科治疗后的智能双极器械执行超声清洗处理以去除智能双极器械表面的碳化物,如图2所示,所述智能双极器械包括主频振荡电路、主频推动电路、高频功放电路、输出回路电路、双级输出电路、高压电源和控制电路,所述控制电路与所述主频振荡电路连接以向所述主频振荡电路发送调制脉冲信号,所述主频振荡电路与所述主频推动电路连接,所述主频推动电路与所述高频功放电路连接,所述高压电源分别与所述高频功放电路和所述控制电路连接,所述高频功放电路还与所述输出回路电路连接,所述双极输出电路与所述高频功放电路连接;
数据记录设备,用于针对完成同一疾病类型治疗后的同一智能双极器械,在历史上被智能移动定向清洗机器完成多次超声清洗处理分别对应的多次清洗时长进行记录,以获得多次参考清洗时长;
网络形成设备,用于为所述同一智能双极器械建立执行清洗时长估测的深度神经网络,所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据;
针对性学习设备,与所述网络形成设备连接,用于采用历史上的各次参考清洗时长作为所述深度神经网络的输入数据和/或输出数据执行对所述深度神经网络的预设次数的学习动作,以获得完成预设次数的学习动作后的人工预测模型;
模型引用设备,与所述针对性学习设备连接,用于对当前超声清洗处理之前设定总数的多次参考清洗时长作为所述人工预测模型的多个输入数据以运行所述人工预测模型,获取所述人工预测模型的输出数据即当前超声清洗处理的超声清洗时长并作为目标清洗时长输出;
其中,如图3所示,所述深度神经网络包括单个输入层(Input Layer)、单个输出层(Output Layer)和多个隐含层(Hidden Layer),所述多个隐含层的数量与所述智能双极器械表面的分布面积正向关联;
其中,所述多个隐含层的数量与所述智能双极器械表面的分布面积正向关联包括:所述智能双极器械表面的分布面积越小,所述多个隐含层的数量越少;
其中,所述智能移动定向清洗机器与所述模型引用设备连接,用于基于目标清洗时长执行对智能双极器械的当前超声清洗处理;
其中,采用历史上的各次参考清洗时长作为所述深度神经网络的输入数据和/或输出数据执行对所述深度神经网络的预设次数的学习动作,以获得完成预设次数的学习动作后的人工预测模型包括:所述同一智能双极器械的已使用次数越多,所述预设次数的取值越大;
其中,所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据包括:所述智能移动定向清洗机器当天执行清洗任务的数量越多,所述设定总数的取值越大;
其中,所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据还包括:所述参考清洗时长被二进制表达后作为输入数据输入所述深度神经网络;
其中,所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据还包括:某次超声清洗处理之前每一次参考清洗时长被二进制表达后作为输入数据输入所述深度神经网络。
图4是依照本发明的实施方案B的能量器械碳化清除控制系统的结构简图。
实施方案B:
本发明的能量器械碳化清除控制系统具体可以包括以下组成构件:
智能移动定向清洗机器,用于对完成电外科治疗后的智能双极器械执行超声清洗处理以去除智能双极器械表面的碳化物,如图2所示,所述智能双极器械包括主频振荡电路、主频推动电路、高频功放电路、输出回路电路、双级输出电路、高压电源和控制电路,所述控制电路与所述主频振荡电路连接以向所述主频振荡电路发送调制脉冲信号,所述主频振荡电路与所述主频推动电路连接,所述主频推动电路与所述高频功放电路连接,所述高压电源分别与所述高频功放电路和所述控制电路连接,所述高频功放电路还与所述输出回路电路连接,所述双极输出电路与所述高频功放电路连接;
数据记录设备,用于针对完成同一疾病类型治疗后的同一智能双极器械,在历史上被智能移动定向清洗机器完成多次超声清洗处理分别对应的多次清洗时长进行记录,以获得多次参考清洗时长;
网络形成设备,用于为所述同一智能双极器械建立执行清洗时长估测的深度神经网络,所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据;
针对性学习设备,与所述网络形成设备连接,用于采用历史上的各次参考清洗时长作为所述深度神经网络的输入数据和/或输出数据执行对所述深度神经网络的预设次数的学习动作,以获得完成预设次数的学习动作后的人工预测模型;
模型引用设备,与所述针对性学习设备连接,用于对当前超声清洗处理之前设定总数的多次参考清洗时长作为所述人工预测模型的多个输入数据以运行所述人工预测模型,获取所述人工预测模型的输出数据即当前超声清洗处理的超声清洗时长并作为目标清洗时长输出;
参数配置设备,分别与所述数据记录设备、所述网络形成设备、所述针对性学习设备以及所述模型引用设备连接;
其中,如图3所示,所述深度神经网络包括单个输入层(Input Layer)、单个输出层(Output Layer)和多个隐含层(Hidden Layer),所述多个隐含层的数量与所述智能双极器械表面的分布面积正向关联;
其中,所述多个隐含层的数量与所述智能双极器械表面的分布面积正向关联包括:所述智能双极器械表面的分布面积越小,所述多个隐含层的数量越少;
其中,所述智能移动定向清洗机器与所述模型引用设备连接,用于基于目标清洗时长执行对智能双极器械的当前超声清洗处理;
其中,采用历史上的各次参考清洗时长作为所述深度神经网络的输入数据和/或输出数据执行对所述深度神经网络的预设次数的学习动作,以获得完成预设次数的学习动作后的人工预测模型包括:所述同一智能双极器械的已使用次数越多,所述预设次数的取值越大;
其中,所述参数配置设备用于分别为所述数据记录设备、所述网络形成设备、所述针对性学习设备以及所述模型引用设备配置各自需要的工作参数;
其中,所述参数配置设备用于分别为所述数据记录设备、所述网络形成设备、所述针对性学习设备以及所述模型引用设备配置各自需要的工作参数包括:所述参数配置设备采用分时配置模式分别为所述数据记录设备、所述网络形成设备、所述针对性学习设备以及所述模型引用设备配置各自需要的工作参数;
其中,所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据包括:所述智能移动定向清洗机器当天执行清洗任务的数量越多,所述设定总数的取值越大;
其中,所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据还包括:所述参考清洗时长被二进制表达后作为输入数据输入所述深度神经网络;
其中,所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据还包括:某次超声清洗处理之前每一次参考清洗时长被二进制表达后作为输入数据输入所述深度神经网络。
图5是依照本发明的实施方案C的能量器械碳化清除控制系统的结构简图。
实施方案C:
本发明的能量器械碳化清除控制系统具体可以包括以下组成构件:
智能移动定向清洗机器,用于对完成电外科治疗后的智能双极器械执行超声清洗处理以去除智能双极器械表面的碳化物,如图2所示,所述智能双极器械包括主频振荡电路、主频推动电路、高频功放电路、输出回路电路、双级输出电路、高压电源和控制电路,所述控制电路与所述主频振荡电路连接以向所述主频振荡电路发送调制脉冲信号,所述主频振荡电路与所述主频推动电路连接,所述主频推动电路与所述高频功放电路连接,所述高压电源分别与所述高频功放电路和所述控制电路连接,所述高频功放电路还与所述输出回路电路连接,所述双极输出电路与所述高频功放电路连接;
数据记录设备,用于针对完成同一疾病类型治疗后的同一智能双极器械,在历史上被智能移动定向清洗机器完成多次超声清洗处理分别对应的多次清洗时长进行记录,以获得多次参考清洗时长;
网络形成设备,用于为所述同一智能双极器械建立执行清洗时长估测的深度神经网络,所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据;
针对性学习设备,与所述网络形成设备连接,用于采用历史上的各次参考清洗时长作为所述深度神经网络的输入数据和/或输出数据执行对所述深度神经网络的预设次数的学习动作,以获得完成预设次数的学习动作后的人工预测模型;
模型引用设备,与所述针对性学习设备连接,用于对当前超声清洗处理之前设定总数的多次参考清洗时长作为所述人工预测模型的多个输入数据以运行所述人工预测模型,获取所述人工预测模型的输出数据即当前超声清洗处理的超声清洗时长并作为目标清洗时长输出;
参数配置设备,分别与所述数据记录设备、所述网络形成设备、所述针对性学习设备以及所述模型引用设备连接;
动作协调设备,分别与所述数据记录设备、所述网络形成设备、所述针对性学习设备以及所述模型引用设备连接;
其中,如图3所示,所述深度神经网络包括单个输入层(Input Layer)、单个输出层(Output Layer)和多个隐含层(Hidden Layer),所述多个隐含层的数量与所述智能双极器械表面的分布面积正向关联;
其中,所述多个隐含层的数量与所述智能双极器械表面的分布面积正向关联包括:所述智能双极器械表面的分布面积越小,所述多个隐含层的数量越少;
其中,所述智能移动定向清洗机器与所述模型引用设备连接,用于基于目标清洗时长执行对智能双极器械的当前超声清洗处理;
其中,采用历史上的各次参考清洗时长作为所述深度神经网络的输入数据和/或输出数据执行对所述深度神经网络的预设次数的学习动作,以获得完成预设次数的学习动作后的人工预测模型包括:所述同一智能双极器械的已使用次数越多,所述预设次数的取值越大;
其中,所述参数配置设备用于分别为所述数据记录设备、所述网络形成设备、所述针对性学习设备以及所述模型引用设备配置各自需要的工作参数;
其中,所述参数配置设备用于分别为所述数据记录设备、所述网络形成设备、所述针对性学习设备以及所述模型引用设备配置各自需要的工作参数包括:所述参数配置设备采用分时配置模式分别为所述数据记录设备、所述网络形成设备、所述针对性学习设备以及所述模型引用设备配置各自需要的工作参数;
其中,所述动作协调设备用于实现所述数据记录设备、所述网络形成设备、所述针对性学习设备以及所述模型引用设备的动作同步;
其中,所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据包括:所述智能移动定向清洗机器当天执行清洗任务的数量越多,所述设定总数的取值越大;
其中,所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据还包括:所述参考清洗时长被二进制表达后作为输入数据输入所述深度神经网络;
所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据还包括:某次超声清洗处理之前每一次参考清洗时长被二进制表达后作为输入数据输入所述深度神经网络。
另外,在所述能量器械碳化清除控制系统中,所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据还包括:某次超声清洗处理对应的参考清洗时长被二进制表达后作为输出数据。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的实施方式的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。在本说明书的描述中,参考术语“一个实施方式”、“某些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种能量器械碳化清除控制系统,其特征在于,所述系统包括:
智能移动定向清洗机器,用于对完成电外科治疗后的智能双极器械执行超声清洗处理以去除智能双极器械表面的碳化物,所述智能双极器械包括主频振荡电路、主频推动电路、高频功放电路、输出回路电路、双级输出电路、高压电源和控制电路,所述控制电路与所述主频振荡电路连接以向所述主频振荡电路发送调制脉冲信号,所述主频振荡电路与所述主频推动电路连接,所述主频推动电路与所述高频功放电路连接,所述高压电源分别与所述高频功放电路和所述控制电路连接,所述高频功放电路还与所述输出回路电路连接,所述双极输出电路与所述高频功放电路连接;
数据记录设备,用于针对完成同一疾病类型治疗后的同一智能双极器械,在历史上被智能移动定向清洗机器完成多次超声清洗处理分别对应的多次清洗时长进行记录,以获得多次参考清洗时长;
网络形成设备,用于为所述同一智能双极器械建立执行清洗时长估测的深度神经网络,所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据;
针对性学习设备,与所述网络形成设备连接,用于采用历史上的各次参考清洗时长作为所述深度神经网络的输入数据和/或输出数据执行对所述深度神经网络的预设次数的学习动作,以获得完成预设次数的学习动作后的人工预测模型;
模型引用设备,与所述针对性学习设备连接,用于对当前超声清洗处理之前设定总数的多次参考清洗时长作为所述人工预测模型的多个输入数据以运行所述人工预测模型,获取所述人工预测模型的输出数据即当前超声清洗处理的超声清洗时长并作为目标清洗时长输出;
其中,所述深度神经网络包括单个输入层、单个输出层和多个隐含层,所述多个隐含层的数量与所述智能双极器械表面的分布面积正向关联;
其中,所述多个隐含层的数量与所述智能双极器械表面的分布面积正向关联包括:所述智能双极器械表面的分布面积越小,所述多个隐含层的数量越少;
其中,所述智能移动定向清洗机器与所述模型引用设备连接,用于基于目标清洗时长执行对智能双极器械的当前超声清洗处理;
其中,采用历史上的各次参考清洗时长作为所述深度神经网络的输入数据和/或输出数据执行对所述深度神经网络的预设次数的学习动作,以获得完成预设次数的学习动作后的人工预测模型包括:所述同一智能双极器械的已使用次数越多,所述预设次数的取值越大。
2.如权利要求1所述的能量器械碳化清除控制系统,其特征在于,进一步包括:
参数配置设备,分别与所述数据记录设备、所述网络形成设备、所述针对性学习设备以及所述模型引用设备连接。
3.如权利要求2所述的能量器械碳化清除控制系统,其特征在于:
所述参数配置设备用于分别为所述数据记录设备、所述网络形成设备、所述针对性学习设备以及所述模型引用设备配置各自需要的工作参数。
4.如权利要求3所述的能量器械碳化清除控制系统,其特征在于:
所述参数配置设备用于分别为所述数据记录设备、所述网络形成设备、所述针对性学习设备以及所述模型引用设备配置各自需要的工作参数包括:所述参数配置设备采用分时配置模式分别为所述数据记录设备、所述网络形成设备、所述针对性学习设备以及所述模型引用设备配置各自需要的工作参数。
5.如权利要求1所述的能量器械碳化清除控制系统,其特征在于,进一步包括:
动作协调设备,分别与所述数据记录设备、所述网络形成设备、所述针对性学习设备以及所述模型引用设备连接。
6.如权利要求5所述的能量器械碳化清除控制系统,其特征在于:
所述动作协调设备用于实现所述数据记录设备、所述网络形成设备、所述针对性学习设备以及所述模型引用设备的动作同步。
7.如权利要求1-6任一所述的能量器械碳化清除控制系统,其特征在于:
所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据包括:所述智能移动定向清洗机器当天执行清洗任务的数量越多,所述设定总数的取值越大。
8.如权利要求7所述的能量器械碳化清除控制系统,其特征在于:
所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据还包括:所述参考清洗时长被二进制表达后作为输入数据输入所述深度神经网络。
9.如权利要求8所述的能量器械碳化清除控制系统,其特征在于:
所述深度神经网络以某次超声清洗处理之前设定总数的多次参考清洗时长作为多个输入数据,以某次超声清洗处理对应的参考清洗时长作为所述深度神经网络的单个输出数据还包括:某次超声清洗处理之前每一次参考清洗时长被二进制表达后作为输入数据输入所述深度神经网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210311184.8A CN114404033B (zh) | 2022-03-28 | 2022-03-28 | 能量器械碳化清除控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210311184.8A CN114404033B (zh) | 2022-03-28 | 2022-03-28 | 能量器械碳化清除控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114404033A true CN114404033A (zh) | 2022-04-29 |
CN114404033B CN114404033B (zh) | 2022-05-27 |
Family
ID=81264039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210311184.8A Active CN114404033B (zh) | 2022-03-28 | 2022-03-28 | 能量器械碳化清除控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114404033B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006061847A (ja) * | 2004-08-27 | 2006-03-09 | Yokohama Machine Service Kk | 超音波洗浄・バリ取り装置 |
CN105559881A (zh) * | 2013-03-29 | 2016-05-11 | 重庆润泽医药有限公司 | 电凝镊清洁支座 |
CN106803204A (zh) * | 2017-01-17 | 2017-06-06 | 上海聚赟大数据有限公司 | 一种基于机器学习的债券发行人违约分析方法 |
CN107309213A (zh) * | 2017-08-16 | 2017-11-03 | 吉林省农业科学院 | 基于bp神经网络的红枣超声波清洗机控制方法 |
CN109590261A (zh) * | 2018-12-06 | 2019-04-09 | 兴化市裕晗智能科技有限公司 | 基于神经网络控制的智能机器人清洗机 |
CN208710104U (zh) * | 2017-12-28 | 2019-04-09 | 广州吉好医疗科技有限公司 | 带有内镜接头脱落感应装置的多槽内镜清洗消毒机 |
KR20200061237A (ko) * | 2018-11-23 | 2020-06-02 | 삼성전자주식회사 | 반도체 설비의 세정 방법, 및 반도체 설비의 관리 시스템 |
US20200363147A1 (en) * | 2017-11-14 | 2020-11-19 | Altum Technologies Oy | A method for cleaning of a device |
CN112354964A (zh) * | 2020-10-14 | 2021-02-12 | 宁波格劳博智能工业有限公司 | 锂电池凹版版辊全自动清洗检测设备与方法 |
WO2022018419A1 (en) * | 2020-07-20 | 2022-01-27 | Tristel Plc | Validation of mixing procedures in a decontamination process |
-
2022
- 2022-03-28 CN CN202210311184.8A patent/CN114404033B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006061847A (ja) * | 2004-08-27 | 2006-03-09 | Yokohama Machine Service Kk | 超音波洗浄・バリ取り装置 |
CN105559881A (zh) * | 2013-03-29 | 2016-05-11 | 重庆润泽医药有限公司 | 电凝镊清洁支座 |
CN106803204A (zh) * | 2017-01-17 | 2017-06-06 | 上海聚赟大数据有限公司 | 一种基于机器学习的债券发行人违约分析方法 |
CN107309213A (zh) * | 2017-08-16 | 2017-11-03 | 吉林省农业科学院 | 基于bp神经网络的红枣超声波清洗机控制方法 |
US20200363147A1 (en) * | 2017-11-14 | 2020-11-19 | Altum Technologies Oy | A method for cleaning of a device |
CN208710104U (zh) * | 2017-12-28 | 2019-04-09 | 广州吉好医疗科技有限公司 | 带有内镜接头脱落感应装置的多槽内镜清洗消毒机 |
KR20200061237A (ko) * | 2018-11-23 | 2020-06-02 | 삼성전자주식회사 | 반도체 설비의 세정 방법, 및 반도체 설비의 관리 시스템 |
CN109590261A (zh) * | 2018-12-06 | 2019-04-09 | 兴化市裕晗智能科技有限公司 | 基于神经网络控制的智能机器人清洗机 |
WO2022018419A1 (en) * | 2020-07-20 | 2022-01-27 | Tristel Plc | Validation of mixing procedures in a decontamination process |
CN112354964A (zh) * | 2020-10-14 | 2021-02-12 | 宁波格劳博智能工业有限公司 | 锂电池凹版版辊全自动清洗检测设备与方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114404033B (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111885974B (zh) | 刀的开始温度 | |
US10603099B2 (en) | Method and system for adjusting source impedance and maximizing output by RF generator | |
EP2645953B1 (en) | System for adaptive rf ablation | |
EP2105102B1 (en) | Electrosurgical apparatus with predictive RF source control | |
JP4703646B2 (ja) | 電気手術器具 | |
AU784004B2 (en) | Output displacement control using phase margin in an ultrasonic surgical hand piece | |
CN113274096B (zh) | 一种用于结束组织剪切的超声刀自适应控制方法及系统 | |
US20100063500A1 (en) | Apparatus, System and Method for Performing an Electrosurgical Procedure | |
EP2499982A1 (en) | Energy-based ablation completion algorithm | |
JP2011523888A (ja) | 電気外科的ジェネレータの出力制御のためのシステムおよび方法 | |
CN106994043B (zh) | 温度受控的短持续时间消融 | |
CN114404033B (zh) | 能量器械碳化清除控制系统 | |
JP2024045716A (ja) | 温度制御されたパルスrfアブレーション | |
CN110916762B (zh) | 一种基于电阻网络的多输出微创手术系统 | |
US20230015369A1 (en) | System and method for controlling an ultrasonic surgical system | |
CN115869046B (zh) | 一种微型开放超声手术刀中心杆 | |
CN101909538B (zh) | 控制电外科高频发生器的方法和电外科装置 | |
Desinger et al. | Interstitial bipolar rf-thermotherapy (RFITT): therapy planning by computer simulation and MRI monitoring--a new concept for minimally invasive procedures | |
CN214128767U (zh) | 耳科切割、止血、剥离组织手术刀及电外科手术系统 | |
CN207236841U (zh) | 一种不粘高频电手术刀 | |
CN116672094B (zh) | 能量器械使用寿命分析系统 | |
CN213758528U (zh) | 外科手术电极和系统 | |
CN112244996A (zh) | 耳科切割、止血、剥离组织手术刀及电外科手术系统 | |
CN110522507A (zh) | 使用预定的消融电流分布 | |
CN115670591A (zh) | 超声刀系统的能量输出控制方法、装置和设备、介质 |
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 |