CN115444502A - 一种输尿管软镜碎石系统、装置及计算机可读存储介质 - Google Patents
一种输尿管软镜碎石系统、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115444502A CN115444502A CN202211207343.6A CN202211207343A CN115444502A CN 115444502 A CN115444502 A CN 115444502A CN 202211207343 A CN202211207343 A CN 202211207343A CN 115444502 A CN115444502 A CN 115444502A
- Authority
- CN
- China
- Prior art keywords
- calculus
- laser
- laser intensity
- pressure
- lithotripsy
- 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
- 210000000626 ureter Anatomy 0.000 title claims abstract description 68
- 239000013307 optical fiber Substances 0.000 claims abstract description 83
- 238000001237 Raman spectrum Methods 0.000 claims abstract description 80
- 239000000523 sample Substances 0.000 claims abstract description 62
- 239000004575 stone Substances 0.000 claims abstract description 52
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 44
- 238000001514 detection method Methods 0.000 claims abstract description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 73
- 238000012544 monitoring process Methods 0.000 claims description 42
- 238000012549 training Methods 0.000 claims description 42
- 230000015654 memory Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 18
- 238000011010 flushing procedure Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 8
- 230000000149 penetrating effect Effects 0.000 claims 3
- 230000000694 effects Effects 0.000 abstract description 4
- 241000581613 Alchemilla arvensis Species 0.000 abstract description 2
- 239000000835 fiber Substances 0.000 description 11
- 238000001069 Raman spectroscopy Methods 0.000 description 10
- 238000000034 method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000002485 urinary effect Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000009529 body temperature measurement Methods 0.000 description 5
- 210000002700 urine Anatomy 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 241001164374 Calyx Species 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000000244 kidney pelvis Anatomy 0.000 description 3
- 229910052689 Holmium Inorganic materials 0.000 description 2
- 208000031481 Pathologic Constriction Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- KJZYNXUDTRRSPN-UHFFFAOYSA-N holmium atom Chemical compound [Ho] KJZYNXUDTRRSPN-UHFFFAOYSA-N 0.000 description 2
- 230000036262 stenosis Effects 0.000 description 2
- 208000037804 stenosis Diseases 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 206010007027 Calculus urinary Diseases 0.000 description 1
- 208000000913 Kidney Calculi Diseases 0.000 description 1
- 206010029148 Nephrolithiasis Diseases 0.000 description 1
- 206010065809 Ureteric perforation Diseases 0.000 description 1
- 208000009911 Urinary Calculi Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004567 concrete Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 210000003708 urethra Anatomy 0.000 description 1
- 210000001635 urinary tract Anatomy 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- A61B17/22—Implements for squeezing-off ulcers or the like on the inside of inner organs of the body; Implements for scraping-out cavities of body organs, e.g. bones; Calculus removers; Calculus smashing apparatus; Apparatus for removing obstructions in blood vessels, not otherwise provided for
-
- 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
- A61B18/18—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body by applying electromagnetic radiation, e.g. microwaves
- A61B18/20—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body by applying electromagnetic radiation, e.g. microwaves using laser
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/00234—Surgical instruments, devices or methods, e.g. tourniquets for minimally invasive surgery
-
- 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
- A61B2018/00315—Surgical instruments, devices or methods for transferring non-mechanical forms of energy to or from the body for treatment of particular body parts
- A61B2018/00505—Urinary tract
-
- 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
- A61B2018/00636—Sensing and controlling the application of energy
- A61B2018/00642—Sensing and controlling the application of energy with feedback, i.e. closed loop control
- A61B2018/00648—Sensing and controlling the application of energy with feedback, i.e. closed loop control using more than one sensed parameter
-
- 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
- A61B2018/00636—Sensing and controlling the application of energy
- A61B2018/00773—Sensed parameters
- A61B2018/00791—Temperature
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Evolutionary Computation (AREA)
- Heart & Thoracic Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Vascular Medicine (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Optics & Photonics (AREA)
- Electromagnetism (AREA)
- Otolaryngology (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Endoscopes (AREA)
Abstract
本申请属于医疗设备技术领域，公开了一种输尿管软镜碎石系统、装置及计算机可读存储介质，该系统包括：图像获取模块，用于通过拉曼光谱探头获取结石的拉曼光谱图像；结石检测模块，用于通过训练好的卷积神经网络模型对结石的拉曼光谱图像进行识别，得到结石的结石成分；激光推荐模块，用于根据结石的结石成分确定结石对应的激光强度范围，并将激光强度范围进行显示，以供用户从激光强度范围中选择目标激光强度；激光碎石模块，用于控制激光碎石光纤按照目标激光强度对结石进行碎石。本申请可以达到降低操控难度以及提高安全性的效果。
Description
技术领域
本申请涉及医疗设备技术领域，尤其涉及一种输尿管软镜碎石系统、装置及计算机可读存储介质。
背景技术
目前输尿管软镜碎石主要依赖软镜头端的摄像头帮助术者观察视野内结石的位置及大小，并根据经验来调整激光强度进行碎石。在输尿管软镜手术中，首先需要经输尿管软镜向患者泌尿系统内注水，来保障视野清晰并扩宽操作空间。这样会使患者的泌尿系内压力升高，如果压力升高过多，既可能损伤患者的泌尿系统，也可能使患者泌尿系内或结石中的细菌在高压的作用下逆行入血液，产生严重并发症。其次，碎石术中最常用的是钬激光，其碎石机制主要是光热效应，因此激光碎石过程中会产生大量的热量，造成输尿管内的温度升高。过高的温度会灼伤输尿管内壁，导致术后输尿管狭窄，严重者会导致术中输尿管穿孔。而狭窄和穿孔都会对输尿管正常功能造成破坏，甚至危机患者生命。
然而，目前临床使用的输尿管软镜大多不具备测压和测温功能，无法掌握输尿管内的压力和温度，对压力和温度的调控完全依赖于术者经验；同时，目前只能根据术者经验对结石性质进行判断，术后的结石分析报告无法用于指导手术。不同成分的结石需要不同的激光强度，由于不清楚结石成分，术者只能根据个人经验不断调整激光强度，效率低，安全性差，术者操作时困难度高。可见，现有技术中的输尿管软镜碎石装置完全依赖于人为操控，对术者的个人经验、术中状态要求较高，而外科医生在经验不足或疲劳状态下，极易发生操作失误，对患者造成不必要的损伤。综上，现有技术存在操控难度高且安全性差的问题。
发明内容
本申请提供了一种输尿管软镜碎石系统、装置及计算机可读存储介质，能够降低操控难度并提高安全性。
第一方面，本申请实施例提供了一种输尿管软镜碎石系统，该系统包括：
图像获取模块，用于通过拉曼光谱探头获取结石的拉曼光谱图像；
结石检测模块，用于通过训练好的卷积神经网络模型对结石的拉曼光谱图像进行识别，得到结石的结石成分；其中，训练好的卷积神经网络模型是基于不同结石成分的结石的拉曼光谱图像训练得到的；
激光推荐模块，用于根据结石的结石成分确定结石对应的激光强度范围，并将激光强度范围进行显示，以供用户从激光强度范围中选择目标激光强度；
激光碎石模块，用于控制激光碎石光纤按照目标激光强度对结石进行碎石；
安全监测模块，用于实时监测激光碎石光纤的当前激光强度、患者输尿管内的当前温度及当前压力；在当前激光强度大于预设的激光强度安全阈值或当前温度大于预设的温度安全阈值时，关闭激光碎石光纤；并在当前压力大于预设的压力安全阈值时，执行降压操作。
在其中一个实施例中，安全监测模块包括：
激光监测单元，用于实时监测激光碎石光纤的当前激光强度，并在当前激光强度大于预设的激光强度安全阈值时，关闭激光碎石光纤；
温度监测单元，用于实时监测患者输尿管内的当前温度，并在当前温度大于预设的温度安全阈值时，关闭激光碎石光纤；
压力监测单元，用于实时监测患者输尿管内的当前压力，并在当前压力大于预设的压力安全阈值时，调低水泵功率或关闭水泵。
在其中一个实施例中，该系统还包括术中冲水模块，术中冲水模块包括水泵和水管，水泵连接水管的一端，水管的另一端用于插入患者输尿管内进行冲水；水泵电连接压力监测单元。
第二方面，本申请另一实施例提供了一种输尿管软镜碎石装置，该装置包括软镜鞘、软镜头、测温测压探头、拉曼光谱探头、激光碎石光纤、水泵、水管、手柄、显示屏及计算机设备；软镜鞘内设有用于穿过软镜头的摄像头通道、用于穿过测温测压探头的第一通道及用于穿过拉曼光谱探头或激光碎石光纤的第二通道；手柄设于软镜鞘末端的外侧；计算机设备设于软镜鞘末端且分别与软镜头、测温测压探头、拉曼光谱探头、激光碎石光纤、水泵及显示屏连接；水泵连接水管的一端，水管的另一端用于插入患者输尿管内进行冲水。
在其中一个实施例中，计算机设备包括处理器和存储器，存储器中存储有计算机程序，处理器调用存储器中的计算机程序时执行如下步骤：
通过拉曼光谱探头获取结石的拉曼光谱图像；
通过训练好的卷积神经网络模型对结石的拉曼光谱图像进行识别，得到结石的结石成分；其中，训练好的卷积神经网络模型是基于不同结石成分的结石的拉曼光谱图像训练得到的；
根据结石的结石成分确定结石对应的激光强度范围，并将激光强度范围通过显示屏进行显示，以供用户从激光强度范围中选择目标激光强度；
控制激光碎石光纤按照目标激光强度对结石进行碎石；
实时监测激光碎石光纤的当前激光强度，并通过测温测压探头实时监测患者输尿管内的当前温度及当前压力；在当前激光强度大于预设的激光强度安全阈值或当前温度大于预设的温度安全阈值时，关闭激光碎石光纤，并在当前压力大于预设的压力安全阈值时，执行降压操作。
在其中一个实施例中，测温测压探头包括第一光纤和设于第一光纤前端的温度传感器和压力传感器，温度传感器比压力传感器更靠近第一光纤的头端。
在其中一个实施例中，第一通道与第二通道分别设于摄像头通道的上下两侧。
在其中一个实施例中，处理器调用存储器中的计算机程序时还执行如下步骤：
获取多张训练图像，训练图像为标注有结石成分的结石的拉曼光谱图像；
基于多张训练图像对预设的卷积神经网络模型进行训练，得到训练好的卷积神经网络模型。
在其中一个实施例中，处理器调用存储器中的计算机程序时执行在当前压力大于预设的压力安全阈值时，执行降压操作的步骤，包括：
通过压力传感器实时监测患者输尿管内的当前压力，并在当前压力大于预设的压力安全阈值时，调低水泵功率或关闭水泵。
第三方面，本申请一实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如下步骤：
通过拉曼光谱探头获取结石的拉曼光谱图像；
通过训练好的卷积神经网络模型对结石的拉曼光谱图像进行识别，得到结石的结石成分；其中，训练好的卷积神经网络模型是基于不同结石成分的结石的拉曼光谱图像训练得到的；
根据结石的结石成分确定结石对应的激光强度范围，并将激光强度范围通过显示屏进行显示，以供用户从激光强度范围中选择目标激光强度；
控制激光碎石光纤按照目标激光强度对结石进行碎石；
实时监测激光碎石光纤的当前激光强度，并通过测温测压探头实时监测患者输尿管内的当前温度及当前压力；在当前激光强度大于预设的激光强度安全阈值或当前温度大于预设的温度安全阈值时，关闭激光碎石光纤，并在当前压力大于预设的压力安全阈值时，执行降压操作。
综上所述，与现有技术相比，本申请实施例提供的技术方案带来的有益效果至少包括：
本申请实施例提供的一种输尿管软镜碎石系统、装置及计算机可读存储介质，在软镜头端除摄像头外，还配备有用于获取结石的拉曼光谱图像的拉曼光谱探头；然后通过训练好的卷积神经网络模型对结石的拉曼光谱图像进行识别，得到结石的结石成分；根据结石的结石成分确定结石对应的激光强度范围，并将激光强度范围通过显示屏进行显示，以供用户从激光强度范围中选择目标激光强度；最后控制激光碎石光纤按照目标激光强度对结石进行碎石。在上述整个过程中，实时监测激光碎石光纤的当前激光强度、患者输尿管内的当前温度及当前压力，在上述任一项超过其对应安全阈值时，执行相应操作以保证手术安全。上述系统既可以在水压超过其对应安全阈值时，自动降低水压或切断水流，又可以在温度超过其对应阈值时，自动切断激光，能够保证泌尿系统内压力和温度不会过高，从而避免对患者造成损伤；同时，还可以基于拉曼光谱图像分析出结石成分，自动推荐适用的激光强度供用户选择。因此，上述系统可以在术中自动调控水压和温度，并推荐适用的激光强度，从而减轻术者负担，降低了操作难度；又由于一旦发生过压或超温，就会自动降压或切断激光，同时提高了安全性。
附图说明
图1为本申请一个示例性实施例提供的输尿管软镜碎石系统的结构图。
图2为本申请一个示例性实施例提供的安全监测模块的结构图。
图3为本申请一个示例性实施例提供的输尿管软镜碎石装置的结构图。
图4为本申请一个示例性实施例提供的输尿管软镜碎石装置的软镜鞘结构放大图。
图5为本申请一个示例性实施例提供的传感器位置分布的示意图。
图中：1、软镜鞘；2、第一通道；3、摄像头通道；4、第二通道；5、手柄；6、计算机设备；7、显示屏；8、水泵；9、水管；10、第一光纤；11、温度传感器；12、压力传感器。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
目前，输尿管软镜碎石技术是治疗上尿路结石、难治性肾结石的一种重要手段，在泌尿系结石微创治疗方式上所占的比例越来越高。在输尿管软镜碎石手术中，术者经由患者尿道、输尿管等人体自然腔道置入输尿管软镜，软镜的镜身纤细，前端可弯曲，上下可弯曲180°～275°，左右可旋转±90°，可轻便通过迂曲的输尿管到达肾盂并进入角度较小的肾盏，弥补了输尿管硬镜和经皮肾镜的不足，还可以观察且处理不适合经输尿管硬镜和经皮肾镜处理的肾盂、肾盏结石等病变。当输尿管软镜直视下到达结石所在的上段输尿管部位或进入肾盂、肾盏部位时，便可借助钬激光光纤进行准确精细的碎石手术。
本申请的一个实施例提供了一种输尿管软镜碎石系统，上述系统可设于终端内部，请参见图1，该系统包括：
图像获取模块100，用于通过拉曼光谱探头获取结石的拉曼光谱图像。
其中，拉曼光谱(Raman spectra)是一种可以反映分子振动和分子转动的光谱。拉曼光谱探头则是将拉曼光谱技术实际应用于临床的检测探头，其能快速非侵入性检测组织样本，检测用的激光由同样设于终端内部的激光器产生，经由光纤和探头发出，取得结石的拉曼光谱信息后再由光纤返回。
具体地，术者先通过输尿管软镜的软镜头和显示屏确定结石位置，再通过拉曼光谱探头获取该结石的拉曼光谱图像发送给终端。
结石检测模块200，用于通过训练好的卷积神经网络模型对结石的拉曼光谱图像进行识别，得到结石的结石成分。
其中，训练好的卷积神经网络模型是基于不同结石成分的结石的拉曼光谱图像训练得到的，并内置在终端中，该训练好的卷积神经网络模型用于根据结石的拉曼光谱图像得到该结石的结石成分。具体实施时，卷积神经网络模型可以采用现有技术中常用的分类网络，例如VGG-16、DenseNet或ResNet等，除了本实施例中提及的上述分类网络外，本实施例还可通过其他常见的卷积神经网络进行结石成分检测，同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
激光推荐模块300，用于根据结石的结石成分确定结石对应的激光强度范围，并将激光强度范围进行显示，以供用户从激光强度范围中选择目标激光强度。
其中，终端内可以存储有结石成分与碎石使用的激光强度范围之间的对应关系。因此在确定了结石成分之后，基于上述对应关系即可确定适用于碎石的激光强度范围，即根据术中采集到的结石拉曼光谱数据自动生成适用的激光强度范围供术者选择，能够减轻术者负担，降低操作难度。
激光碎石模块400，用于控制激光碎石光纤按照目标激光强度对结石进行碎石。
具体实施时，可以由术者将拉曼光谱探头换为激光碎石光纤，输尿管软镜碎石系统会自动按照目标激光强度控制激光碎石光纤进行碎石。
安全监测模块500，用于实时监测激光碎石光纤的当前激光强度、患者输尿管内的当前温度及当前压力；在当前激光强度大于预设的激光强度安全阈值或当前温度大于预设的温度安全阈值时，关闭激光碎石光纤；并在当前压力大于预设的压力安全阈值时，执行降压操作。
在本实施例中，输尿管软镜鞘除摄像头通道外，还增加上下两个通道，上面的通道可以穿过一根带有温度传感器和压力传感器的光纤，下面的通道可以穿过碎石用的激光碎石光纤或带有拉曼光谱探头的结石成分测量光纤。手术过程中先利用带有拉曼光谱探头的结石成分测量光纤获取结石的拉曼光谱图像，通过训练好的卷积神经网络模型识别结石成分，再根据结石成分生成推荐的激光强度范围，术者可根据推荐的激光强度进行选择，随后可撤出带有拉曼光谱探头的结石成分测量光纤，并在下面的通道中置入激光碎石光纤进行后续操作。上面的通道中的光纤在术中持续保留，将实时监测到的输尿管壁的温度和压力传回系统，如果温度过高，则系统自动关闭激光碎石光纤，切断碎石激光。此外，系统可以根据压力调整水压，如果压力过高，系统会报警，同时降低水压或切断水流，保证手术环境的压力不过高，避免造成严重并发症，从而更好地保护患者。在具体实施过程中，如果上述系统的自动调控无法满足术者的实际要求，也可以切换到人工模式进行调整。
上述实施例提供的一种输尿管软镜碎石系统，可以在软镜头端除摄像头外，还配备有用于获取结石的拉曼光谱图像的拉曼光谱探头；然后通过训练好的卷积神经网络模型对结石的拉曼光谱图像进行识别，得到结石的结石成分；根据结石的结石成分确定结石对应的激光强度范围，并将激光强度范围通过显示屏进行显示，以供用户从激光强度范围中选择目标激光强度；最后控制激光碎石光纤按照目标激光强度对结石进行碎石。在上述整个过程中，实时监测激光碎石光纤的当前激光强度、患者输尿管内的当前温度及当前压力，在上述任一项超过其对应安全阈值时，执行相应操作以保证手术安全。上述系统既可以在水压超过其对应安全阈值时，自动降低水压或切断水流，又可以在温度超过其对应阈值时，自动切断激光，能够保证泌尿系统内压力和温度不会过高，从而避免对患者造成损伤；同时，还可以基于拉曼光谱图像分析出结石成分，自动推荐适用的激光强度供用户选择。因此，上述系统可以在术中自动调控水压和温度，并推荐适用的激光强度，从而减轻术者负担，降低了操作难度；又由于一旦发生过压或超温，就会自动降压或切断激光，同时提高了安全性。
在一些实施例中，请参见图2，安全监测模块500包括：
激光监测单元501，用于实时监测激光碎石光纤的当前激光强度，并在当前激光强度大于预设的激光强度安全阈值时，关闭激光碎石光纤。
具体地，由于系统与激光碎石光纤连接，其可以实时监测当前激光强度，且系统中设置有激光强度安全阈值，一旦当前激光强度超过此阈值，则自动切断激光源，以确保手术安全。
温度监测单元502，用于实时监测患者输尿管内的当前温度，并在当前温度大于预设的温度安全阈值时，关闭激光碎石光纤。
压力监测单元503，用于实时监测患者输尿管内的当前压力，并在当前压力大于预设的压力安全阈值时，调低水泵功率或关闭水泵。
在一种实施方式中，激光强度安全阈值可以为632.8nm以下，温度安全阈值可以为42℃，压力安全阈值为180mmHg。
上述实施例可以实现对碎石激光强度、手术环境内温度和压力的实时监测，及时采取关闭激光碎石光纤、调低水泵功率或关闭水泵等相应安全措施，能够避免手术中可能对患者造成的损伤，有助于提高激光碎石手术的安全性。
在一些实施例中，该系统还包括术中冲水模块，术中冲水模块包括水泵和水管，水泵连接水管的一端，水管的另一端用于插入患者输尿管内进行冲水；水泵电连接压力监测单元。
上述实施例中通过术中冲水模块实现对患者输尿管内在术中进行冲水，由于水泵与压力监测单元连接，一旦压力超过安全阈值，术中冲水单元中的水泵就会在压力监测单元的控制下调低功率或关闭，以降低输尿管内的水压。
基于上述各实施例，在一些实施例中，该系统还包括训练图像获取模块，用于获取多张训练图像，训练图像为标注有结石成分的结石的拉曼光谱图像。
具体实施时，可以选取多张不同结石成分的结石的拉曼光谱图像作为原始图像，并对每张原始图像进行结石成分标注，得到卷积神经网络模型使用的多张训练图像。为了更好地训练卷积神经网络模型，获取的原始图像通常数量较多，比如500张、800张、1000张或更多。
神经网络训练模块，用于基于多张训练图像对预设的卷积神经网络模型进行训练，得到训练好的卷积神经网络模型。
其中，神经网络训练模块可以包括：
训练图像分配单元，用于按照预设比例将多张训练图像随机分配为训练集和测试集。
其中，预设比例可以为八比二、六比四等。例如，将多张训练图像中的80％分给训练集，余下的20％分给测试集。
神经网络训练单元，用于通过训练集中的训练图像对预设的卷积神经网络模型进行训练。
具体地，神经网络训练单元可以通过训练集对卷积神经网络模型进行训练，卷积神经网络模型提取出训练图像中结石的拉曼峰值参数，并基于拉曼峰值参数判断结石成分，将卷积神经网络模型判断的结石成分与标注的实际结石成分进行对比来持续优化卷积神经网络模型，使得训练后的卷积神经网络模型具备更高的准确性。
神经网络验证单元，用于使用测试集中的训练图像对训练后的卷积神经网络模型进行验证，得到训练好的卷积神经网络模型。
上述实施例可以利用训练集对卷积神经网络模型进行训练，再利用测试集对训练后的卷积神经网络模型进行验证，进一步保证训练好的卷积神经网络模型对结石成分的检测准确性。
本申请的一个实施例提供了一种输尿管软镜碎石装置，请参见图3，该装置包括软镜鞘1、软镜头、测温测压探头、拉曼光谱探头、激光碎石光纤、水泵8、水管9、手柄5、显示屏7及计算机设备6；请参见图4，软镜鞘1内设有用于穿过软镜头的摄像头通道3、用于穿过测温测压探头的第一通道2及用于穿过拉曼光谱探头或激光碎石光纤的第二通道4；手柄5设于软镜鞘1末端的外侧；计算机设备6设于软镜鞘1末端且分别与软镜头、测温测压探头、拉曼光谱探头、激光碎石光纤、水泵8及显示屏7连接；水泵8连接水管9的一端，水管9的另一端用于插入患者输尿管内进行冲水。
其中，软镜鞘1、软镜头、水泵8、水管9、手柄5、显示屏7及计算机设备6可以使用现有技术中的输尿管软镜结构，在软镜鞘1中增设第一通道2和第二通道4，第一通道2可以供测温测压探头穿过来测量手术环境的压力和温度，第二通道4则供拉曼光谱探头或激光碎石光纤穿过，拉曼光谱探头可以获取结石的拉曼光谱图像，而激光碎石光纤用于对结石进行激光碎石。
具体地，医生将软镜鞘1伸入患者体内，先通过显示屏7查看软镜头所拍摄的影像来定位结石，然后利用拉曼光谱探头检测结石的拉曼光谱图像，计算机设备6获取到结石的拉曼光谱图像之后，通过训练好的卷积神经网络模型识别结石成分，由结石成分确定对应的激光强度。本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
其中，计算机设备包括处理器和存储器，存储器中存储有计算机程序，处理器调用存储器中的计算机程序时执行如下步骤：
通过拉曼光谱探头获取结石的拉曼光谱图像。
通过训练好的卷积神经网络模型对结石的拉曼光谱图像进行识别，得到结石的结石成分；其中，训练好的卷积神经网络模型是基于不同结石成分的结石的拉曼光谱图像训练得到的。
根据结石的结石成分确定结石对应的激光强度范围，并将激光强度范围通过显示屏进行显示，以供用户从激光强度范围中选择目标激光强度。
控制激光碎石光纤按照目标激光强度对结石进行碎石。
实时监测激光碎石光纤的当前激光强度，并通过测温测压探头实时监测患者输尿管内的当前温度及当前压力；在当前激光强度大于预设的激光强度安全阈值或当前温度大于预设的温度安全阈值时，关闭激光碎石光纤，并在当前压力大于预设的压力安全阈值时，执行降压操作。
其中，通过显示屏和软镜头可以定位患者体内结石。
具体实施时，结石按其成分可以分为显性结石和隐性结石两种。其中，显性结石适用的激光强度范围为500nm，隐性结石适用的激光强度范围为400nm。
对于本实施例中上述步骤的说明，请参见上述各系统实施例中对于输尿管软镜碎石系统的说明内容，在此不再加以赘述。
目前检测结石成分的常规技术手段往往需要干燥环境，而输尿管内显然无法满足这一要求，但采用Raman光谱探头可以有尿液存在的情况下检测出结石成分。
具体实施时，Raman光谱探头可以位于一根光纤上，后文将该光纤称为第二光纤，先使得第二光纤穿过第二通道进入患者体内，以便Raman光谱探头采集结石的拉曼光谱图像，并将采集到的拉曼光谱图像发送给计算机设备处理得到结石成分，基于结石成分确定适当的激光强度；然后取出第二光纤，将激光碎石光纤从第二通道放入，对结石进行激光碎石。在一种实施方式中，可以采用直径为0.3mm的Raman光谱探头，以及直径为0.55mm的第二光纤。
在一些实施例中，请参见图5，测温测压探头包括第一光纤10和设于第一光纤10前端的温度传感器11和压力传感器12，温度传感器11比压力传感器12更靠近第一光纤10的头端。
其中，第一光纤10的直径一般大于传感器直径，温度传感器11和压力传感器12分别可拆卸地设于第一光纤10前端；温度传感器11比压力传感器12更靠近第一光纤的头端。例如图5所示，第一光纤10上温度传感器11在前，压力传感器12在后。
具体实施时，第一光纤10的直径为0.5～0.6mm，可以适应输尿管软镜弯曲角度的需求，传感器直径可为0.2～0.3mm，例如：光纤直径为0.55mm，传感器直径为0.27mm。
上述实施例将温度传感器和压力传感器设于第一光纤前端，可以随时替换传感器，避免传感器损坏后更换整个装置，有利于节省成本；并且温度传感器在前，便于触及输尿管壁，压力传感器在后，不会影响温度传感器的测温效果；又由于光纤具备可伸缩性，操作灵活方便，可以确保温度传感器更好地贴在输尿管壁上，从而获得输尿管壁的准确温度数据，有助于避免灼伤管壁。
在一些实施例中，为了避免传感器探头与拉曼光谱探头/激光碎石光纤之间发生干扰，第一通道与第二通道分别设于摄像头通道的上下两侧。
其中，第一通道位于摄像头通道的正上方，第二通道位于摄像头通道的正下方，由于手术过程中测温测压探头位于第一通道内，拉曼光谱探头或激光碎石光纤位于第二通道内，因此测温测压探头位于摄像头的12点方向，拉曼光谱探头或激光碎石光纤位于摄像头的6点方向，即测温测压探头与拉曼光谱探头/激光碎石光纤之间有距离，可以保证不会互相干扰。
在一些实施例中，处理器调用存储器中的计算机程序时还执行如下步骤：
获取多张训练图像，训练图像为标注有结石成分的结石的拉曼光谱图像。
基于多张训练图像对预设的卷积神经网络模型进行训练，得到训练好的卷积神经网络模型。
在一些实施例中，处理器调用存储器中的计算机程序时执行在当前压力大于预设的压力安全阈值时，执行降压操作的步骤，包括：
通过压力传感器实时监测患者输尿管内的当前压力，并在当前压力大于预设的压力安全阈值时，调低水泵功率或关闭水泵。
对于本实施例中上述步骤的说明，请参见上述各系统实施例中对于输尿管软镜碎石系统的说明内容，在此不再加以赘述。
具体实施时，上述输尿管软镜碎石装置中的计算机设备可以是终端，处理器用于提供计算和控制能力，存储器包括非易失性存储介质和内存储器，非易失性存储介质存储有操作系统和计算机程序，内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。
本申请的一个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述各实施例中输尿管软镜碎石装置的计算机设备所执行的步骤。其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例中提供的计算机可读存储介质的工作过程、工作细节和技术效果，可以参见上文中关于输尿管软镜碎石系统的实施例，于此不再赘述。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同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。尤其，对于装置或装置实施例而言，由于其基本相似于系统实施例，所以描述得比较简单，相关之处参见系统实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上对本申请所提供的技术方案进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方案及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本申请的限制。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种输尿管软镜碎石系统，其特征在于，所述系统包括：
图像获取模块，用于通过拉曼光谱探头获取结石的拉曼光谱图像；
结石检测模块，用于通过训练好的卷积神经网络模型对所述结石的拉曼光谱图像进行识别，得到所述结石的结石成分；其中，所述训练好的卷积神经网络模型是基于不同结石成分的结石的拉曼光谱图像训练得到的；
激光推荐模块，用于根据所述结石的结石成分确定所述结石对应的激光强度范围，并将所述激光强度范围进行显示，以供用户从所述激光强度范围中选择目标激光强度；
激光碎石模块，用于控制激光碎石光纤按照所述目标激光强度对所述结石进行碎石；
安全监测模块，用于实时监测所述激光碎石光纤的当前激光强度、患者输尿管内的当前温度及当前压力；在所述当前激光强度大于预设的激光强度安全阈值或所述当前温度大于预设的温度安全阈值时，关闭所述激光碎石光纤；并在所述当前压力大于预设的压力安全阈值时，执行降压操作。
2.根据权利要求1所述的系统，其特征在于，所述安全监测模块包括：
激光监测单元，用于实时监测所述激光碎石光纤的当前激光强度，并在所述当前激光强度大于预设的激光强度安全阈值时，关闭所述激光碎石光纤；
温度监测单元，用于实时监测患者输尿管内的当前温度，并在所述当前温度大于预设的温度安全阈值时，关闭所述激光碎石光纤；
压力监测单元，用于实时监测患者输尿管内的当前压力，并在所述当前压力大于预设的压力安全阈值时，调低水泵功率或关闭水泵。
3.根据权利要求2所述的系统，其特征在于，所述系统还包括术中冲水模块，所述术中冲水模块包括所述水泵和水管，所述水泵连接所述水管的一端，所述水管的另一端用于插入患者输尿管内进行冲水；所述水泵电连接所述压力监测单元。
4.一种输尿管软镜碎石装置，其特征在于，所述装置包括软镜鞘、软镜头、测温测压探头、拉曼光谱探头、激光碎石光纤、水泵、水管、手柄、显示屏及计算机设备；所述软镜鞘内设有用于穿过所述软镜头的摄像头通道、用于穿过所述测温测压探头的第一通道及用于穿过所述拉曼光谱探头或所述激光碎石光纤的第二通道；所述手柄设于所述软镜鞘末端的外侧；所述计算机设备设于所述软镜鞘末端且分别与所述软镜头、所述测温测压探头、所述拉曼光谱探头、所述激光碎石光纤、所述水泵及所述显示屏连接；所述水泵连接所述水管的一端，所述水管的另一端用于插入患者输尿管内进行冲水。
5.根据权利要求4所述的装置，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行如下步骤：
通过所述拉曼光谱探头获取结石的拉曼光谱图像；
通过训练好的卷积神经网络模型对所述结石的拉曼光谱图像进行识别，得到所述结石的结石成分；其中，所述训练好的卷积神经网络模型是基于不同结石成分的结石的拉曼光谱图像训练得到的；
根据所述结石的结石成分确定所述结石对应的激光强度范围，并将所述激光强度范围通过所述显示屏进行显示，以供用户从所述激光强度范围中选择目标激光强度；
控制所述激光碎石光纤按照所述目标激光强度对所述结石进行碎石；
实时监测所述激光碎石光纤的当前激光强度，并通过所述测温测压探头实时监测患者输尿管内的当前温度及当前压力；在所述当前激光强度大于预设的激光强度安全阈值或所述当前温度大于预设的温度安全阈值时，关闭所述激光碎石光纤，并在所述当前压力大于预设的压力安全阈值时，执行降压操作。
6.根据权利要求4所述的装置，其特征在于，所述测温测压探头包括第一光纤和设于所述第一光纤前端的温度传感器和压力传感器，所述温度传感器比所述压力传感器更靠近所述第一光纤的头端。
7.根据权利要求4所述的装置，其特征在于，所述第一通道与所述第二通道分别设于所述摄像头通道的上下两侧。
8.根据权利要求4所述的装置，其特征在于，所述处理器调用所述存储器中的计算机程序时还执行如下步骤：
获取多张训练图像，所述训练图像为标注有结石成分的结石的拉曼光谱图像；
基于所述多张训练图像对预设的卷积神经网络模型进行训练，得到所述训练好的卷积神经网络模型。
9.根据权利要求6所述的装置，其特征在于，所述处理器调用所述存储器中的计算机程序时执行所述在所述当前压力大于预设的压力安全阈值时，执行降压操作的步骤，包括：
通过所述压力传感器实时监测患者输尿管内的当前压力，并在所述当前压力大于预设的压力安全阈值时，调低水泵功率或关闭水泵。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：
通过所述拉曼光谱探头获取结石的拉曼光谱图像；
通过训练好的卷积神经网络模型对所述结石的拉曼光谱图像进行识别，得到所述结石的结石成分；其中，所述训练好的卷积神经网络模型是基于不同结石成分的结石的拉曼光谱图像训练得到的；
根据所述结石的结石成分确定所述结石对应的激光强度范围，并将所述激光强度范围通过所述显示屏进行显示，以供用户从所述激光强度范围中选择目标激光强度；
控制所述激光碎石光纤按照所述目标激光强度对所述结石进行碎石；
实时监测所述激光碎石光纤的当前激光强度，并通过所述测温测压探头实时监测患者输尿管内的当前温度及当前压力；在所述当前激光强度大于预设的激光强度安全阈值或所述当前温度大于预设的温度安全阈值时，关闭所述激光碎石光纤，并在所述当前压力大于预设的压力安全阈值时，执行降压操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211207343.6A CN115444502A (zh) | 2022-09-30 | 2022-09-30 | 一种输尿管软镜碎石系统、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211207343.6A CN115444502A (zh) | 2022-09-30 | 2022-09-30 | 一种输尿管软镜碎石系统、装置及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115444502A true CN115444502A (zh) | 2022-12-09 |
Family
ID=84308969
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211207343.6A Pending CN115444502A (zh) | 2022-09-30 | 2022-09-30 | 一种输尿管软镜碎石系统、装置及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115444502A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150366571A1 (en) * | 2014-06-24 | 2015-12-24 | Gyrus Acmi, Inc. (D.B.A. Olympus Surgical Technologies America) | Image-based computer-aided safe stone extraction advisor |
| CN105954257A (zh) * | 2016-05-24 | 2016-09-21 | 厦门市卓厦光电科技有限公司 | 一种智能人体结石成分分析仪及其使用方法 |
| CN110811826A (zh) * | 2019-12-11 | 2020-02-21 | 宁波智光机电科技有限公司 | 智能碎石系统 |
| CN111297316A (zh) * | 2020-03-26 | 2020-06-19 | 珠海市司迈科技有限公司 | 一种电子输尿管软镜、系统及使用方法 |
| CN114449946A (zh) * | 2019-08-05 | 2022-05-06 | 捷锐士阿希迈公司(以奥林巴斯美国外科技术名义) | 使用光谱仪的激光控制 |
-
2022
- 2022-09-30 CN CN202211207343.6A patent/CN115444502A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150366571A1 (en) * | 2014-06-24 | 2015-12-24 | Gyrus Acmi, Inc. (D.B.A. Olympus Surgical Technologies America) | Image-based computer-aided safe stone extraction advisor |
| CN105954257A (zh) * | 2016-05-24 | 2016-09-21 | 厦门市卓厦光电科技有限公司 | 一种智能人体结石成分分析仪及其使用方法 |
| CN114449946A (zh) * | 2019-08-05 | 2022-05-06 | 捷锐士阿希迈公司(以奥林巴斯美国外科技术名义) | 使用光谱仪的激光控制 |
| CN110811826A (zh) * | 2019-12-11 | 2020-02-21 | 宁波智光机电科技有限公司 | 智能碎石系统 |
| CN111297316A (zh) * | 2020-03-26 | 2020-06-19 | 珠海市司迈科技有限公司 | 一种电子输尿管软镜、系统及使用方法 |
Non-Patent Citations (2)
| Title |
|---|
| 倪丹妮，莆小允: "《基于拉曼光谱技术的尿液结晶鉴别及分型的研究》" * |
| 左佳倩，王煜凯，王红球， 耿琳: "《基于卷积神经网络特征提取的拉曼光谱分类研究》" * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20060155194A1 (en) | Method for detecting occlusions and leakages in subcutaneous blood vessels | |
| US11318045B2 (en) | Image guidance methods and apparatus for glaucoma surgery | |
| CN115444502A (zh) | 一种输尿管软镜碎石系统、装置及计算机可读存储介质 | |
| CN108670407A (zh) | 一种带温度传感器的输尿管镜 | |
| WO2023044309A1 (en) | Systems and methods of analyzing a kidney stone | |
| CN211300237U (zh) | 一种腹腔内部环境监测装置 | |
| EP3996619A1 (de) | System zur temperaturüberwachung bei der durchführung einer laserlicht-basierten intrakorporalen lithotripsie | |
| CN205644655U (zh) | 一种窥镜下电外科发生器阻抗与图像智能识别系统 | |
| CN111184539A (zh) | 一种具有监测功能的神经内镜 | |
| CN214342234U (zh) | 一种显露型胆道镜 | |
| CN210249923U (zh) | 一种具有监测功能的神经内镜及视频系统 | |
| JPH0680401U (ja) | 眼底内視鏡 | |
| US11406449B1 (en) | Optical splitter for laser surgical systems with overheating protection | |
| US8332014B2 (en) | Scanned beam device and method using same which measures the reflectance of patient tissue | |
| AU2023203468A1 (en) | Endoscope assembly and endoscope system having the same | |
| JPWO2022202401A5 (zh) | ||
| CN111616676A (zh) | 眼部胬肉检测定位系统 | |
| CN113040707A (zh) | 人体组织病变参数解析平台及方法 | |
| Kok et al. | Cystourethroscopic instrumentation and equipment | |
| Davies et al. | Office‐Based Cystoscopy: Continued Advances |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221209 |