CN115211949A - 手术烟雾的处理方法、医疗系统和计算机设备 - Google Patents
手术烟雾的处理方法、医疗系统和计算机设备 Download PDFInfo
- Publication number
- CN115211949A CN115211949A CN202210815676.0A CN202210815676A CN115211949A CN 115211949 A CN115211949 A CN 115211949A CN 202210815676 A CN202210815676 A CN 202210815676A CN 115211949 A CN115211949 A CN 115211949A
- Authority
- CN
- China
- Prior art keywords
- smoke
- control parameter
- target
- surgical instrument
- image
- 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
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
-
- 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
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B90/37—Surgical systems with images on a monitor during operation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- A61B2018/00571—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body for achieving a particular surgical effect
- A61B2018/00577—Ablation
-
- 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
- A61B2018/00571—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body for achieving a particular surgical effect
- A61B2018/00589—Coagulation
-
- 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
- A61B2018/00571—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body for achieving a particular surgical effect
- A61B2018/00601—Cutting
-
- 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
- A61B2018/00571—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body for achieving a particular surgical effect
- A61B2018/00607—Coagulation and cutting with the same instrument
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2218/00—Details of surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2218/00—Details of surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body
- A61B2218/001—Details of surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body having means for irrigation and/or aspiration of substances to and/or from the surgical site
- A61B2218/007—Aspiration
- A61B2218/008—Aspiration for smoke evacuation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Evolutionary Computation (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Otolaryngology (AREA)
- Gynecology & Obstetrics (AREA)
- Radiology & Medical Imaging (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pathology (AREA)
- Surgical Instruments (AREA)
Abstract
本说明书提供了手术烟雾的处理方法、医疗系统和计算机设备。基于该方法,在进行手术前,可以先获取待使用的目标手术器械的关联信息,以及待进行手术的目标器官的关联信息;再根据目标手术器械的关联信息和目标器官的关联信息,确定出相匹配的第一控制参数;进而可以根据第一控制参数,提前启动并控制排烟设备处于待机状态。在进行手术时,可以实时或定时采集并根据手术过程中的手术图像,确定出烟雾特征数据;再根据烟雾特征数据和第一控制参数,控制排烟设备进行烟雾清除处理。从而能够智能、精准地识别并自动清除手术过程中产生的烟雾,有效地减少烟雾对手术视野的干扰,降低手术风险。
Description
技术领域
本说明书属于医疗机器人技术领域,尤其涉及手术烟雾的处理方法、医疗系统和计算机设备。
背景技术
在手术的过程中,常常会由于手术器械电凝或电切等操作产生大量烟雾,进而对医生的手术视野产生干扰,增加手术风险。
基于现有方法,大多需要医生先通过显示屏人工判断是否出现烟雾;在判断出现烟雾的情况下,再人工操控气腹机等设备来清除烟雾。上述方法具体实施时,往往存在操作过程繁琐、不够智能;且烟雾清除效果较差,容易出现误差,影响手术正常进行等问题。
针对上述问题,目前尚未提出有效的解决方案。
发明内容
本说明书提供了一种手术烟雾的处理方法、医疗系统和计算机设备,能够智能、精准地识别并自动清除手术过程中产生的烟雾,有效地减少烟雾对手术视野的干扰,降低手术风险。
本说明书提供了一种手术烟雾的处理方法,包括:获取目标手术器械的关联信息,以及待进行手术的目标器官的关联信息;根据目标手术器械的关联信息和目标器官的关联信息,确定出相匹配的第一控制参数;根据第一控制参数,启动并控制排烟设备处于待机状态,以在手术过程中当检测到烟雾时进行烟雾清除处理。
本说明书还提供了一种手术烟雾的处理方法,包括:获取手术过程中的手术图像;根据手术图像,获取有效图像特征;其中,所述有效图像特征包括以下至少之二:图像的灰度值、众数灰度值、中位数灰度值、平均灰度值、灰度值方差、面积比、周长比、灰度值分布比例;根据所述有效图像特征,控制排烟设备在手术过程中进行相应的烟雾清除处理。
本说明书还提供了一种医疗系统,包括:手术烟雾的处理装置、内窥镜、芯片读取单元和排烟设备,所述芯片读取单元用于获取目标手术器械的关联信息,所述内窥镜用于获取待进行手术的目标器官的关联信息,所述手术烟雾的处理装置用于根据目标手术器械的关联信息和目标器官的关联信息,采用所述手术烟雾的处理方法控制排烟设备清除手术过程中的烟雾。
本说明书还提供了一种计算机设备,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现所述手术烟雾的处理方法的相关步骤。
本说明书还提供了一种计算机可读存储介质,其上存储有计算机指令,所述指令被执行时实现所述手术烟雾的处理方法的相关步骤。
基于本说明书提供的手术烟雾的处理方法、医疗系统和计算机设备,在进行手术前,可以通过先获取待使用的目标手术器械的关联信息,以及待进行手术的目标器官的关联信息;再根据目标手术器械的关联信息,以及目标器官的关联信息,确定出相匹配的第一控制参数;进而可以根据第一控制参数,提前启动并控制排烟设备处于待机状态。在具体进行手术时,可以通过实时或定时采集并根据手术过程中的手术图像,确定当前的烟雾特征数据;再根据当前的烟雾特征数据和第一控制参数,控制排烟设备进行当前的烟雾清除处理。从而能够智能、精准地识别并自动清除手术过程中产生的烟雾,有效地减少烟雾对手术视野的干扰,降低手术风险。还通过利用预设的烟雾预测模型处理目标手术器械的关联信息和目标器官的关联信息,以提前预测出待进行的手术是否可能会出现烟雾,以及烟雾可能的浓度、范围等烟雾情况,进而可以准确地确定出合适的第一控制参数来预先控制排烟设备的排烟功率。还通过采集手术过程中的手术图像,并从该手术图像中提取多个有效图像特征;再基于统计学原理,同时综合多个有效图像特征,通过多量纲分析,准确地确定合适的第二控制参数,进而可以及时、灵活调整排烟设备当前的排烟功率,获得相对较好的排烟效果。
附图说明
为了更清楚地说明本说明书实施例,下面将对实施例中所需要使用的附图作简单地介绍,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本说明书的一个实施例提供的手术烟雾的处理方法的流程示意图;
图2是在医疗系统中应用本说明书实施例提供的手术烟雾的处理方法的一种实施例的示意图;
图3是患者手术平台的结构组成示意图;
图4是目标手术器械的结构组成示意图;
图5是读取手术器械的存储芯片的芯片信息的实施例示意图;
图6是在一个场景示例中,应用本说明书实施例提供的手术烟雾的处理方法确定烟雾特征数据的实施例示意图;
图7是在一个场景示例中,应用本说明书实施例提供的手术烟雾的处理方法利用反馈数据对相关模型进行调整更新的实施例示意图;
图8是本说明书的另一个实施例提供的手术烟雾的处理方法的流程示意图;
图9是本说明书的一个实施例提供的计算机设备的结构组成示意图;
图10是本说明书的一个实施例提供的医疗系统的结构组成示意图;
图11是本说明书的一个实施例提供的手术烟雾的处理装置的结构组成示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
参阅图1所示,本说明书实施例提供了一种手术烟雾的处理方法。具体实施时,该方法可以包括以下内容:
S101:获取目标手术器械的关联信息,以及待进行手术的目标器官的关联信息;
S102:根据目标手术器械的关联信息和目标器官的关联信息,确定出相匹配的第一控制参数;
S103:根据第一控制参数,启动并控制排烟设备处于待机状态,以在手术过程中当检测到烟雾时进行烟雾清除处理。
在一些实施例中,上述目标手术器械具体可以理解为待进行手术时需要使用的手术器械。上述目标器官具体可以理解为待进行手术的器官组织。
上述烟雾具体可以理解为手术过程中,手术器械由于电凝或电切等原因所产生的烟雾,这类烟雾会对医生用户的手术视野产生干扰,进而增加患者的手术风险。
上述第一控制参数具体可以理解为用于控制排烟设备的控制参数。具体的,基于上述第一控制参数可以控制排烟设备的排烟功率。进一步,基于上述第一控制参数还可以控制排烟设备的排烟方向、排烟风速等等。
基于本说明书提供的手术烟雾的处理方法,医生用户在使用目标手术器械对患者的目标器官进行具体手术之前,可以先获取并根据目标手术器械的关联信息,以及目标器官的关联信息,提前预测出未来进行手术时可能出现的烟雾情况,进而可以提前确定出针对该烟雾情况的第一控制参数,并根据第一控制参数提前启动排烟设备,以便在具体手术时可以及时地清除手术过程中出现的烟雾。
在一些实施例中,具体可以参阅图2所示,上述手术烟雾的处理方法具体可以应用于医疗系统一侧。医生用户可以利用上述医疗系统对患者进行具体的手术操作。
具体的,参阅图2所示,上述医疗系统至少包括面向患者的患者手术平台(或称患者端控制装置),以及面向医生用户的医生控制台(或称医生端控制装置)。具体的,医生用户可以通过医生控制台控制该患者手术平台以完成对患者的手术。
其中,参阅图3所示,上述患者手术平台具体可以配置有多个机械臂(或称工具臂)。在患者手术平台的多个机械臂中的至少一个机械臂挂载有用于进行手术操作的目标手术器械。
参阅图4所示,上述目标手术器械可以包括:第一端(也称近端控制部分)、长杆,以及第二端(也称远端控制部分)。其中,上述第一端与患者手术平台相连,内嵌有存储芯片。参阅图5所示,上述存储芯片具体可以存储有与该目标手术器械相关的硬件信息,例如,目标手术器械的器械类型、电刀能量等级、使用寿命、出厂日期、手术器械的ID编号(或称ID编码)、使用时长、使用次数等等。上述第二端配置有用于手术的具体硬件器械,例如,鸭嘴抓钳、鼠齿抓钳、强力鸭嘴抓钳等。
在挂载有目标手术器械的机械臂,或者其他机械臂上还可以挂载有排烟设备。其中,上述排烟设备具体可以包括:烟雾排出管道设备。上述排烟设备可以用于排除周围的烟雾。
进一步,上述患者手术平台还与医生控制台相连。医生用户可以通过控制医生控制台控制患者手术平台机械臂的目标手术器械完成具体的手术操作。
此外,在患者手术平台的多个机械臂中的至少一个机械臂还可以挂载有用于内窥镜或者摄像头等图像采集单元。其中,上述图像采集单元还可以伸入手术环境(例如,正在进行手术的患者腹腔)中,并与医生控制台相连。进而,可以通过该图像采集单元实时或定时采集手术过程中的手术图像,并传输至医生控制台进行处理和展示。
基于上述医疗系统,具体进行手术前,医生用户可以通过医生控制平台获取待进行手术的目标手术器械的关联信息,以及目标器官的关联信息;并综合上述目标手术器械的关联信息和目标器官的关联信息,预测出该手术可能出现的烟雾情况;再根据预测出的烟雾情况,确定出相匹配的第一控制参数;进而可以基于该第一控制参数通过医生控制台提前启动排烟设备,并将排烟设备处于待机状态。
具体进行手术时,医生用户还可以通过图像采集单元实时或定时采集手术过程中的手术图像;并通过对该手术图像进行分析和识别,精准地确定出当前真实的烟雾情况;再根据当前真实的烟雾情况,确定出相匹配的第二控制参数;进而可以同时根据第一控制参数和第二控制参数,灵活地控制排烟设备,以便能够更加精准、有效地排除当前手术环境中出现的烟雾。
在一些实施例中,所述目标手术器械的关联信息具体可以理解为与待使用的目标手术器械相关的信息。具体的,所述目标手术器械的关联信息可以包括以下至少之一:目标手术器械的器械类型、目标手术器械的电刀能量等级、目标手术器械的寿命信息等。
其中,上述目标手术器械的器械类型具体可以包括以下至少之一:鸭嘴抓钳、鼠齿抓钳、强力鸭嘴抓钳等。
上述目标手术器械的电刀能量等级具体可以包括:一级、二级、三级等。其中,目标手术器械的电刀能量等级的具体级数可以是由医生用户根据具体情况和使用需求设置的。
在一些实施例中,上述获取目标手术器械的关联信息,具体实施时,可以包括:读取目标手术器械的存储芯片的芯片信息;根据芯片信息,获取目标手术器械的关联信息。
具体的,在机械臂的挂载连接位置处还可以设置有芯片读取单元。当检测到目标手术器械挂载在机械臂时,可以触发芯片读取单元通过对目标手术器械的第一端内的存储芯片进行识别读取,以获取目标手术器械的关联信息。
具体的,在存储芯片中,可以以识别码的形式存储与该目标手术器械相关的信息。相应的,芯片读取单元可以通过读取存储芯片获取相关识别码作为芯片信息;再根据识别码对照表,处理上述芯片信息,以获取目标手术器械的关联信息。
在一些实施例中,所述的目标手术器械的关联信息还可以包括目标手术器械的寿命信息。其中,上述寿命信息具体可以包括:使用寿命和使用时长。相应的,所述方法还可以包括:根据目标手术器械的使用寿命和使用时长,判断该目标手术器械的使用时长是否超出使用寿命;在确定目标手术器械的使用时长超出使用寿命的情况下,提示医生用户更换手术器械,以降低手术风险。
在一些实施例中,在确定目标手术器械的使用时长超出使用寿命的情况下,在提示医生用户更换手术器械之后,在未检测到医生用户更换并挂载了使用时长未超出使用寿命的手术器械之前,医疗系统可以不触发执行上述手术烟雾的处理方法。相反,在确定目标手术器械的使用时长未超出使用寿命的情况下,医疗系统可以正常触发执行上述手术烟雾的处理方法。
在一些实施例中,进一步又考虑到手术器械的使用时长也会对手术过程中的烟雾产生影响。例如,当所使用的手术器械的使用时长较长,甚至接近使用寿命时,手术器械的部分零部件已经出现了老化,在使用该手术器械进行手术的过程中,容易产生相对更多的烟雾。因此,为了能更加准确地预测烟雾情况,以确定出相匹配的第一控制参数,还可以获取寿命信息作为目标手术器械的关联信息;进而可以利用包含有寿命信息的目标手术器械的关联信息与目标器官的关联信息进行组合来预测烟雾情况,以提前确定出较为合适的第一控制参数。
在一些实施例中,所述目标器官的关联信息具体可以理解为与待手术的目标器官相关的信息。具体的,所述目标器官的关联信息可以包括:目标器官的器官类型和/或病灶信息等。
在一些实施例中,上述获取目标器官的关联信息,具体实施时,可以包括:采集待进行手术的目标器官的器官图像;对所述器官图像进行图像识别,以获取目标器官的关联信息。
具体的,可以通过控制设置有图像采集单元的机械臂先伸入进手术环境中,并针对待手术的目标器官进行拍照,以得到目标器官的器官图像。
具体的,上述对所述器官图像进行图像识别,以获取目标器官的关联信息,可以包括:利用预设的图像识别模型处理器官图像,得到对应的识别结果;根据所述识别结果,确定目标器官的关联信息。
其中,上述预设的图像识别模型具体可以理解为一种能够基于输入的图像,识别并输出该图像中的器官的器官类型、病灶信息等数据作为识别结果的图像算法模型。
具体的,上述预设的图像识别模型可以按照以下方式训练得到:获取包含有器官的样本图像;并在样本图像中标注出器官类型以病灶信息等,得到标注后的样本图像;利用标注后的样本图像进行模型训练,得到预设的图像识别模型。
在一些实施例中,参阅图7所示上述根据目标手术器械的关联信息和目标器官的关联信息,确定出相匹配的第一控制参数,具体实施时,可以包括以下内容:
S1:组合目标手术器械的关联信息和目标器官的关联信息,得到目标组合数据;
S2:利用预设的烟雾预测模型通过处理目标组合数据,得到对应的预测结果;
S3:根据预测结果,确定相匹配的第一控制参数。
其中,上述预设的烟雾预测模型具体可以理解为一种能够基于输入的组合数据,预测出待进行的手术是否会出现烟雾,以及烟雾的浓度、范围等烟雾情况的神经网络模型。
具体实施时,参阅图7所示,可以将目标手术器械的关联信息和目标器官的关联信息进行拼接,得到对应的目标组合数据;再将上述目标组合数据输入至预设的烟雾预测模型中,并运行该预设的烟雾预测模型,得到对应的预测结果。进而,可以根据预测结果,确定该手术未来在进行时的烟雾情况。进一步,可以根据排烟设备的工作性能参数,确定出与上述烟雾情况相匹配的排烟功率;再根据排烟功率,确定出针对该排烟设备的控制参数,作为第一控制参数。
基于上述实施例,可以利用预设的烟雾预测模型通过处理手术前获取的目标器械的关联信息和目标器官的关联信息等,提前预测出该手术未来的烟雾情况;进而可以根据上述烟雾情况,准确地提前确定出相匹配的用于控制排烟设备的第一控制参数。
在一些实施例中,所述预设的烟雾预测模型具体可以为预先通过利用历史手术排雾记录进行模型训练所构建得到的。
具体实施时,可以先搜集历史手术排雾记录,并从历史手术排雾记录中提取出历史上需要进行手术烟雾排除时使用的历史手术器械的关联信息,以及手术所针对的历史器官的关联信息;并组合历史手术器械的关联信息和历史器官的关联信息,得到历史样本数据;同时,还根据历史手术排雾记录,确定与上述历史样本数据对应的烟雾情况;并根据烟雾情况对上述历史样本数据进行标注,得到标注后的历史样本数据;再利用标注后的历史样本数据进行模型训练,得到所述预设的烟雾预测模型。
此外,还可以根据历史手术排雾记录,提取出历史上排烟设备针对不同烟雾情况所使用的排烟功率,以及控制参数;进而可以根据上述数据,构建得到排烟设备针对不同烟雾情况的排烟功率和控制参数的映射关系。
相应的,具体实施时,可以先利用预设的烟雾预测模型处理目标组合数据,得到对应的预测结果;并根据预测结果确定烟雾情况;再根据烟雾情况和上述映射关系,确定出相匹配的控制参数,作为第一控制参数。
在一些实施例中,除了获取目标手术器械的关联信息、目标器官的关联信息外,还可以进一步获取目标手术的环境信息。其中,上述目标手术的环境信息具体可以包括以下所列举的一种或多种:手术类型、温度、湿度等。相应的,可以结合上述目标手术的环境信息,能够更加精准地提前预测出待进行的手术未来的烟雾情况。
在一些实施例中,除了获取目标手术器械的关联信息、目标器官的关联信息外,还可以进一步获取医生用户的自定义参数。其中,上述自义定参数具体可以包括医生用户基于经验自定设置的手术烟雾预测值,例如,“无烟雾”、“烟雾小”、“烟雾大”等。相应的,可以结合上述自定义参数,充分利用医生用户的手术经验,更加准确地提前预测出待进行的手术的未来的烟雾情况。
在一些实施例中,具体实施时,可以先根据第一控制参数,生成相应的控制指令;再根据上述控制指令提前启动排烟设备,并控制排烟设备处于待机状态。进一步,在手术过程中,当检测到存在烟雾时,可以根据第一控制参数,控制排烟设备进行烟雾清除处理。
在一些实施例中,在根据第一控制参数,启动并控制排烟设备处于待机状态之后,所述方法具体实施时,还可以包括以下内容:
S1:获取手术过程中的手术图像;
S2:根据手术图像,确定烟雾特征数据;
S3:根据所述烟雾特征数据和第一控制参数,控制排烟设备进行相应的烟雾清除处理。
其中,上述烟雾特征数据具体可以理解为能够反映出烟雾情况的特征数据。具体的,上述烟雾特征数据可以包括:烟雾浓度,和/或,烟雾范围等。
进一步,上述烟雾特征数据还可以包括:烟雾的扩散方向、烟雾的扩散速度等等。
具体实施时,可以实时或定时(例如,每间隔30秒等)地控制挂载在机械臂上的图像采集单元采集手术过程中当前的手术图像。接着,可以根据当前的手术图像,通过图像分析,确定出对应的烟雾特征数据,得到当前真实的烟雾情况。进而可以根据当前真实的烟雾情况,利用之前确定的第一控制参数,更加精准地控制排烟设备进行当前的烟雾清除处理。
在一些实施例中,上述根据手术图像,确定烟雾特征数据,具体实施时,可以包括:
S1:根据手术图像,获取有效图像特征;其中,所述有效图像特征包括以下至少之一:图像的灰度值、众数灰度值、中位数灰度值、平均灰度值、灰度值方差、面积比、周长比、灰度值分布比例等;
S2:根据有效图像特征,确定烟雾特征数据。
其中,上述所列举的多个有效图像特征具体可以是预先通过对大量历史手术排雾记录进行整理,所筛选出能够较有效地反映出烟雾情况的图像特征。具体实施时,根据具体情况和处理需求,还可以进一步引入其他合适的图像特征作为上述有效图像特征。
具体实施时,可以通过对手术图像进行特征处理,以提取出上述有效图像特征。接着,可以根据统计理论,综合利用上述有效图像特征,结合多个维度属性,通过进行多量纲分析,确定出手术环境中的烟雾的浓度等数据,得到烟雾特征数据。
具体的,在确定烟雾特征数据时,参阅图6所示,可以利用预设的图像多量纲分析模型通过处理有效图像特征,确定出烟雾特征数据。其中,上述预设的图像多量纲分析模型具体可以是预先根据历史手术排雾记录进行统计分析所构建得到的算法模型。
在一些实施例中,上述根据所述烟雾特征数据和第一控制参数,控制排烟设备进行相应的烟雾清除处理,具体实施时,可以包括以下内容:
S1:根据所述烟雾特征数据,确定是否存在烟雾;
S2:在确定存在烟雾的情况下,根据所述烟雾特征数据和第一控制参数,控制排烟设备进行相应的烟雾清除处理。
具体的,可以根据所述烟雾特征数据中的烟雾浓度,检测当前烟雾浓度是否大于预设的浓度下限值;在确定当前的烟雾浓度大于预设的浓度下限值时,可以判断当前存储在烟雾;进而可以利用上述烟雾特征数据和第一控制参数,控制排烟设备及时进行烟雾清除处理。
在一些实施例中,具体进行烟雾清除处理时,可以直接根据第一控制参数,控制排烟设备对当前存在的烟雾进行清除处理;也可以根据烟雾特征数据,调整控制参数,再根据调整后的控制参数,控制排烟设备对当前存在的手术烟雾进行清除处理。
在一些实施例中,上述根据所述烟雾特征数据和第一控制参数,控制排烟设备进行相应的烟雾清除处理,具体实施时,可以包括以下内容:
S1:根据烟雾特征数据,确定相匹配的第二控制参数;
S2:检测第二控制参数是否满足预设的参数阈值范围;其中,所述预设的参数阈值范围根据第一控制参数确定;
S3:在确定第二控制参数满足预设的参数阈值范围的情况下,根据第一控制参数,控制排烟设备进行相应的烟雾清除处理。
在一些实施例中,上述根据烟雾特征数据,确定相匹配的第二控制参数,具体实施时,可以包括:利用预设的烟雾匹配模型处理所述烟雾特征数据,以得到所述第二控制参数。
具体的,在所述烟雾特征数据包括烟雾的扩散方向时,所述第二控制参数还可以包括清除角度等区别与第一控制参数的其他类型参数。
其中,预设的烟雾匹配模型具体可以理解为一种能够基于输入的烟雾特征数据,确定并输出针对排烟设备合适的控制参数的算法模型。
具体实施前,可以按照以下方式训练得到的预设的烟雾匹配模型:根据历史手术排雾记录,提取历史烟雾特征数据,以及与该历史烟雾特征数据对应的历史控制参数;组合所述历史烟雾特征数据和历史控制参数,得到组合后的样本数据;根据组合后的样本数据,训练得到预设的烟雾匹配模型。
此外,具体实施时,还可以根据烟雾特征数据,确定出对应的烟雾情况;再根据烟雾情况,结合映射关系,确定出相匹配的第二控制参数。
在一些实施例中,上述预设的参数阈值范围具体可以理解为第一控制参数的邻近数据值区域。具体的,上述预设的参数阈值范围可以根据第一控制参数和误差容忍度确定。
在一些实施例中,具体实施时,在确定第二控制参数属于预设的参数阈值范围时,可以判断第一控制参数仍然适用于当前的烟雾情况,可以继续根据第一控制参数,控制排烟设备进行当前的烟雾清除处理。相反,在确定第二控制参数不属于预设的参数阈值范围时,可以判断第一控制参数已经不再适用于当前的烟雾情况,进而可以变更使用第二控制参数,控制排烟设备进行当前的烟雾清除处理。
在一些实施例中,在检测第二控制参数是否满足预设的参数阈值范围之后,所述方法还可以包括:在确定第二控制参数不满足预设的参数阈值范围的情况下,根据第二控制参数,控制排烟设备进行相应的烟雾清除处理。
在一些实施例中,上述根据第二控制参数,控制排烟设备进行相应的烟雾清除处理,具体实施时,可以包括以下内容:
S1:根据第二控制参数,封装得到对应的控制指令;
S2:将所述控制指令发送至排烟单元;其中,所述排烟单元与排烟设备相连;所述排烟单元用于对控制指令进行校验;在确定校验通过的情况下,排烟单元根据控制指令控制排烟设备进行排烟操作。
具体的,可以根据相应的封装协议将上述第二控制参数封装成对应的控制指令;再根据相应的传输协议,将上述控制指令发送至排烟单元。
其中,排烟单元与排烟设备相连,用于接收并解析控制指令,得到控制参数;响应控制指令,基于控制参数控制排烟设备。
具体的,上述对控制指令进行校验具体可以包括:根据预设的协议规则对控制指令的合法性进行校验,以避免接收和误响应其他干扰指令。
其中,对控制指令的合法性进行校验,具体可以包括对控制指令的发送源的标识信息进行校验。
在确定合法性校验通过的情况下,还可以再对控制指令所携带的控制参数进行安全性校验,以保证控制指令所携带的控制参数是安全可靠的。
其中,对控制指令的安全性进行校验,具体可以包括:检测控制指令所携带的控制参数是否属于预设的安全阈值范围内。
在一些实施例中,排烟单元在确定控制指令校验通过的情况下,可以响应控制指令,根据第二控制参数控制排烟设备进行当前的排烟操作;相反,排烟单元在确定控制指令校验未通过的情况下,可以不响应控制指令,继续根据第一控制参数控制排烟设备进行当前的排烟操作,等待下一个控制指令。
在一些实施例中,在根据所述烟雾特征数据和第一控制参数,控制排烟设备进行相应的烟雾清除处理之后,所述方法具体实施时,还可以包括:接收医生用户的反馈数据;并根据所述反馈数据,对所使用的模型进行调整和更新。
具体的,可以在与医疗系统相连的存储设备中创建对应的数据库,可以将每次所获取的目标手术器械的关联信息、目标器官的器官图像、手术图像,以及反馈数据存入在数据库内。同时,还可以将相关的模型,例如预设的烟雾预测模型、预设的烟雾匹配模型等,以及历史手术排雾记录等存入数据库内。
此外,还可以定期对数据库中过期的目标手术器械的关联信息、目标器官的器官图像、手术图像进行清理,只在数据库中保留最近几次(例如,最近3次)所获取的目标手术器械的关联信息、目标器官的器官图像、手术图像,以避免数据库中的数据冗余。
具体实施时,医生用户每次使用完上述医疗系统完成手术时,医生控制台可以提示医生用户对本次手术的排烟效果进行评价,并接收医生用户输入的评价数据作为上述反馈数据。进一步,可以根据上述反馈数据确定排烟效果是否符合用户要求。在确定排烟效果不符合用户要求的情况下,可以根对反馈数据进行分析,得到分析结果;再根据分析结果,对数据库中存储的诸如预设的烟雾预测模型、预设的烟雾匹配模型等相关模型,以及其他相关数据进行针对性的调整和更新,从而可以不断提高排烟效果。
由上可见,基于本说明书实施例提供的手术烟雾的处理方法,在进行手术前,可以通过先获取待使用的目标手术器械的关联信息,以及待进行手术的目标器官的关联信息;再根据目标手术器械的关联信息和目标器官的关联信息,确定出相匹配的第一控制参数;进而可以根据第一控制参数,提前启动并控制排烟设备处于待机状态。在进行手术时,可以通过实时或定时采集并根据手术过程中的手术图像,确定烟雾特征数据;再根据烟雾特征数据和第一控制参数,控制排烟设备进行烟雾清除处理。从而能够智能、精准地识别并自动清除手术过程中产生的烟雾,有效地减少烟雾对手术视野的干扰,降低手术风险。还通过利用预设的烟雾预测模型处理目标手术器械的关联信息和目标器官的关联信息,以提前预测出待进行的手术是否可能会出现烟雾,以及烟雾可能的浓度、范围等信息,进而可以准确地确定出合适的第一控制参数来预先控制排烟设备的排烟功率。还通过采集手术过程中的手术图像,并从该手术图像中提取多个有效图像特征;再基于统计学原理,同时综合多个有效图像特征,通过多量纲分析,准确地确定合适的第二控制参数,以及时、灵活调整排烟设备的当前排烟功率。从而可以获得相对较好的排烟效果。
参阅图8所示,本说明书还提供了另一种手术烟雾的处理方法,具体可以包括以下内容:
S801:获取手术过程中的手术图像;
S802:根据手术图像,获取有效图像特征;其中,所述有效图像特征包括以下至少之二:图像的灰度值、众数灰度值、中位数灰度值、平均灰度值、灰度值方差、面积比、周长比、灰度值分布比例;
S803:根据所述有效图像特征,控制排烟设备在手术过程中进行相应的烟雾清除处理。
基于上述实施例,具体实施时,可以根据手术图像提取并利用至少两个有效图像特征,准确地确定出当前的烟雾特征数据;进而可以根据当前的烟雾特征数据确定是否存在烟雾,并在确定存在烟雾的情况下,根据上述烟雾特征数据确定出相匹配的控制参数;再根据上述控制参数自动控制排烟设备准确地对当前烟雾进行清除,获得较好的排烟效果。
本说明书实施例还提供一种计算机设备,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器具体实施时可以根据指令执行以下步骤:获取目标手术器械的关联信息,以及待进行手术的目标器官的关联信息;根据目标手术器械的关联信息和目标器官的关联信息,确定出相匹配的第一控制参数;根据第一控制参数,启动并控制排烟设备处于待机状态,以在手术过程中当检测到烟雾时进行烟雾清除处理。
为了能够更加准确地完成上述指令,参阅图9所示,本说明书实施例还提供了另一种具体的计算机设备,其中,所述计算机设备包括网络通信端口901、处理器902以及存储器903,上述结构通过内部线缆相连,以便各个结构可以进行具体的数据交互。
其中,所述网络通信端口901,具体可以用于获取目标手术器械的关联信息,以及待进行手术的目标器官的关联信息;
所述处理器902,具体可以用于根据目标手术器械的关联信息和目标器官的关联信息,确定出相匹配的第一控制参数;根据第一控制参数,启动并控制排烟设备处于待机状态,以在手术过程中当检测到烟雾时进行烟雾清除处理。
所述存储器903,具体可以用于存储相应的指令程序。
在本实施例中,所述网络通信端口901可以是与不同的通信协议进行绑定,从而可以发送或接收不同数据的虚拟端口。例如,所述网络通信端口可以是负责进行web数据通信的端口,也可以是负责进行FTP数据通信的端口,还可以是负责进行邮件数据通信的端口。此外,所述网络通信端口还可以是实体的通信接口或者通信芯片。例如,其可以为无线移动网络通信芯片,如GSM、CDMA等;其还可以为Wifi芯片;其还可以为蓝牙芯片。
在本实施例中,所述处理器902可以按任何适当的方式实现。例如,处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。本说明书并不作限定。
在本实施例中,所述存储器903可以包括多个层次,在数字系统中,能保存二进制数据的都可以是存储器;在集成电路中,一个没有实物形式的具有存储功能的电路也叫存储器,如RAM、FIFO等;在系统中,具有实物形式的存储设备也叫存储器,如内存条、TF卡等。
本说明书实施例还提供另一种计算机设备,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器具体实施时可以根据指令执行以下步骤:获取手术过程中的手术图像;根据手术图像,获取有效图像特征;其中,所述有效图像特征包括以下至少之二:图像的灰度值、众数灰度值、中位数灰度值、平均灰度值、灰度值方差、面积比、周长比、灰度值分布比例;根据所述有效图像特征,控制排烟设备在手术过程中进行相应的烟雾清除处理。
本说明书实施例还提供了一种基于上述手术烟雾的处理方法的计算机存储介质,所述计算机存储介质存储有计算机程序指令,在所述计算机程序指令被执行时实现:获取目标手术器械的关联信息,以及待进行手术的目标器官的关联信息;根据目标手术器械的关联信息和目标器官的关联信息,确定出相匹配的第一控制参数;根据第一控制参数,启动并控制排烟设备处于待机状态,以在手术过程中当检测到烟雾时进行烟雾清除处理。
本说明书实施例还提供了另一种基于上述手术烟雾的处理方法的计算机存储介质,所述计算机存储介质存储有计算机程序指令,在所述计算机程序指令被执行时实现:获取手术过程中的手术图像;根据手术图像,获取有效图像特征;其中,所述有效图像特征包括以下至少之二:图像的灰度值、众数灰度值、中位数灰度值、平均灰度值、灰度值方差、面积比、周长比、灰度值分布比例;根据所述有效图像特征,控制排烟设备在手术过程中进行相应的烟雾清除处理。
在本实施例中,上述存储介质包括但不限于随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard DiskDrive,HDD)或者存储卡(Memory Card)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的,用于进行网络连接通信的接口。
在本实施例中,该计算机存储介质存储的程序指令具体实现的功能和效果,可以与其它实施方式对照解释,在此不再赘述。
参阅图10所示,本说明书还提供了一种医疗系统,具体可以包括:手术烟雾的处理装置、内窥镜、芯片读取单元和排烟设备,其中,所述芯片读取单元用于获取目标手术器械的关联信息,所述内窥镜用于获取待进行手术的目标器官的关联信息,所述手术烟雾的处理装置用于根据目标手术器械的关联信息和目标器官的关联信息,采用所述手术烟雾的处理方法通过控制排烟设备清除手术过程中的烟雾。
参阅图11所示,在软件层面上,本说明书实施例还提供了一种手术烟雾的处理装置,该装置具体可以包括以下的结构模块:
获取模块1101,具体可以用于获取目标手术器械的关联信息,以及待进行手术的目标器官的关联信息;
确定模块1102,具体可以用于根据目标手术器械的关联信息和目标器官的关联信息,确定出相匹配的第一控制参数;
处理模块1103,具体可以用于根据第一控制参数,启动并控制排烟设备处于待机状态,以在手术过程中当检测到烟雾时进行烟雾清除处理。
在一些实施例中,所述装置在根据第一控制参数,启动并控制排烟设备处于待机状态之后,具体实施时,还可以用于通过获取模块1101获取手术过程中的手术图像;通过确定模块1102根据手术图像,确定烟雾特征数据;通过处理模块1103根据所述烟雾特征数据和第一控制参数,控制排烟设备进行相应的烟雾清除处理。
在一些实施例中,上述处理模块1103具体实施时,可以按照以下方式根据手术图像,确定烟雾特征数据:根据手术图像,获取有效图像特征;其中,所述有效图像特征包括以下至少之一:图像的灰度值、众数灰度值、中位数灰度值、平均灰度值、灰度值方差、面积比、周长比、灰度值分布比例;根据有效图像特征,确定烟雾特征数据。
在一些实施例中,上述处理模块1103具体实施时,可以按照以下方式根据所述烟雾特征数据和第一控制参数,控制排烟设备进行相应的烟雾清除处理:根据所述烟雾特征数据,确定是否存在烟雾;在确定存在烟雾的情况下,根据所述烟雾特征数据和第一控制参数,控制排烟设备进行相应的烟雾清除处理。
在一些实施例中,上述处理模块1103具体实施时,可以按照以下方式根据所述烟雾特征数据和第一控制参数,控制排烟设备进行相应的烟雾清除处理:根据烟雾特征数据,确定相匹配的第二控制参数;检测第二控制参数是否满足预设的参数阈值范围;其中,所述预设的参数阈值范围根据第一控制参数确定;在确定第二控制参数满足预设的参数阈值范围的情况下,根据第一控制参数,控制排烟设备进行相应的烟雾清除处理。
在一些实施例中,上述处理模块1103具体实施时,可以按照以下方式根据烟雾特征数据,确定相匹配的第二控制参数:利用预设的烟雾匹配模型处理所述烟雾特征数据,以得到所述第二控制参数。
在一些实施例中,在检测第二控制参数是否满足预设的参数阈值范围之后,上述处理模块1103具体实施时,还可以用于在确定第二控制参数不满足预设的参数阈值范围的情况下,根据第二控制参数,控制排烟设备进行相应的烟雾清除处理。
在一些实施例中,上述处理模块1103具体实施时,可以按照以下方式根据第二控制参数,控制排烟设备进行相应的烟雾清除处理:根据第二控制参数,封装得到对应的控制指令;将所述控制指令发送至排烟单元;其中,所述排烟单元与排烟设备相连;所述排烟单元用于对控制指令进行校验;在确定校验通过的情况下,排烟单元根据控制指令控制排烟设备进行排烟操作。
在一些实施例中,所述目标手术器械的关联信息包括以下至少之一:目标手术器械的器械类型、目标手术器械的电刀能量等级、目标手术器械的寿命信息等。
在一些实施例中,上述获取模块1101具体实施时,可以按照以下方式获取目标手术器械的关联信息:读取目标手术器械的存储芯片的芯片信息;根据芯片信息,获取目标手术器械的关联信息。
在一些实施例中,目标器官的关联信息具体可以包括:目标器官的器官类型和/或病灶信息等。
在一些实施例中,上述获取模块1101具体实施时,可以按照以下方式获取目标器官的关联信息:采集待进行手术的目标器官的器官图像;对所述器官图像进行图像识别,以获取目标器官的关联信息。
在一些实施例中,上述确定模块1102具体实施时,可以按照以下方式根据目标手术器械的关联信息和目标器官的关联信息,确定出相匹配的第一控制参数:组合目标手术器械的关联信息和目标器官的关联信息,得到目标组合数据;利用预设的烟雾预测模型通过处理目标组合数据,得到对应的预测结果;根据预测结果,确定相匹配的第一控制参数。
在一些实施例中,所述预设的烟雾预测模型具体可以为预先通过利用历史手术排雾记录进行模型训练所构建得到的。
本说明书还提供了另一种手术烟雾的处理装置,具体可以包括以下结构模块:
第一获取模块,具体可以用于获取手术过程中的手术图像;
第二获取模块,具体可以用于根据手术图像,获取有效图像特征;其中,所述有效图像特征包括以下至少之二:图像的灰度值、众数灰度值、中位数灰度值、平均灰度值、灰度值方差、面积比、周长比、灰度值分布比例;
处理模块,具体可以用于根据所述有效图像特征,控制排烟设备在手术过程中进行相应的烟雾清除处理。
需要说明的是,上述实施例阐明的单元、装置或模块等,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
由上可见,基于本说明书实施例提供的手术烟雾的处理装置,在进行手术前,可以通过先获取待使用的目标手术器械的关联信息,以及待进行手术的目标器官的关联信息;再根据目标手术器械的关联信息和目标器官的关联信息,确定出相匹配的第一控制参数;进而可以根据第一控制参数,提前启动并控制排烟设备处于待机状态。在进行手术时,可以通过实时或定时采集并根据手术过程中的手术图像,确定烟雾特征数据;再根据烟雾特征数据和第一控制参数,控制排烟设备进行烟雾清除处理。从而能够智能、精准地识别并自动清除手术过程中产生的烟雾,有效地减少烟雾对手术视野的干扰,降低手术风险。还通过利用预设的烟雾预测模型处理目标手术器械的关联信息和目标器官的关联信息,以提前预测出待进行的手术是否可能会出现烟雾,以及烟雾可能的浓度、范围等信息,进而可以准确地确定出合适的第一控制参数来预先控制排烟设备的排烟功率。还通过采集手术过程中的手术图像,并从该手术图像中提取多个有效图像特征;再基于统计学原理,同时综合多个有效图像特征,通过多量纲分析,准确地确定合适的第二控制参数,以及时、灵活调整排烟设备的当前排烟功率。从而可以获得相对较好的排烟效果。
虽然本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式数据处理环境)。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、产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、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
通过以上的实施例的描述可知,本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本说明书的技术方案本质上可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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,移动终端,服务器,或者网络设备等)执行本说明书各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。本说明书可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
虽然通过实施例描绘了本说明书,本领域普通技术人员知道,本说明书有许多变形和变化而不脱离本说明书的精神,希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。
Claims (17)
1.一种手术烟雾的处理方法,其特征在于,包括:
获取目标手术器械的关联信息,以及待进行手术的目标器官的关联信息;
根据目标手术器械的关联信息和目标器官的关联信息,确定出相匹配的第一控制参数;
根据第一控制参数,启动并控制排烟设备处于待机状态,以在手术过程中当检测到烟雾时进行烟雾清除处理。
2.根据权利要求1所述的方法,其特征在于,在根据第一控制参数,启动并控制排烟设备处于待机状态之后,所述方法还包括:
获取手术过程中的手术图像;
根据手术图像,确定烟雾特征数据;
根据所述烟雾特征数据和第一控制参数,控制排烟设备进行相应的烟雾清除处理。
3.根据权利要求2所述的方法,其特征在于,根据手术图像,确定烟雾特征数据,包括:
根据手术图像,获取有效图像特征;其中,所述有效图像特征包括以下至少之一:图像的灰度值、众数灰度值、中位数灰度值、平均灰度值、灰度值方差、面积比、周长比、灰度值分布比例;
根据有效图像特征,确定烟雾特征数据。
4.根据权利要求2所述的方法,其特征在于,根据所述烟雾特征数据和第一控制参数,控制排烟设备进行相应的烟雾清除处理,包括:
根据所述烟雾特征数据,确定是否存在烟雾;
在确定存在烟雾的情况下,根据所述烟雾特征数据和第一控制参数,控制排烟设备进行相应的烟雾清除处理。
5.根据权利要求2或4所述的方法,其特征在于,根据所述烟雾特征数据和第一控制参数,控制排烟设备进行相应的烟雾清除处理,包括:
根据烟雾特征数据,确定相匹配的第二控制参数;
检测第二控制参数是否满足预设的参数阈值范围;其中,所述预设的参数阈值范围根据第一控制参数确定;
在确定第二控制参数满足预设的参数阈值范围的情况下,根据第一控制参数,控制排烟设备进行相应的烟雾清除处理。
6.根据权利要求5所述的方法,其特征在于,在检测第二控制参数是否满足预设的参数阈值范围之后,所述方法还包括:
在确定第二控制参数不满足预设的参数阈值范围的情况下,根据第二控制参数,控制排烟设备进行相应的烟雾清除处理。
7.根据权利要求5所述的方法,其特征在于,根据烟雾特征数据,确定相匹配的第二控制参数,包括:
利用预设的烟雾匹配模型处理所述烟雾特征数据,以得到所述第二控制参数。
8.根据权利要求5所述的方法,其特征在于,根据第二控制参数,控制排烟设备进行相应的烟雾清除处理,包括:
根据第二控制参数,封装得到对应的控制指令;
将所述控制指令发送至排烟单元;其中,所述排烟单元与排烟设备相连;所述排烟单元用于对控制指令进行校验;在确定校验通过的情况下,排烟单元根据控制指令控制排烟设备进行排烟操作。
9.根据权利要求1所述的方法,其特征在于,目标手术器械的关联信息包括以下至少之一:目标手术器械的器械类型、目标手术器械的电刀能量等级、目标手术器械的寿命信息。
10.根据权利要求9所述的方法,其特征在于,获取目标手术器械的关联信息,包括:
读取目标手术器械的存储芯片的芯片信息;
根据芯片信息,获取目标手术器械的关联信息。
11.根据权利要求1所述的方法,其特征在于,目标器官的关联信息包括:目标器官的器官类型和/或病灶信息。
12.根据权利要求11所述的方法,其特征在于,获取目标器官的关联信息,包括:
采集待进行手术的目标器官的器官图像;
对所述器官图像进行图像识别,以获取目标器官的关联信息。
13.根据权利要求1所述的方法,其特征在于,根据目标手术器械的关联信息和目标器官的关联信息,确定出相匹配的第一控制参数,包括:
组合目标手术器械的关联信息和目标器官的关联信息,得到目标组合数据;
利用预设的烟雾预测模型通过处理目标组合数据,得到对应的预测结果;
根据预测结果,确定相匹配的第一控制参数。
14.一种手术烟雾的处理方法,其特征在于,包括:
获取手术过程中的手术图像;
根据手术图像,获取有效图像特征;其中,所述有效图像特征包括以下至少之二:图像的灰度值、众数灰度值、中位数灰度值、平均灰度值、灰度值方差、面积比、周长比、灰度值分布比例;
根据所述有效图像特征,控制排烟设备在手术过程中进行相应的烟雾清除处理。
15.一种医疗系统,其特征在于,包括:手术烟雾的处理装置、内窥镜、芯片读取单元和排烟设备,其中,所述芯片读取单元用于获取目标手术器械的关联信息,所述内窥镜用于获取待进行手术的目标器官的关联信息,所述手术烟雾的处理装置用于根据目标手术器械的关联信息和目标器官的关联信息,采用权利要求1至13,或14中任一项所述手术烟雾的处理方法控制排烟设备清除手术过程中的烟雾。
16.一种计算机设备,其特征在于,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现权利要求1至13,或14中任一项所述手术烟雾的处理方法的相关步骤。
17.一种计算机可读存储介质,其特征在于,其上存储有计算机指令,所述指令被执行时实现权利要求1至13,或14中任一项所述方法的相关步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210815676.0A CN115211949A (zh) | 2022-07-12 | 2022-07-12 | 手术烟雾的处理方法、医疗系统和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210815676.0A CN115211949A (zh) | 2022-07-12 | 2022-07-12 | 手术烟雾的处理方法、医疗系统和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115211949A true CN115211949A (zh) | 2022-10-21 |
Family
ID=83612876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210815676.0A Pending CN115211949A (zh) | 2022-07-12 | 2022-07-12 | 手术烟雾的处理方法、医疗系统和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115211949A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116563743A (zh) * | 2022-12-09 | 2023-08-08 | 南京图格医疗科技有限公司 | 基于深度学习的检测方法及除烟系统 |
-
2022
- 2022-07-12 CN CN202210815676.0A patent/CN115211949A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116563743A (zh) * | 2022-12-09 | 2023-08-08 | 南京图格医疗科技有限公司 | 基于深度学习的检测方法及除烟系统 |
CN116563743B (zh) * | 2022-12-09 | 2023-12-01 | 南京图格医疗科技有限公司 | 基于深度学习的检测方法及除烟系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230210611A1 (en) | Usage and technique analysis of surgeon / staff performance against a baseline to optimize device utilization and performance for both current and future procedures | |
US20210205030A1 (en) | Image capturing of the areas outside the abdomen to improve placement and control of a surgical device in use | |
US11832899B2 (en) | Surgical systems with autonomously adjustable control programs | |
US20210282781A1 (en) | Method for facility data collection and interpretation | |
EP3505115A1 (en) | Powered surgical tool with predefined adjustable control algorithm for controlling end effector parameter | |
EP3505129A1 (en) | Control of a surgical system through a surgical barrier | |
US10226302B2 (en) | Systems and methods for providing guidance for a robotic medical procedure | |
CN115211949A (zh) | 手术烟雾的处理方法、医疗系统和计算机设备 | |
CN113747827A (zh) | 骨和软组织的智能组织分类器 | |
JP7235212B2 (ja) | 外科手術ビデオのための利き手ツール検出システム | |
US20240112797A1 (en) | System and method of utilizing data of medical systems | |
CN112712016B (zh) | 手术器械识别方法、识别平台及医疗机器人系统 | |
CN112704566B (zh) | 手术耗材核查方法及手术机器人系统 | |
CN113673350A (zh) | 一种手术器械的识别方法、装置、设备及存储介质 | |
CN114504384A (zh) | 一种激光截骨手术机器人的膝关节置换方法及装置 | |
WO2024004013A1 (ja) | プログラム、情報処理方法、及び情報処理装置 | |
US11311346B1 (en) | Systems and methods for automated control of medical instruments using artificial intelligence | |
US20230377709A1 (en) | Method of controlling autonomous operations in a surgical system | |
US11801112B2 (en) | Method for monitoring consumables during a medical procedure and medical image processing system | |
US20240074814A1 (en) | Optical assembly for use in an object handling station | |
CN115077059A (zh) | 空调控制方法、装置、空调和电子设备 | |
CN116310961A (zh) | 操作视频的处理方法、装置和计算机可读存储介质 | |
CN105434042A (zh) | 手术规划系统 |
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 |