CN114712712A - 刺激电极导线的成像识别方法及相关装置 - Google Patents
刺激电极导线的成像识别方法及相关装置 Download PDFInfo
- Publication number
- CN114712712A CN114712712A CN202210342589.8A CN202210342589A CN114712712A CN 114712712 A CN114712712 A CN 114712712A CN 202210342589 A CN202210342589 A CN 202210342589A CN 114712712 A CN114712712 A CN 114712712A
- Authority
- CN
- China
- Prior art keywords
- training
- preset
- image
- detection result
- label
- 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.)
- Pending
Links
- 230000000638 stimulation Effects 0.000 title claims abstract description 112
- 238000003384 imaging method Methods 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000001514 detection method Methods 0.000 claims abstract description 109
- 238000012549 training Methods 0.000 claims description 213
- 238000013136 deep learning model Methods 0.000 claims description 67
- 238000013145 classification model Methods 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 26
- 230000004936 stimulating effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000002372 labelling Methods 0.000 claims description 8
- 230000002093 peripheral effect Effects 0.000 claims description 7
- 210000004556 brain Anatomy 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 208000002193 Pain Diseases 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 208000021384 Obsessive-Compulsive disease Diseases 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 230000007383 nerve stimulation Effects 0.000 description 4
- 208000020016 psychiatric disease Diseases 0.000 description 4
- 210000005013 brain tissue Anatomy 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 208000035475 disorder Diseases 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 208000018737 Parkinson disease Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 206010013663 drug dependence Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 206010015037 epilepsy Diseases 0.000 description 2
- 201000006517 essential tremor Diseases 0.000 description 2
- 238000002513 implantation Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 208000024714 major depressive disease Diseases 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004092 self-diagnosis Methods 0.000 description 2
- 208000011117 substance-related disease Diseases 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 230000007384 vagal nerve stimulation Effects 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 206010003805 Autism Diseases 0.000 description 1
- 208000020706 Autistic disease Diseases 0.000 description 1
- 208000020925 Bipolar disease Diseases 0.000 description 1
- 208000000094 Chronic Pain Diseases 0.000 description 1
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 208000023105 Huntington disease Diseases 0.000 description 1
- 208000026139 Memory disease Diseases 0.000 description 1
- 208000019695 Migraine disease Diseases 0.000 description 1
- 208000019022 Mood disease Diseases 0.000 description 1
- 208000016285 Movement disease Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 208000028683 bipolar I disease Diseases 0.000 description 1
- 208000029028 brain injury Diseases 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000011982 device technology Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000012377 drug delivery Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 206010027599 migraine Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 208000028173 post-traumatic stress disease Diseases 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001148 spastic effect Effects 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/372—Arrangements in connection with the implantation of stimulators
- A61N1/37211—Means for communicating with stimulators
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/02—Details
- A61N1/04—Electrodes
- A61N1/05—Electrodes for implantation or insertion into the body, e.g. heart electrode
- A61N1/0526—Head electrodes
- A61N1/0529—Electrodes for brain stimulation
- A61N1/0534—Electrodes for deep brain stimulation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/372—Arrangements in connection with the implantation of stimulators
- A61N1/37211—Means for communicating with stimulators
- A61N1/37252—Details of algorithms or data aspects of communication system, e.g. handshaking, transmitting specific data or segmenting data
Abstract
本申请提供了一种刺激电极导线的成像识别方法及相关装置,装置包括:图像采集模块,用于利用图像采集设备实时采集刺激电极导线的目标图像;检测结果模块,用于获取目标图像对应的标记检测结果,标记检测结果包括一个或多个标签及其置信度和位置信息;置信度判断模块,用于判断每个标签的置信度是否满足预设条件;当至少一个标签的置信度不满足预设条件时,重新调用图像采集模块;当所有标签的置信度均满足预设条件时,调用结果输出模块;结果输出模块,用于将标记检测结果输出至预设的用户设备。通过成像识别装置,以获得更精确的刺激电极导线识别结果。
Description
技术领域
本申请涉及可植入医疗设备技术领域,尤其涉及刺激电极导线的成像识别方法及相关装置。
背景技术
现有技术中,对于脑深部神经电刺激治疗(DBS,Deep Brain Stimulation),涉及将电刺激递送到大脑的特定区域中的神经结构以激发或抑制细胞活动,可以有效处理例如慢性疼痛,帕金森病,特发性震颤等运动障碍、癫痫,以及诸如抑郁症和强迫症等精神疾病。具体地,用于施加电刺激的刺激电极作用在患者的头部并刺激大脑的指定部位,对患者大脑损伤起到治疗作用,同时刺激电极的另一端通过刺激电极导线连接神经刺激器。目前,为了满足将刺激电极导线准确植入在大脑内的期望部位处,避免对大脑的其他部位产生副作用,通常使用各种成像技术辅助刺激电极导线以使其相对精确地植入大脑内的期望部位处。所述成像技术如磁共振成像(MRI,Magnetic Resonance Imaging)、计算机断层摄影(CT,Computed Tomography)、X射线、荧光成像以及立体成像。
在具体应用中,医生期望将可以释放刺激的刺激电极导线在患者(例如大脑)内精确放置和定向,以将电刺激递送到预期部位并避免副作用。例如,期望将刺激电极导线的刺激递送到非常小的目标点位进而不会刺激邻近的其它大脑组织;如果没有精确地将刺激递送到期望目标点位,会使疗效降低,并且邻近大脑组织会接受到不必要的过量刺激,造成患者的痛苦。
因此,亟需设计一种新的刺激电极导线的成像识别装置,以辅助医生提高刺激电极导线放置到患者体内的精度。
发明内容
本申请的目的在于提供刺激电极导线的成像识别方法及相关装置,通过成像技术直接识别设置在电极片上的标记,通过每个标签的置信度的判断,解决了对刺激电极导线识别精度低的问题。
本申请的目的采用以下技术方案实现:
第一方面,本申请提供了一种刺激电极导线的成像识别装置,多个电极片设置于所述刺激电极导线的外周面,至少部分所述电极片上分别设置有标记,所述标记用于在成像时对所述电极片进行识别;所述装置包括:图像采集模块,用于利用图像采集设备实时采集所述刺激电极导线的目标图像;检测结果模块,用于获取所述目标图像对应的标记检测结果,所述标记检测结果包括一个或多个标签及其置信度和位置信息;置信度判断模块,用于判断每个标签的置信度是否满足所述预设条件;当至少一个标签的置信度不满足预设条件时,重新调用图像采集模块;当所有标签的置信度均满足所述预设条件时,调用结果输出模块;结果输出模块,用于将所述标记检测结果输出至预设的用户设备。
该技术方案的有益效果在于,基于实时采集的目标图像进行检测,通过预设条件对检测结果中标签的置信度进行判断(标签用于指示电极片的标识),在每个标签的置信度不满足预设条件时重新调用图像采集模块进行图像采集、检测和判断,直至获得满足置信度条件的标记检测结果,相比现有技术,获得更精确的刺激电极导线识别结果。医生参考刺激电极导线的识别结果,无需医生进行复杂的逻辑判断,智能化程度高,即便不是经验丰富的医生也能精确地将刺激递送到期望目标点位,缩短了医生放置和定向刺激电极导线的时间,提高了医生精确地放置和定向刺激电极导线的效率,减轻了患者在医生放置和定向刺激电极导线期间的痛苦,进而提高了电刺激治疗对患者的疗效。
同时,由于标记是直接设置在电极片上的,带有标记的电极片经成像识别本身能够起到确定电极方位的作用,同时还可以用于产生刺激信号,非电极片区域不需要另外预设标记部件,可以减少刺激电极导线的制造成本和降低刺激电极导线的制造难度。
在一些可选的实施例中,所述检测结果模块包括:成像识别单元,用于利用成像识别模型对所述目标图像进行成像识别,得到所述目标图像对应的标记检测结果;其中,所述成像识别模型的训练过程如下:获取第一训练集,所述第一训练集包括多个第一训练图像及其对应的标记检测结果的标注数据;利用所述第一训练集对预设的第一深度学习模型进行训练,得到所述成像识别模型。
该技术方案的有益效果在于,通过成像识别模型,相比传统人工的对目标图像进行识别,智能化程度高;将训练得到的成像识别模型应用到实际场景中刺激电极导线的成像识别上,识别准确度高。
在一些可选的实施例中,在所述成像识别模型的训练过程中,所述利用所述第一训练集对预设的第一深度学习模型进行训练,包括:针对所述第一训练集中的每个第一训练图像,将所述第一训练图像输入预设的第一深度学习模型,得到与所述第一训练图像相对应的标记检测结果的预测数据;基于与所述第一训练图像相对应的标记检测结果的预测数据以及标注数据,对所述预设的第一深度学习模型的模型参数进行更新;检测是否满足预设的第一训练结束条件,如果是,则停止训练,并将训练得到的所述预设的第一深度学习模型作为所述成像识别模型,如果否,则利用下一个所述训练数据继续训练所述预设的第一深度学习模型。
该技术方案的有益效果在于,相较于传统的识别系统,往往仅通过分析和与现有的图像及其标记检测结果进行比对,本申请利用第一训练集对第一深度学习模型进行训练,使得最终形成的成像识别模型的识别效果与实际的成像结果更加匹配,用户得到更为满意的刺激电极导线的成像识别结果,提升用户体验。
在一些可选的实施例中,所述检测结果模块包括:目标检测单元,用于对所述目标图像进行目标检测,得到一个或多个子图及其对应的位置信息,每个子图分别对应一个标记;子图分类单元,用于对每个子图进行标记分类,得到每个子图对应的标签及其置信度;标记结果单元,用于基于每个子图对应的标签及其置信度和位置信息,获取所述目标图像对应的标记检测结果,所述标记检测结果包括一个或多个标签及其置信度和位置信息。
该技术方案的有益效果在于,基于目标检测单元、子图分类单元和标记结果单元,将目标图像中的标记通过每个子图进行标记分类,以获取每个子图对应的标签及其置信度,进而获取目标图像对应的包括所有标签及其置信度和位置信息的标记检测结果,智能化程度高。
在一些可选的实施例中,所述子图分类单元包括:子图分类子单元,用于利用标记分类模型对每个子图进行标记分类,得到每个子图对应的标记分类结果;其中,所述标记分类模型的训练过程如下:获取第二训练集,所述第二训练集包括多个第二训练图像及其对应的标记分类结果的标注数据;利用所述第二训练集对预设的第二深度学习模型进行训练,得到所述标记分类模型。
该技术方案的有益效果在于,通过子图分类子单元对每个子图进行标记分类,得到每个子图对应的标记分类结果,用于训练成像识别模型,可以提高成像识别模型的鲁棒性,有效降低其拟合风险。
在一些可选的实施例中,在所述标记分类模型的训练过程中,所述利用所述第二训练集对预设的第二深度学习模型进行训练,包括:针对所述第二训练集中的每个第二训练图像,将所述第二训练图像输入预设的第二深度学习模型,得到与所述第二训练图像相对应的标记检测结果的预测数据;基于与所述第二训练图像相对应的标记检测结果的预测数据以及标注数据,对所述预设的第二深度学习模型的模型参数进行更新;检测是否满足预设的第二训练结束条件,如果是,则停止训练,并将训练得到的所述预设的第二深度学习模型作为所述标记分类模型,如果否,则利用下一个所述训练数据继续训练所述预设的第二深度学习模型。
该技术方案的有益效果在于,训练结束的第二训练结束条件可基于实际需求配置,训练得到的标记分类模型具有较强的鲁棒性和较低的过拟合风险。
在一些可选的实施例中,所述装置还包括:结果显示模块,用于利用所述用户设备显示所述目标图像及其对应的标记检测结果。
该技术方案的有益效果在于,通过结果显示模块的设置,图像采集设备实时采集的刺激电极导线的目标图像、刺激电极导线中电极片的标记的标签及其置信度和位置信息可以直观的在显示模块上展示,一方面使刺激电极导线实时信息更便于医生参考;另一方面使患者或其家人直观了解诊治的进程,缓解患者及其家人的紧张情绪,促进医患之间保持信任和理解的关系。
第二方面,本申请提供了一种刺激电极导线的成像识别方法,多个电极片设置于刺激电极导线的外周面,至少部分所述电极片上分别设置有标记,所述标记用于在成像时对所述电极片进行识别;所述方法包括:S101:利用图像采集设备实时采集所述刺激电极导线的目标图像;S102:获取所述目标图像对应的标记检测结果,所述标记检测结果包括一个或多个标签及其置信度和位置信息;S103:判断每个标签的置信度是否满足所述预设条件;当至少一个标签的置信度不满足预设条件时,重新执行步骤S101以获得新的目标图像;当所有标签的置信度均满足所述预设条件时,执行步骤S104;S104:将所述标记检测结果输出至预设的用户设备。
在一些可选的实施例中,所述步骤S102包括:利用成像识别模型对所述目标图像进行成像识别,得到所述目标图像对应的标记检测结果;其中,所述成像识别模型的训练过程如下:获取第一训练集,所述第一训练集包括多个第一训练图像及其对应的标记检测结果的标注数据;利用所述第一训练集对预设的第一深度学习模型进行训练,得到所述成像识别模型。
在一些可选的实施例中,在所述成像识别模型的训练过程中,所述利用所述第一训练集对预设的第一深度学习模型进行训练,包括:针对所述第一训练集中的每个第一训练图像,将所述第一训练图像输入预设的第一深度学习模型,得到与所述第一训练图像相对应的标记检测结果的预测数据;基于与所述第一训练图像相对应的标记检测结果的预测数据以及标注数据,对所述预设的第一深度学习模型的模型参数进行更新;检测是否满足预设的第一训练结束条件,如果是,则停止训练,并将训练得到的所述预设的第一深度学习模型作为所述成像识别模型,如果否,则利用下一个所述训练数据继续训练所述预设的第一深度学习模型。
在一些可选的实施例中,所述获取所述目标图像对应的标记检测结果包括:对所述目标图像进行目标检测,得到一个或多个子图及其对应的位置信息,每个子图分别对应一个标记;对每个子图进行标记分类,得到每个子图对应的标签及其置信度;基于每个子图对应的标签及其置信度和位置信息,获取所述目标图像对应的标记检测结果,所述标记检测结果包括一个或多个标签及其置信度和位置信息。
在一些可选的实施例中,所述步骤S202包括:利用标记分类模型对每个子图进行标记分类,得到每个子图对应的标记分类结果;其中,所述标记分类模型的训练过程如下:获取第二训练集,所述第二训练集包括多个第二训练图像及其对应的标记分类结果的标注数据;利用所述第二训练集对预设的第二深度学习模型进行训练,得到所述标记分类模型。
在一些可选的实施例中,在所述标记分类模型的训练过程中,所述利用所述第二训练集对预设的第二深度学习模型进行训练,包括:针对所述第二训练集中的每个第二训练图像,将所述第二训练图像输入预设的第二深度学习模型,得到与所述第二训练图像相对应的标记检测结果的预测数据;基于与所述第二训练图像相对应的标记检测结果的预测数据以及标注数据,对所述预设的第二深度学习模型的模型参数进行更新;检测是否满足预设的第二训练结束条件,如果是,则停止训练,并将训练得到的所述预设的第二深度学习模型作为所述标记分类模型,如果否,则利用下一个所述训练数据继续训练所述预设的第二深度学习模型。
在一些可选的实施例中,所述方法还包括步骤S105:利用所述用户设备显示所述目标图像及其对应的标记检测结果。
第三方面,本申请提供了一种电子设备,用于对刺激电极导线进行成像识别,电极片设置于刺激电极导线的外周面,至少部分所述电极片上分别设置有标记,所述标记用于在成像时对所述电极片进行识别;所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
附图说明
下面结合附图和实施例对本申请进一步说明。
图1是本申请实施例提供的一种刺激电极导线的成像识别装置的结构示意图;
图2是本申请实施例提供的一种刺激电极导线的局部透视示意图;
图3是本申请实施例提供的一种刺激电极导线的平坦化状态下的部分结构示意图;
图4是本申请实施例提供的又一种刺激电极导线的平坦化状态下的部分结构示意图;
图5是本申请实施例提供的又一种刺激电极导线的平坦化状态下的部分结构示意图;
图6是本申请实施例提供的又一种刺激电极导线的平坦化状态下的部分结构示意图;
图7是本申请实施例提供的又一种刺激电极导线的平坦化状态下的部分结构示意图;
图8是本申请实施例提供的一种检测结果模块的结构示意图;
图9是本申请实施例提供的又一种刺激电极导线的成像识别装置的结构示意图;
图10是本申请实施例提供的一种刺激电极导线的成像识别方法的流程示意图;
图11是本申请实施例提供的一种获取标记检测结果的流程示意图;
图12是本申请实施例提供的又一种刺激电极导线的成像识别方法的流程示意图;
图13是本申请实施例提供的一种电子设备的结构示意图;
图14是本申请实施例提供的一种计算机可读存储介质的结构示意图。
具体实施方式
下面,结合附图以及具体实施方式,对本申请做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“对应于”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
公开号为CN112604159A的中国专利,公开了一种分片式电极,可以通过额外设置标记来识别电极方位,通过预先定义的标记方向与电极刺激片的对应关系来判定电极的位置及方向,但是这样的方式需要医生具有很强的逻辑判断能力,判断过程中容易出现错误,给患者带来不必要的痛苦。
参见图1,本申请实施例提供了一种刺激电极导线的成像识别装置,多个电极片设置于刺激电极导线的外周面,至少部分所述电极片上分别设置有标记,所述标记用于在成像时对所述电极片进行识别。
上述装置可以实现一种与现有技术不同的识别方式,(使用例如柔性薄膜电路的制造工艺)直接利用电极片上设置标记的结构,通过成像技术得到的图像来识别刺激电极导线的中不同标记的电极片的位置及方向。也就是说,相比现有技术中的额外设置标记,成像时可以利用电极片上分别设置的标记识别方位。
参见图3至图7,为刺激电极导线的平坦化状态下的示意图,电极片上设置标记可用于对各个电极片进行区分识别。例如,电极片中每个电极片的形状差异作为标记,或电极片上的连接点位置不同作为区分不同电极片的标记(图3、图4、图6和图7),或电极片上的连接点的形状不同作为区分不同电极片的标记(图5),或者以上电极片不同的标记设置方式的结合。医生可以通过在患者的脑深部区域植入刺激电极导线,刺激电极导线的表面可以设有多个规则矩阵排列的电极片,通过神经刺激器使刺激电极导线上设置的多个电极片释放刺激。
当电极片规则排列时,可以利用在不同行分别标记不同列电极的方式来对电极片进行识别。在一个实例中,电极片有4行,每行3列(输出标签12个,即1号电极片~12号电极片),在一个实施方式中,可以标记第一行第一列电极片和第二行第二列电极片;在另一个实施方式中,可以标记第二行第三列电极片和第四行第二列电极片;在又一个实施方式中,可以标记第一行第三列电极片和第三行第一列电极片;在又一个实施方式中,可以标记第一行第二列电极片和第四行第三列电极片。
在另一个实例中,电极片有5行,每行4列(输出标签20个,即1号电极片~20号电极片),在一个实施方式中,可以标记第一行第一列电极片和第二行第二列电极片;在另一个实施方式中,可以标记第二行第三列电极片和第四行第二列电极片;在又一个实施方式中,可以标记第一行第三列电极片和第三行第一列电极片;在又一个实施方式中,可以标记第一行第二列电极片和第五行第三列电极片。
在又一个实例中,电极片有5行,每行4列(输出标签20个,即1号电极片~20号电极片),在一个实施方式中,可以标记第一行第一列电极片、第二行第二列电极片和第三行第三列电极片;在另一个实施方式中,可以标记第二行第三列电极片、第四行第二列电极片、第五行第四列电极片;在又一个实施方式中,可以标记第一行第三列电极片、第三行第一列电极片和第四行第二列电极片;在又一个实施方式中,可以标记第一行第二列电极片、第四行第三列电极片和第五行第一列电极片。
其中,对刺激电极导线通过成像识别装置进行识别操作的对象可以是患者的首诊医生、会诊专家等对患者进行治疗的人。本申请实施例中的患者,可以是帕金森患者,或者抑郁症患者、强迫症患者等精神疾病类患者,还可以是药物成瘾症患者或者戒毒人员。
通过刺激电极导线,可以将刺激器的电刺激递送到人体特定区域中施加刺激治疗。在本实施例中,刺激电极导线可以对大脑的的神经结构释放电刺激以激发或抑制细胞活动,可以有效地处理例如痉挛疾病(例如,癫痫)、疼痛、偏头痛、精神疾病(例如,重度抑郁症(MDD))、躁郁症、焦虑症、创伤后压力心理障碍症、轻郁症、强迫症(OCD)、行为障碍、情绪障碍、记忆障碍、心理状态障碍、移动障碍(例如,特发性震颤或帕金森氏病)、亨廷顿病、阿尔茨海默症、药物成瘾症、自闭症或其他神经学或精神科疾病和损害。
刺激器可以是植入式神经电刺激装置、植入式心脏电刺激系统(又称心脏起搏器)、植入式药物输注装置(Implantable Drug Delivery System,简称I DDS)和导线转接装置中的任意一种。当刺激器是植入式神经电刺激装置时,植入式神经电刺激装置例如是脑深部电刺激系统(Deep Brain Stimulation,简称DBS),植入式脑皮层刺激系统(Cortical Nerve Stimulation,简称CNS),植入式脊髓电刺激系统(Spinal CordStimulation,简称SCS),植入式骶神经电刺激系统(Sacral Nerve Stimulation,简称SNS),植入式迷走神经电刺激系统(Vagus Nerve Stimulation,简称VNS)等。
所述装置包括图像采集模块101、检测结果模块102、置信度判断模块103和结果输出模块104。
图像采集模块101,用于利用图像采集设备实时采集所述刺激电极导线的目标图像。图像采集设备可以包括能够实现如磁共振成像(MRI)、计算机断层摄影(CT)、X射线、荧光成像以及立体成像等成像技术的成像设备。参见图2,为通过X射线所获得的一种刺激电极导线的局部透视示意图。
检测结果模块102,用于获取所述目标图像对应的标记检测结果,所述标记检测结果包括一个或多个标签及其置信度和位置信息。位置信息可以是标记对应的坐标值,通过位置信息可以准确获得对应标记在目标图像上的位置。
置信度判断模块103,用于判断每个标签的置信度是否满足所述预设条件;当至少一个标签的置信度不满足预设条件时,重新调用图像采集模块;当所有标签的置信度均满足所述预设条件时,调用结果输出模块。
结果输出模块104,用于将所述标记检测结果输出至预设的用户设备。其中,用于接收标记检测结果的用户设备可以采用现有技术中存在的程控器,即用户设备可以是单独的硬件设备,该硬件设备是一种能够与刺激器通过无线网络或有线网络进行数据交互的电子设备,例如是平板电脑、计算机、手机或者智能穿戴设备等,用户可以利用这种程控设备进行标记检测结果的接收。总的来说,用户设备中搭载了计算机程序(即软件),所述计算机程序被处理器执行时能够实现本申请实施例中标记检测结果的接收的作用。
本申请对预设条件不做限定,预设条件例如是数值范围预设条件,在一个实施方式中,所述预设条件是置信度不小于预设置信度。预设置信度例如是0.95、0.97、0.94、0.98。
本申请可以针对不同患者设置相同或者不同的预设条件。在一个具体应用中,为不同患者设置相同的预设条件,即置信度不小于0.96。
在另一个具体应用中,可以根据患者病症的不同或治疗阶段的不同设置差异化的预设条件,以实现对患者人性化、定制性的诊断和治疗。例如,医生通过上述刺激电极导线的成像识别装置对患者张三、李四和王五植入体内的刺激电极导线的电极片位置和方向进行判断。参见下表1,具体判断情况如下。
表1
一般而言,医生的就诊时间和患者的治疗时间都是很宝贵的,所以医生和患者更期望将刺激电极导线定位到有效的期望目标点,以减少定位效果不佳造成的重新诊治。因此通过判断每个标签的置信度是否满足所述预设条件,即便一个标签的置信度不满足预设条件时,也会重新调用图像采集模块,为后期医生对患者通过刺激电极导线向患者治疗时将刺激递送到非常小的目标点位且不刺激邻近大脑组织,节省更多的治疗时间,进而减轻了患者治疗中的不适。
由此,基于实时采集的目标图像进行检测,通过预设条件对检测结果中标签的置信度进行判断,标签用于指示电极片的标识,在每个标签的置信度不满足预设条件时重新调用图像采集模块101进行图像采集、检测和判断,直至获得满足置信度条件的标记检测结果,相比现有技术,能获得刺激电极导线识别结果更精确,智能化程度高。医生参考刺激电极导线的识别结果,无需医生进行复杂的逻辑判断,即便不是经验丰富的医生也能精确地将刺激递送到期望目标点位,缩短了医生放置和定向刺激电极导线的时间,提高了医生精确地放置和定向刺激电极导线的效率,减轻了患者在医生放置和定向刺激电极导线期间的痛苦,提高对患者电刺激的疗效。
同时,由于标记是直接设置在电极片上的,带有标记的电极片经成像识别本身能够起到确定电极方位的作用,同时还可以用于产生刺激信号,非电极片区域不需要另外预设标记部件,可以减少刺激电极导线的制造成本和降低刺激电极导线的制造难度。
在一些可选的实施方式中,所述多个电极片中任意两个电极片之间彼此绝缘,所述多个电极片包括多个刺激电极片和多个采集电极片。此时,刺激电极导线不仅可以用于释放电刺激能量,还可以用于采集生物体内组织的生物电信号。
参见图9,所述装置还可以包括结果显示模块105,所述结果显示模块105用于利用所述用户设备显示所述目标图像及其对应的标记检测结果。其中,结果显示模块105可以包括显示器、投影仪等提供显示功能的设备模块。
其中,标记检测结果和目标图像在显示模块显示可以理解为,在显示模块的界面上显示目标图像,位置信息用于将标记检测结果和目标图像上显示的图像进行对应,在目标图像所显示的电极片上可以显示其所对应的标签、置信度等。其中,所显示的标签可以是电极片1、电极片2……电极片N等,所标注的置信度可以是0.91、0.94、0.98等。
由此,通过结果显示模块105的设置,图像采集设备实时采集的刺激电极导线的目标图像、刺激电极导线中电极片的标记的标签及其置信度和位置信息可以直观的在显示模块上展示,一方面使刺激电极导线实时信息更便于医生参考;另一方面使患者或其家人直观了解诊治的进程,缓解患者及其家人的紧张情绪,促进医患之间保持信任和理解的关系。
在一些实施方式中,所述检测结果模块可以包括成像识别单元。所述成像识别单元可以用于利用成像识别模型对所述目标图像进行成像识别,得到所述目标图像对应的标记检测结果。
其中,所述成像识别模型的训练过程如下:
获取第一训练集,所述第一训练集包括多个第一训练图像及其对应的标记检测结果的标注数据;
利用所述第一训练集对预设的第一深度学习模型进行训练,得到所述成像识别模型。
由此,通过成像识别模型,相比传统人工的对目标图像进行识别,智能化程度高;将训练得到的成像识别模型应用到实际场景中刺激电极导线的成像识别上,识别准确度高。
具体地,在所述成像识别模型的训练过程中,所述利用所述第一训练集对预设的第一深度学习模型进行训练,可以包括:
针对所述第一训练集中的每个第一训练图像,将所述第一训练图像输入预设的第一深度学习模型,得到与所述第一训练图像相对应的标记检测结果的预测数据;基于与所述第一训练图像相对应的标记检测结果的预测数据以及标注数据,对所述预设的第一深度学习模型的模型参数进行更新;检测是否满足预设的第一训练结束条件,如果是,则停止训练,并将训练得到的所述预设的第一深度学习模型作为所述成像识别模型,如果否,则利用下一个所述训练数据继续训练所述预设的第一深度学习模型。
利用第一训练集对预设的第一深度学习模型进行训练,可以得到训练好的成像识别模型,成像识别模型可以由大量的训练数据训练得到,能够针对多种输入数据预测得到相应的标记检测结果,适用范围广,智能化水平高。通过设计,建立适量的神经元计算节点和多层运算层次结构,选择合适的输入层和输出层,就可以得到预设的第一深度学习模型,通过该预设的第一深度学习模型的学习和调优,建立起从输入到输出的函数关系,虽然不能100%找到输入与输出的函数关系,但是可以尽可能地逼近现实的关联关系,由此训练得到的成像识别模型,可以实现对成像识别的自我诊断功能,且诊断结果可靠性高。
由此,相较于传统的识别系统,往往仅通过分析和与现有的图像及其标记检测结果进行比对,本申请利用第一训练集对第一深度学习模型进行训练,使得最终形成的成像识别模型的识别效果与实际的成像结果更加匹配,用户得到更为满意的刺激电极导线的成像识别结果,提升用户体验。
参见图8,在一些实施方式中,所述检测结果模块还可以包括目标检测单元201、子图分类单元202和标记结果单元203。
目标检测单元201,用于对所述目标图像进行目标检测,得到一个或多个子图及其对应的位置信息,每个子图分别对应一个标记。通过子图可以体现出目标图像的主要属性,可实现对图数据的压缩,去噪等处理。
子图分类单元202,用于对每个子图进行标记分类,得到每个子图对应的标签及其置信度。
标记结果单元203,用于基于每个子图对应的标签及其置信度和位置信息,获取所述目标图像对应的标记检测结果,所述标记检测结果包括一个或多个标签及其置信度和位置信息。
由此,基于目标检测单元、子图分类单元和标记结果单元,将目标图像中的标记通过每个子图进行标记分类,以获取每个子图对应的标签及其置信度,进而获取目标图像对应的包括所有标签及其置信度和位置信息的标记检测结果,智能化程度高。
在一些实施例中,所述子图分类单元可以包括子图分类子单元,所述子图分类子单元可以用于利用标记分类模型对每个子图进行标记分类,得到每个子图对应的标记分类结果。
其中,所述标记分类模型的训练过程如下:
获取第二训练集,所述第二训练集包括多个第二训练图像及其对应的标记分类结果的标注数据;
利用所述第二训练集对预设的第二深度学习模型进行训练,得到所述标记分类模型。
由此,通过子图分类子单元对每个子图进行标记分类,得到每个子图对应的标记分类结果,用于训练标记分类模型,可以提高标记分类模型的鲁棒性,有效降低其拟合风险。
具体地,在所述标记分类模型的训练过程中,所述利用所述第二训练集对预设的第二深度学习模型进行训练,可以包括以下步骤:
针对所述第二训练集中的每个第二训练图像,将所述第二训练图像输入预设的第二深度学习模型,得到与所述第二训练图像相对应的标记检测结果的预测数据;
基于与所述第二训练图像相对应的标记检测结果的预测数据以及标注数据,对所述预设的第二深度学习模型的模型参数进行更新;
检测是否满足预设的第二训练结束条件,如果是,则停止训练,并将训练得到的所述预设的第二深度学习模型作为所述标记分类模型,如果否,则利用下一个所述训练数据继续训练所述预设的第二深度学习模型。
由此,训练结束的第二训练结束条件可基于实际需求配置,训练得到的标记分类模型具有较强的鲁棒性和较低的过拟合风险。
利用第二训练集对预设的第二深度学习模型进行训练,可以得到训练好的标记分类模型,标记分类模型可以由大量的训练数据训练得到,能够针对多种输入数据预测得到相应的标记检测结果,适用范围广,智能化水平高。通过设计,建立适量的神经元计算节点和多层运算层次结构,选择合适的输入层和输出层,就可以得到预设的第二深度学习模型,通过该预设的第二深度学习模型的学习和调优,建立起从输入到输出的函数关系,虽然不能100%找到输入与输出的函数关系,但是可以尽可能地逼近现实的关联关系,由此训练得到的标记分类模型,可以实现对成像识别的自我诊断功能,且诊断结果可靠性高。
参见图10,本申请实施例还提供了一种刺激电极导线的成像识别方法。由于刺激电极导线的成像识别方法所起的作用与上述刺激电极导线的成像识别装置相同或相似,在此不予赘述。
其中,多个电极片设置于刺激电极导线的外周面,至少部分所述电极片上分别设置有标记,所述标记用于在成像时对所述电极片进行识别。
所述方法包括步骤S101至S104。
步骤S101:利用图像采集设备实时采集所述刺激电极导线的目标图像。
步骤S102:获取所述目标图像对应的标记检测结果,所述标记检测结果包括一个或多个标签及其置信度和位置信息。
步骤S103:判断每个标签的置信度是否满足所述预设条件;当至少一个标签的置信度不满足预设条件时,重新执行步骤S101以获得新的目标图像;当所有标签的置信度均满足所述预设条件时,执行步骤S104。
步骤S104:将所述标记检测结果输出至预设的用户设备。
在一些实施方式中,所述步骤S102可以包括:利用成像识别模型对所述目标图像进行成像识别,得到所述目标图像对应的标记检测结果。
其中,所述成像识别模型的训练过程如下:获取第一训练集,所述第一训练集包括多个第一训练图像及其对应的标记检测结果的标注数据;利用所述第一训练集对预设的第一深度学习模型进行训练,得到所述成像识别模型。
在一些实施方式中,在所述成像识别模型的训练过程中,所述利用所述第一训练集对预设的第一深度学习模型进行训练,可以包括:
针对所述第一训练集中的每个第一训练图像,将所述第一训练图像输入预设的第一深度学习模型,得到与所述第一训练图像相对应的标记检测结果的预测数据;基于与所述第一训练图像相对应的标记检测结果的预测数据以及标注数据,对所述预设的第一深度学习模型的模型参数进行更新;检测是否满足预设的第一训练结束条件,如果是,则停止训练,并将训练得到的所述预设的第一深度学习模型作为所述成像识别模型,如果否,则利用下一个所述训练数据继续训练所述预设的第一深度学习模型。
参见图11,在一些实施方式中,所述获取所述目标图像对应的标记检测结果可以包括步骤S201~步骤步骤S203。
步骤S201:对所述目标图像进行目标检测,得到一个或多个子图及其对应的位置信息,每个子图分别对应一个标记。
步骤S202:对每个子图进行标记分类,得到每个子图对应的标签及其置信度。
步骤S203:基于每个子图对应的标签及其置信度和位置信息,获取所述目标图像对应的标记检测结果,所述标记检测结果包括一个或多个标签及其置信度和位置信息。
在一些实施方式中,所述步骤S202可以包括:
利用标记分类模型对每个子图进行标记分类,得到每个子图对应的标记分类结果。
其中,所述标记分类模型的训练过程如下:
获取第二训练集,所述第二训练集包括多个第二训练图像及其对应的标记分类结果的标注数据;
利用所述第二训练集对预设的第二深度学习模型进行训练,得到所述标记分类模型。
在一些实施方式中,在所述标记分类模型的训练过程中,所述利用所述第二训练集对预设的第二深度学习模型进行训练,可以包括:
针对所述第二训练集中的每个第二训练图像,将所述第二训练图像输入预设的第二深度学习模型,得到与所述第二训练图像相对应的标记检测结果的预测数据;
基于与所述第二训练图像相对应的标记检测结果的预测数据以及标注数据,对所述预设的第二深度学习模型的模型参数进行更新;
检测是否满足预设的第二训练结束条件,如果是,则停止训练,并将训练得到的所述预设的第二深度学习模型作为所述标记分类模型,如果否,则利用下一个所述训练数据继续训练所述预设的第二深度学习模型。
参见图12,在一些实施方式中,所述方法还可以包括步骤S105。
步骤S105:利用所述用户设备显示所述目标图像及其对应的标记检测结果。
参见图13,本申请实施例还提供了一种电子设备200,用于对刺激电极导线进行成像识别,所述刺激电极导线设置于刺激电极导线的外周面,至少部分所述电极片上分别设置有标记,所述标记用于在成像时对所述电极片进行识别。
电子设备200包括至少一个存储器210、至少一个处理器220以及连接不同平台系统的总线230。
存储器210可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)211和/或高速缓存存储器212,还可以进一步包括只读存储器(ROM)213。
其中,存储器210还存储有计算机程序,计算机程序可以被处理器220执行,使得处理器220执行本申请实施例中上述方法的步骤,其具体实现方式与上述方法实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
存储器210还可以包括具有至少一个程序模块215的实用工具214,这样的程序模块215包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
相应的,处理器220可以执行上述计算机程序,以及可以执行实用工具214。
总线230可以为表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信,还可与一个或者多个能够与该电子设备200交互的设备通信,和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入输出接口250进行。并且,电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本申请实施例还提供了一种计算机可读存储介质,其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
该计算机可读存储介质用于存储计算机程序;所述计算机程序被执行时实现本申请实施例中上述方法的步骤。
图14示出了本实施例提供的用于实现上述方法的程序产品300,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品300不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品300可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言诸如Java、C++等,还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本申请从使用目的上,效能上,进步及新颖性等观点进行阐述,已符合专利法所强调的功能增进及使用要件,本申请以上的说明书及说明书附图,仅为本申请的较佳实施例而已,并非以此局限本申请,因此,凡一切与本申请构造,装置,特征等近似、雷同的,即凡依本申请专利申请范围所作的等同替换或修饰等,皆应属本申请的专利申请保护的范围之内。
Claims (10)
1.一种刺激电极导线的成像识别装置,其特征在于,多个电极片设置于刺激电极导线的外周面,至少部分所述电极片上分别设置有标记,所述标记用于在成像时对所述电极片进行识别;
所述装置包括:
图像采集模块,用于利用图像采集设备实时采集所述刺激电极导线的目标图像;
检测结果模块,用于获取所述目标图像对应的标记检测结果,所述标记检测结果包括一个或多个标签及其置信度和位置信息;
置信度判断模块,用于判断每个标签的置信度是否满足预设条件;当至少一个标签的置信度不满足所述预设条件时,重新调用图像采集模块;当所有标签的置信度均满足所述预设条件时,调用结果输出模块;
结果输出模块,用于将所述标记检测结果输出至预设的用户设备。
2.根据权利要求1所述的刺激电极导线的成像识别装置,其特征在于,所述检测结果模块包括:
成像识别单元,用于利用成像识别模型对所述目标图像进行成像识别,得到所述目标图像对应的标记检测结果;
其中,所述成像识别模型的训练过程如下:
获取第一训练集,所述第一训练集包括多个第一训练图像及其对应的标记检测结果的标注数据;
利用所述第一训练集对预设的第一深度学习模型进行训练,得到所述成像识别模型。
3.根据权利要求2所述的刺激电极导线的成像识别装置,其特征在于,在所述成像识别模型的训练过程中,所述利用所述第一训练集对预设的第一深度学习模型进行训练,包括:
针对所述第一训练集中的每个第一训练图像,将所述第一训练图像输入预设的第一深度学习模型,得到与所述第一训练图像相对应的标记检测结果的预测数据;
基于与所述第一训练图像相对应的标记检测结果的预测数据以及标注数据,对所述预设的第一深度学习模型的模型参数进行更新;
检测是否满足预设的第一训练结束条件,如果是,则停止训练,并将训练得到的所述预设的第一深度学习模型作为所述成像识别模型,如果否,则利用下一个所述训练数据继续训练所述预设的第一深度学习模型。
4.根据权利要求1所述的刺激电极导线的成像识别装置,其特征在于,所述检测结果模块包括:
目标检测单元,用于对所述目标图像进行目标检测,得到一个或多个子图及其对应的位置信息,每个子图分别对应一个标记;
子图分类单元,用于对每个子图进行标记分类,得到每个子图对应的标签及其置信度;
标记结果单元,用于基于每个子图对应的标签及其置信度和位置信息,获取所述目标图像对应的标记检测结果,所述标记检测结果包括一个或多个标签及其置信度和位置信息。
5.根据权利要求4所述的刺激电极导线的成像识别装置,其特征在于,所述子图分类单元包括:
子图分类子单元,用于利用标记分类模型对每个子图进行标记分类,得到每个子图对应的标记分类结果;
其中,所述标记分类模型的训练过程如下:
获取第二训练集,所述第二训练集包括多个第二训练图像及其对应的标记分类结果的标注数据;
利用所述第二训练集对预设的第二深度学习模型进行训练,得到所述标记分类模型。
6.根据权利要求5所述的刺激电极导线的成像识别装置,其特征在于,在所述标记分类模型的训练过程中,所述利用所述第二训练集对预设的第二深度学习模型进行训练,包括:
针对所述第二训练集中的每个第二训练图像,将所述第二训练图像输入预设的第二深度学习模型,得到与所述第二训练图像相对应的标记检测结果的预测数据;
基于与所述第二训练图像相对应的标记检测结果的预测数据以及标注数据,对所述预设的第二深度学习模型的模型参数进行更新;
检测是否满足预设的第二训练结束条件,如果是,则停止训练,并将训练得到的所述预设的第二深度学习模型作为所述标记分类模型,如果否,则利用下一个所述训练数据继续训练所述预设的第二深度学习模型。
7.根据权利要求1所述的刺激电极导线的成像识别装置,其特征在于,所述装置还包括:
结果显示模块,用于利用所述用户设备显示所述目标图像及其对应的标记检测结果。
8.一种刺激电极导线的成像识别方法,其特征在于,多个电极片设置于刺激电极导线的外周面,至少部分所述电极片上分别设置有标记,所述标记用于在成像时对所述电极片进行识别;
所述方法包括:
S101:利用图像采集设备实时采集所述刺激电极导线的目标图像;
S102:获取所述目标图像对应的标记检测结果,所述标记检测结果包括一个或多个标签及其置信度和位置信息;
S103:判断每个标签的置信度是否满足预设条件;当至少一个标签的置信度不满足所述预设条件时,重新执行步骤S101以获得新的目标图像;当所有标签的置信度均满足所述预设条件时,执行步骤S104;
S104:将所述标记检测结果输出至预设的用户设备。
9.一种电子设备,其特征在于,用于对刺激电极导线进行成像识别,多个电极片设置于刺激电极导线的外周面,至少部分所述电极片上分别设置有标记,所述标记用于在成像时对所述电极片进行识别;
所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求8所述方法的步骤。
10.一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存储有计算机程序,所述计算机程序被处理器执行时实现权利要求8所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210342589.8A CN114712712A (zh) | 2022-03-31 | 2022-03-31 | 刺激电极导线的成像识别方法及相关装置 |
PCT/CN2023/080446 WO2023185410A1 (zh) | 2022-03-31 | 2023-03-09 | 刺激电极导线的成像识别方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210342589.8A CN114712712A (zh) | 2022-03-31 | 2022-03-31 | 刺激电极导线的成像识别方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114712712A true CN114712712A (zh) | 2022-07-08 |
Family
ID=82242147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210342589.8A Pending CN114712712A (zh) | 2022-03-31 | 2022-03-31 | 刺激电极导线的成像识别方法及相关装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114712712A (zh) |
WO (1) | WO2023185410A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023185410A1 (zh) * | 2022-03-31 | 2023-10-05 | 苏州景昱医疗器械有限公司 | 刺激电极导线的成像识别方法及相关装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3381366A1 (en) * | 2010-03-12 | 2018-10-03 | Inspire Medical Systems, Inc. | System for identifying a location for nerve stimulation |
TWI442905B (zh) * | 2011-09-30 | 2014-07-01 | Univ Nat Chiao Tung | 刺激目標範圍標定裝置 |
CN112604159B (zh) * | 2020-12-11 | 2022-06-17 | 苏州景昱医疗器械有限公司 | 分片式电极及其标识方法 |
CN113240125A (zh) * | 2021-01-13 | 2021-08-10 | 深延科技(北京)有限公司 | 模型训练方法及装置、标注方法及装置、设备及存储介质 |
CN113244533A (zh) * | 2021-06-24 | 2021-08-13 | 景昱医疗器械(长沙)有限公司 | 参数调整方法、装置、电子设备及计算机可读存储介质 |
CN114712712A (zh) * | 2022-03-31 | 2022-07-08 | 苏州景昱医疗器械有限公司 | 刺激电极导线的成像识别方法及相关装置 |
-
2022
- 2022-03-31 CN CN202210342589.8A patent/CN114712712A/zh active Pending
-
2023
- 2023-03-09 WO PCT/CN2023/080446 patent/WO2023185410A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023185410A1 (zh) * | 2022-03-31 | 2023-10-05 | 苏州景昱医疗器械有限公司 | 刺激电极导线的成像识别方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2023185410A1 (zh) | 2023-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11160981B2 (en) | Systems and methods for selecting stimulation parameters based on stimulation target region, effects, or side effects | |
US11383087B1 (en) | Movement disorder therapy system, devices and methods, and intelligent methods of tuning | |
US11759642B1 (en) | Movement disorder therapy and brain mapping system and methods of tuning remotely, intelligently and/or automatically | |
EP2697780B1 (en) | Implantable medical devices storing graphics processing data | |
US9289603B1 (en) | Movement disorder therapy system, devices and methods, and methods of remotely tuning | |
WO2012166860A1 (en) | Method and system for tuning of movement disorder therapy devices | |
CN115054828B (zh) | 脉冲发生器、医疗系统及计算机可读存储介质 | |
CN114842956B (zh) | 控制设备、医疗系统及计算机可读存储介质 | |
CN107847152A (zh) | 用于疼痛评估的系统和方法 | |
CN113244533A (zh) | 参数调整方法、装置、电子设备及计算机可读存储介质 | |
CN113856040A (zh) | 植入式神经刺激器和植入式神经刺激系统 | |
CN114712712A (zh) | 刺激电极导线的成像识别方法及相关装置 | |
US10716505B2 (en) | Systems and methods for estimating clinical effects of electrical stimulation | |
WO2024001695A1 (zh) | 数据采集方法、装置、系统及计算机可读存储介质 | |
US20220101999A1 (en) | Video Documentation System and Medical Treatments Used with or Independent Thereof | |
US11400294B2 (en) | Method and apparatus for neurostimulation device therapy management | |
US20220361954A1 (en) | Extended Intelligence for Cardiac Implantable Electronic Device (CIED) Placement Procedures | |
CN116895065A (zh) | 核团标注装置及方法、可穿戴的xr设备、相关装置 | |
CN116680571A (zh) | 参数配置装置、医疗系统、存储介质及程序产品 | |
CN117934726A (zh) | 三维可视化方法、装置和系统、可读存储介质 | |
CN115282477A (zh) | 远程医疗设备、医疗系统及计算机可读存储介质 | |
Baumgarten et al. | Image-guided preoperative prediction of pyramidal tract side effect in deep brain stimulation | |
CN114862859A (zh) | 图像识别方法、装置、系统及计算机可读存储介质 | |
CN117476186A (zh) | 刺激参数的可视化预测方法及其装置 |
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 | ||
CB02 | Change of applicant information |
Address after: 215000 building C16, bio nano Park, 218 Xinghu street, Suzhou Industrial Park, Jiangsu Province Applicant after: Jingyu Medical Technology (Suzhou) Co.,Ltd. Address before: 215000 building C16, bio nano Park, 218 Xinghu street, Suzhou Industrial Park, Jiangsu Province Applicant before: SCENERAY Co.,Ltd. |
|
CB02 | Change of applicant information |