CN115844545B - 一种血管介入智能手术机器人及控制方法 - Google Patents

Abstract

本说明书涉及血管介入治疗领域。本说明书实施例提供一种血管介入智能手术机器人及控制方法，血管介入智能手术机器人包括穿刺装置、推送装置、传感装置和控制装置；穿刺装置用于基于目标穿刺参数执行穿刺过程；推送装置用于执行推送过程；传感装置部署于穿刺装置和推送装置中；控制装置用于执行控制方法，控制方法包括：获取患者特征；基于患者特征，确定目标穿刺参数；通过终端向用户推荐目标穿刺参数，以及实时向用户显示风险值和/或发出预警。

Description

一种血管介入智能手术机器人及控制方法

技术领域

本说明书涉及血管介入治疗领域，特别涉及一种血管介入智能手术机器人及控制方法。

背景技术

血管介入手术机器人是血管介入手术中，辅助医生将特制的导管、导丝等精密器械引入人体，对体内病态进行诊断和局部治疗的医疗器械。虽然血管介入手术机器人可协助医生完成大部分的手术步骤，但血管介入手术机器人的智能化程度较低，难以保障对穿刺过程进行准确高效的反馈。

为了提高血管介入手术的智能化程度，CN108309370B公开了一种渐进式的心脑血管介入手术机器人，包括推送导丝机构和旋转导丝机构，分别用于实现血管介入手术中导丝的推送和旋转。但是未涉及到基于患者的实际情况针对性地确定穿刺参数，以及根据穿刺过程中的实时反馈数据智能预测风险。

因此，希望一种血管介入智能手术机器人及控制方法，用于进行针对性的血管介入治疗，并准确预测治疗过程中的风险进行实时反馈。

发明内容

本说明书的目的在于解决现有血管介入手术机器人的智能化程度较低，难以基于患者的实际情况针对性地确定穿刺参数，以及根据穿刺过程中的实时反馈数据智能预测风险的问题，提供了一种血管介入智能手术机器人及控制方法，其应用时能够对患者的实际情况进行分析，确定适用性高的目标穿刺参数，针对性地进行血管介入治疗，并准确预测治疗过程中的风险进行实时反馈，进而能够提升智能手术机器人的智能化程度，保障智能手术机器人执行血管介入的精准性、安全性等。

本说明书一个或多个实施例提供一种血管介入智能手术机器人，该血管介入智能手术机器人包括穿刺装置、推送装置、传感装置和控制装置；穿刺装置包括穿刺针，穿刺装置用于执行穿刺过程，穿刺过程包括在血管介入手术中，将穿刺针刺入目标穿刺点；推送装置包括导丝、导管鞘、导管以及推送机构，推送装置用于执行推送过程，推送过程至少包括在血管介入手术中，通过推送机构将导丝沿目标穿刺点推送至目标靶向区域；传感装置包括力传感器、振动传感器、速度传感器以及温度传感器，传感装置部署于穿刺装置和推送装置中；力传感器、振动传感器、速度传感器和温度传感器分别用于采集穿刺装置在执行穿刺过程中，以及推送装置在执行推送过程中血管内的压力信息、振动信息、速度信息和温度信息；控制装置用于执行控制方法，控制方法包括：获取患者特征；基于患者特征，确定目标穿刺参数；通过终端向用户推荐目标穿刺参数，以及实时向用户显示风险值和/或发出预警。

本说明书一个或多个实施例提供一种血管介入智能手术机器人的控制方法，该方法基于血管介入智能手术机器人实现，包括：获取患者特征；基于患者特征，确定目标穿刺参数；通过终端向用户推荐目标穿刺参数，以及实时向用户显示风险值和/或发出预警。

本说明书一个或多个实施例提供一种血管介入智能手术机器人的控制系统，该系统基于所述血管介入智能手术机器人实现，包括：确定模块，用于：获取患者特征；基于患者特征，确定目标穿刺参数；应用模块，用于通过终端向用户推荐目标穿刺参数，以及实时向用户显示风险值和/或发出预警。

本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如上所述的血管介入智能手术机器人的控制方法。

本说明书实施例的有益效果至少包括：

（1）通过对患者的病灶位置、血管特征等进行分析，筛选确定目标穿刺参数，以及通过对各种候选穿刺参数可能引发的各种穿刺并发症的发生概率进行预测，进而选择发生概率小、处理难度小和对病人健康的威胁程度较低的穿刺并发症所对应的候选穿刺参数作为目标穿刺参数，可以有效提升智能手术机器人进行血管介入治疗的精准度、安全性和智能化程度。同时，在实际穿刺过程中，通过传感装置实时监测穿刺过程中血管的相关信息并进行分析处理，确定实时风险值以及预估的未来风险值，使得智能手术机器人可以及时有效的做出反馈或预警，有效提升智能手术机器人的智能化程度，保障智能手术机器人执行血管介入的精准性、安全性等；

（2）基于向量数据库确定可选穿刺血管的穿刺难度，能够使可选穿刺血管的穿刺难度更加符合实际的穿刺过程，从而提高确定可选穿刺血管的穿刺难度的准确性。同时，基于延迟风险点的数量确定参考评估向量对应的参考穿刺难度，可以充分考虑未来可能存在的异常对确定穿刺难度的影响，使得构建的向量数据库更加准确实用；

（3）考虑穿刺并发症的处理难度和对患者健康的威胁程度来确定目标穿刺参数，能够选择并发症影响较小的目标穿刺参数执行穿刺过程，进而降低可能出现的穿刺并发症对穿刺过程的整体影响，使得应用该目标穿刺参数的治疗过程更有益于患者健康；

（4）通过操作预测模型预测未来操作特征，能够保证确定的推送装置的未来操作特征的准确性，有效缩短处理时长，提高了确定推送装置的未来操作特征的处理效率。同时，通过操作预测模型预测未来操作特征时考虑用户的用户经验值，能使确定的推送装置的未来操作特征更符合实际，进一步保证了操作预测模型输出结果的准确性。同时，通过血管操作承受能力来确定预估操作风险值，智能预测风险，有效降低用户在执行推动过程的失误，保证治疗过程顺利进行。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的血管介入智能手术机器人的结构示意图；

图2是根据本说明书一些实施例所示的血管介入智能手术机器人的控制方法的示例性流程图；

图3是根据本说明书一些实施例所示的实时向用户显示风险值和/或发出预警的示例性流程图；

图4是根据本说明书一些实施例所示的基于概率预测模型确定发生概率序列的示例性示意图；

图5是根据本说明书一些实施例所示的确定风险值的示例性流程图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的血管介入智能手术机器人的结构示意图。如图1所示，血管介入智能手术机器人可以包括穿刺装置、推送装置、传感装置和控制装置等。

穿刺装置是血管介入手术中进行血管穿刺的装置。穿刺装置包括穿刺针。穿刺针为带针芯的中空管状结构，适合导丝通过。穿刺针用于人体表浅动静脉血管前后壁的穿刺。

在一些实施例中，穿刺装置可以用于执行穿刺过程。穿刺过程包括在血管介入手术中，将穿刺针刺入目标穿刺点。关于目标穿刺点的具体内容参见图2及其相关描述。

推送装置是血管介入手术中进行导丝或导管推送的装置。推送装置包括导丝、导管鞘、导管以及推送机构。

导丝对导管起引导及支持作用，帮助导管进入血管及其它腔隙，引导导管顺利到达病灶位置。关于病灶位置的具体内容参见图2及其相关描述。

导管鞘用于在推送过程中，协助各种介入导管进入血管动脉或静脉，提供稳定的手术通道。

导管是具有管壁及腔体的管状物。导管为其他介入器械提供稳定的通路，便于器械到达血管中指定的部位。

推送机构用于驱动导丝或导管前进和转动。

在一些实施例中，推送装置可以用于执行推送过程。推送过程至少包括在血管介入手术中，通过推送机构将导丝沿目标穿刺点推送至目标靶向区域。关于目标靶向域的具体内容参见图2及其相关描述。

传感装置可以用于采集血管内的相关信息。在一些实施例中，传感装置可以包括力传感器、振动传感器、速度传感器以及温度传感器。各个传感装置可以部署于穿刺装置和推送装置中。

在一些实施例中，力传感器用于采集穿刺装置在执行穿刺过程中，以及推送装置在执行推送过程中血管内的压力信息。示例性的力传感器可以包括应变管式力传感器、膜片式力传感器、应变梁式力传感器、组合式力传感器等。关于压力信息的具体内容参见图3及其相关内容。

在一些实施例中，力传感器可以部署于穿刺装置和推送装置中。例如，力传感器可以整合在穿刺针头部。又例如，力传感器可以整合在导丝头部。

在一些实施例中，振动传感器用于采集穿刺装置在执行穿刺过程中，以及推送装置在执行推送过程中血管内的振动信息。示例性的振动传感器可以包括机械式振动传感器、光学式力传感器、电测式力传感器等。关于振动信息的具体内容参见图3及其相关内容。

在一些实施例中，振动传感器可以部署于穿刺装置和推送装置中。例如，振动传感器可以整合在穿刺针头部。又例如，振动传感器可以整合在导丝头部。

在一些实施例中，速度传感器可以用于采集穿刺装置在执行穿刺过程中，以及推送装置在执行推送过程中血管内的速度信息。示例性的速度传感器可以包括霍尔式速度传感器、电磁式速度传感器、光电式速度传感器等。关于速度信息的具体内容参见图3及其相关内容。

在一些实施例中，速度传感器可以部署于穿刺装置和推送装置中。例如，速度传感器可以整合在穿刺针头部。又例如，速度传感器可以整合在导丝头部。

在一些实施例中，温度传感器可以用于采集穿刺装置在执行穿刺过程中，以及推送装置在执行推送过程中血管内的温度信息。示例性的温度传感器可以包括热电偶温度传感器、热电阻温度传感器等。关于温度信息的具体内容参见图3及其相关内容。

在一些实施例中，温度传感器可以部署于穿刺装置和推送装置中。例如，温度传感器可以整合在穿刺针头部。又例如，温度传感器可以整合在导丝头部。

在一些实施例中，传感装置还包括外部图像传感器。外部图像传感器是用于拍摄患者表面（例如，皮肤表面等）的图像的传感器。例如，外部图像传感器可以包括具有拍摄功能的设备（如相机等）。在一些实施例中，外部图像传感器可以用于采集包含目标穿刺点的皮肤区域的图像信息。更多关于图像信息的内容可以参见图5及其相关描述。

在一些实施例中，传感装置还可以包括位置传感器。位置传感器可以部署于推送装置中。位置传感器可以用于采集导丝头部的定位信息。

控制装置是指具有控制和计算能力的系统，例如计算机、工控机、计算云平台等。控制装置中可以包括处理设备，例如CPU等。控制装置用于确定目标穿刺参数、预测风险值等。

图2是根据本说明书一些实施例所示的血管介入智能手术机器人的控制方法的示例性流程图。如图2所示，该流程包括下述步骤。在一些实施例中，该流程可以由控制装置执行。

步骤210，获取患者特征。

患者特征是指患者自身情况或与病情相关的情况等。例如，患者特征可以包括患者的患病情况，体态特征，三维重建图像等。其中，患病情况可以包括患病类型、病情严重程度等。体态特征是指患者的体态相关情况，例如，体态特征可以包括体重、身高等。三维重建图像可以指对患者的病灶位置进行扫描、重建等处理得到的图像。更多关于病灶位置的内容参见后文相关描述。

患者特征可以通过多种方式确定。例如，可以对患者的患病类型、病情严重情况等进行评估，获取患病情况。例如，可以对患者的身高、体重等进行评估获取体态特征。例如，可以利用医学影像设备对患者的病灶位置进行扫描获取三维重建图像。示例性的医学影像设备可以包括但不限于血管造影机、透视机、CT设备、MR设备、B超设备等。

步骤220，基于患者特征，确定目标穿刺参数。

目标穿刺参数可以指执行穿刺过程采用的参数。在一些实施例中，目标穿刺参数可以包括目标穿刺点、目标推送路径等。其中，目标穿刺点可以指穿刺装置进行穿刺的位置点。例如，目标穿刺点可以包括股动脉上的某个位置。又例如，目标穿刺点可以包括其他位置，如肱动脉上的某个位置。目标推送路径可以指将导丝沿目标穿刺点推送至目标靶向区域的路径。关于目标靶向区域的具体内容，参见后文相关描述。

在一些实施例中，控制装置可以基于患者特征，通过参数查询表确定目标穿刺参数。在一些实施例中，参数查询表中包括多个不同的参考患者特征与参考穿刺参数的对应关系。在一些实施例中，可以根据先验知识或历史治疗记录（例如，根据不同患者特征进行血管介入治疗的历史治疗记录）构建多个不同的参考患者特征与参考穿刺参数的对应关系来得到参数查询表。

在一些实施例中，控制装置可以基于患者特征在参数查询表中进行检索，确定与当前的患者特征相似程度高于相似阈值的一个或多个参考患者特征。进一步地，控制装置可以将一个或多个参考患者特征对应的参考穿刺参数中，穿刺效果最好的参考穿刺参数确定为目标穿刺参数。其中，相似阈值可以预先设置，如80%等。

穿刺效果是指执行穿刺过程的结果好坏。在一些实施例中，穿刺效果可以由用户判断。用户可以给穿刺过程打分以评价穿刺效果。用户是指执行穿刺过程及推送过程的人员，如，医护人员等。关于穿刺效果的更多内容参见后文相关描述。

在一些实施例中，控制装置可以基于患者特征，确定多组候选穿刺参数；预测每组候选穿刺参数下的至少一种穿刺并发症的发生概率序列；基于发生概率序列，确定目标穿刺参数。

候选穿刺参数可以指用于确定目标穿刺参数的候选参数。在一些实施例中，候选穿刺参数可以包括候选穿刺点、候选推送路径等。

候选穿刺点可以指用于确定目标穿刺点的穿刺点。例如，候选穿刺点可以包括股动脉上的多个个位置。又例如，候选穿刺点可以包括其他位置，如肱动脉上的多个位置。

候选推送路径可以指用于确定目标推送路径的推送路径。候选穿刺点和候选推送路径的数量可以预先设置，例如，候选穿刺点可以预先设置为3个，候选推送路径可以预先设置为3条。

在一些实施例中，控制装置可以基于患者特征，通过参数查询表确定多组候选穿刺参数。在一些实施例中，控制装置可以基于患者特征在参数查询表中进行检索，确定与当前的患者特征相似程度高于相似阈值的一个或多个参考患者特征，并将一个或多个参考患者特征对应的参考穿刺参数确定为多组候选穿刺参数。更多关于参数查询表、相似阈值的内容参见前文相关描述。

在一些实施例中，控制装置可以基于患者的病灶位置确定至少一个可选穿刺血管，并确定至少一个可选穿刺血管的穿刺难度；基于至少一个可选穿刺血管的穿刺难度筛选候选穿刺血管；基于候选穿刺血管的血管特征确定候选穿刺点；以及，基于候选穿刺点与目标靶向区域之间的多个血管的血管特征，确定候选推送路径。

病灶位置是指机体（例如，人体）发生病变的位置。例如，病灶位置可以包括血管栓塞的位置、血管狭窄的位置或者肿瘤位置等。

可选穿刺血管是指执行穿刺过程可以选择的用于穿刺的血管。例如，可选穿刺血管可以包括腘动脉、胫前动脉、胫后动脉、腓动脉、足底动脉弓等血管。

在一些实施例中，控制装置可以基于患者的病灶位置确定至少一个可选穿刺血管。例如，患者的病灶为锁骨下动脉狭窄，则控制装置可以将与病灶位置连接的至少一个血管确定为可选穿刺血管（如股动脉等）。

穿刺难度是指执行穿刺过程的难易程度。在一些实施例中，穿刺难度可以用分值表示，例如，1-10分，数值越大代表穿刺难度越大。

在一些实施例中，控制装置可以基于可选穿刺血管的血管特征确定可选穿刺血管的穿刺难度。例如，可选穿刺血管可以包括股动脉、桡动脉等，由于股动脉具备血管较粗搏动明显等血管特征，控制装置可以确定桡动脉的穿刺难度大于股动脉的穿刺难度。关于血管特征的说明参见后文相关描述。

在一些实施例中，控制装置可以基于患者特征确定至少一个可选穿刺血管的血管特征；基于至少一个可选穿刺血管的血管特征和患者生理特征构建评估向量；基于评估向量在向量数据库中检索至少一组关联评估向量，对至少一组关联评估向量对应的参考穿刺难度进行加权求和，确定至少一个可选穿刺血管的穿刺难度。

血管特征是指与血管相关的特征。例如，血管特征可以包括血管粗细、曲直情况、搏动情况等。

血管特征可以通过多种方式确定。在一些实施例中，可以通过医学仪器采集可选穿刺血管的血管图像，控制装置可以对血管图像进行分析得到可选穿刺血管的血管特征。例如，医学仪器可以包括血管显像仪等。

患者生理特征是指与患者机能相关的特征。例如，患者生理特征可以包括性别、年龄、心理情况等。其中，心理情况是指患者的心情（如，焦虑或紧张等）。

患者的心理情况可以表示为1-10之间的分数，数值越大，患者的心理情况越差（如，焦虑或紧张的程度越大）。在一些实施例中，患者的心理情况可以基于医生对患者的问诊数据确定。在一些实施例中，患者的心理情况还可以基于该患者的历史治疗记录确定。例如，可以根据患者的历史治疗记录中历史穿刺手术次数、历史每次穿刺手术穿刺效果等确定患者的心理状况。当患者的历史穿刺手术次数越多、历史每次穿刺手术穿刺效果越好时，则确定患者的心理情况对应的分数越小。

评估向量是指基于可选穿刺血管的血管特征和患者生理特征构建的向量。

基于可选穿刺血管的血管特征和患者生理特征构建评估向量的方式可以有多种。例如，基于可选穿刺血管的血管特征和患者生理特征构建评估向量（a，b，c，d，e，f），其中，a表示可选穿刺血管的血管粗细、b表示可选穿刺血管的曲直情况、c表示可选穿刺血管的搏动情况、d表示患者性别、e表示患者年龄、f表示患者心理情况。

向量数据库中可以包括多组参考评估向量及每一组参考评估向量对应的可选穿刺血管的参考穿刺难度。

在一些实施例中，参考评估向量可以基于抽样患者对应的各个可选穿刺血管的血管特征和患者生理特征构建，参考评估向量对应的可选穿刺血管的参考穿刺难度为各可选穿刺血管的穿刺难度。参考评估向量的构建方式见上评估向量。基于多个参考评估向量及其对应的参考穿刺难度可以构建向量数据库。

关联评估向量是指从多个参考评估向量中选取的目标向量。

在一些实施例中，控制装置可以基于评估向量，通过向量数据库确定符合预设条件的至少一组向量，将符合预设条件的至少一组向量确定为至少一组关联评估向量。

预设条件可以指用于确定关联评估向量的条件。在一些实施例中，预设条件可以包括向量相似度满足相似度阈值等。

在一些实施例中，控制装置可以对至少两组关联评估向量对应的参考穿刺难度进行加权求和，确定可选穿刺血管的穿刺难度。在一些实施例中，权重可以相关于向量相似度。向量相似度越大，权重越大。

在一些实施例中，参考评估向量对应的参考穿刺难度相关于用户经验值、穿刺时长、穿刺效果。相应的，控制装置可以基于用户经验值、穿刺时长、穿刺效果调整参考评估向量对应的参考穿刺难度。

用户经验值可以用于衡量用户执行穿刺过程的能力。例如，用户经验值可以用1-10的数值表示，数值越大代表用户经验值越高，则用户执行穿刺过程的能力越强。在一些实施例中，控制装置可以基于用户经验值调整参考评估向量对应的参考穿刺难度。例如，用户经验值越大，参考评估向量对应的参考穿刺难度越小。

在一些实施例中，用户经验值可以相关于血管介入手术的难度和治疗效果。例如，血管介入手术的难度越高或治疗效果越好，则用户经验值越高。在一些实施例中，血管介入手术的难度可以根据预设规则确定。示例性的预设规则可以是：手术时长越长，则手术难度越高。在一些实施例中，手术的治疗效果可以根据手术顺利程度或患者恢复情况确定。例如，患者恢复时间越短则治疗效果越好。

穿刺时长是指执行穿刺过程的时长。在一些实施例中，控制装置可以基于穿刺时长调整参考评估向量对应的参考穿刺难度。例如，穿刺时长越长，参考评估向量对应的参考穿刺难度越大。

穿刺效果是指执行穿刺过程的结果好坏。在一些实施例中，控制装置可以根据穿刺成功的次数或穿刺过程是否顺利来确定穿刺效果，例如，穿刺成功的次数越少则对应的穿刺效果越差。又例如，穿刺过程顺利，对应的穿刺效果越好。在一些实施例中，控制装置可以基于穿刺效果调整参考评估向量对应的参考穿刺难度。例如，穿刺效果越好，参考评估向量对应的参考穿刺难度越小。

本说明书的一些实施例中，基于向量数据库确定可选穿刺血管的穿刺难度，能够使可选穿刺血管的穿刺难度更加符合实际的穿刺过程，从而提高确定可选穿刺血管的穿刺难度的准确性。

在一些实施例中，参考评估向量对应的参考穿刺难度还相关于治疗过程中的延迟风险点数量。其中，延迟风险点是指未来可能存在异常的点位。相应的，控制装置可以基于治疗过程中的延迟风险点数量调整参考评估向量对应的参考穿刺难度。例如，延迟风险点数量越多，则参考评估向量对应的参考穿刺难度越大。更多关于延迟风险点的内容参见图5及其相关内容。

本说明书的一些实施例中，基于延迟风险点的数量确定参考评估向量对应的参考穿刺难度，可以充分考虑未来可能存在的异常对确定穿刺难度的影响，使得构建的向量数据库更加准确实用。

在一些实施例中，控制装置可以通过多种方式，基于至少一个可选穿刺血管的穿刺难度筛选候选穿刺血管。例如，控制装置可以将穿刺难度低于难度阈值的可选穿刺血管作为候选穿刺血管。

候选穿刺血管是指在多个可选穿刺血管中初步确定的可以用于进行穿刺的血管。

在一些实施例中，控制装置可以通过多种方式，基于候选穿刺血管的血管特征确定候选穿刺点。更多关于候选穿刺点的内容参见前文相关描述。

在一些实施例中，控制装置可以根据预设穿刺要求，基于候选穿刺血管的血管特征确定候选穿刺点。预设穿刺要求可以是确定候选穿刺点需要满足的要求。例如，预设穿刺要求可以是血管的血管粗细满足一定阈值、曲直情况满足一定阈值和/或搏动情况满足一定阈值等。示例性的，控制装置可以选择候选穿刺血管上搏动情况、曲直情况符合预设穿刺要求的部位作为穿刺点。

在一些实施例中，控制装置可以通过多种方式，基于候选穿刺点与目标靶向区域之间的多个血管的血管特征，确定候选推送路径。

候选穿刺点与目标靶向区域之间的多个血管是指候选穿刺点与目标靶向区域之间连通的多个血管。

目标靶向区域是指血管介入的治疗区域。例如，目标靶向区域可以是病灶位置对应区域。又例如，目标靶向区域可以是包含病灶位置的区域等。

在一些实施例中，控制装置可以根据预设择优规则，基于候选穿刺点与目标靶向区域之间的多个血管的血管特征，确定候选推送路径。示例性的预设择优规则可以是优先选择搏动情况好、曲直情况为较为笔直的血管作为候选推送路径。例如，控制装置可以从候选穿刺点开始，控制导丝沿着血管往目标靶向区域靠近，遇到血管分支时可以优先选择搏动较强、更直的血管作为候选推送路径。

本说明书的一些实施例中，基于穿刺难度筛选候选穿刺血管并确定候选穿刺参数，能够使候选穿刺参数更加准确进而符合实际的穿刺过程。

在一些实施例中，控制装置可以通过多种方式，预测多组候选穿刺参数中每组候选穿刺参数下的至少一种穿刺并发症的发生概率序列。

穿刺并发症是指穿刺可能引起的并发症，例如，血肿、假性动脉瘤、动脉瘘、动脉夹层或斑块翻转等。每组候选穿刺参数下可能产生至少一种穿刺并发症。

发生概率序列是指每组候选穿刺参数下的至少一种穿刺并发症的发生概率构成的序列。例如，候选穿刺参数A可能引发的至少一种穿刺并发症的发生概率序列可以由（f，g，h，i，j）表示，其中，f可以表示血肿的发生概率，g可以表示假性动脉瘤的发生概率、h可以表示动脉瘘的发生概率，i可以表示动脉夹层的发生概率，j可以表示斑块翻转的发生概率。

在一些实施例中，控制装置可以对多个历史治疗记录中某一穿刺参数下的各种穿刺并发症的发生概率进行统计分析，得到该穿刺参数下的穿刺并发症的发生概率序列。

在一些实施例中，控制装置可以通过概率预测模型预测至少一种穿刺并发症的发生概率序列。更多相关内容参见图4及其相关内容。

在一些实施例中，控制装置可以通过多种方式，基于至少一种穿刺并发症的发生概率序列确定目标穿刺参数。

在一些实施例中，控制装置可以确定候选穿刺参数对应至少一种穿刺并发症的发生概率序列中发生概率小于概率阈值的元素数量（序列中每个元素对应于一种穿刺并发症的发生概率），以及基于元素数量与数量阈值的关系确定目标穿刺参数。例如，控制装置可以确定候选穿刺参数对应至少一种穿刺并发症的发生概率序列中发生概率小于概率阈值的元素数量，并将元素数量小于数量阈值对应的候选穿刺参数确定为目标穿刺参数。

在一些实施例中，控制装置可以基于至少一种穿刺并发症的发生概率序列中不同穿刺并发症的发生概率进行加权求和，确定对应的候选穿刺参数的评估分；基于评估分确定目标穿刺参数。

评估分可以用于评估某一候选穿刺参数是否可以作为目标穿刺参数。

在一些实施例中，控制装置基于至少一种穿刺并发症的发生概率序列中不同穿刺并发症的发生概率进行加权求和时，各穿刺并发症的发生概率对应的权重相关于对应穿刺并发症的处理难度和对患者健康的威胁程度。其中，对患者健康的威胁程度是指穿刺并发症对患者健康的影响程度。不同穿刺并发症的处理难度和对患者健康的威胁程度可以基于先验知识得到。

在一些实施例中，穿刺并发症的处理难度越大，则对应发生概率对应的权重越大；穿刺并发症对患者健康的威胁程度越大，则对应发生概率对应的权重越大。例如，某一发生概率序列（20，40，10，10，5），其表示血肿、假性动脉瘤、动脉瘘、动脉夹层及斑块翻转的发生概率分别为20%、40%、10%、10%及5%，其中血肿、假性动脉瘤及动脉瘘的处理难度较大且对患者健康的威胁程度较大，动脉夹层及斑块翻转的处理难度较小且对患者健康的威胁程度较小，血肿、假性动脉瘤、动脉瘘、动脉夹层及斑块翻转的发生概率的权重可以分别设置为0.3、0.3、0.3、0.05及0.05，则对应的候选穿刺参数的评估分为21.75。

在一些实施例中，控制装置可以将多组候选穿刺参数中评估分最小的一组候选穿刺参数作为目标穿刺参数。

本说明书的一些实施例中，考虑穿刺并发症的处理难度和对患者健康的威胁程度来确定目标穿刺参数，能够选择并发症影响较小的目标穿刺参数执行穿刺过程，进而降低可能出现的穿刺并发症对穿刺过程的整体影响，使得应用该目标穿刺参数的治疗过程更有益于患者健康。

步骤230，通过终端向用户推荐目标穿刺参数，以及实时向用户显示风险值和/或发出预警。

终端是指具有显示功能的设备。例如，终端可以包括移动设备、平板计算机、台式计算机等或其他具有显示功能的设备中的一种或其任意组合。

确定目标穿刺参数后，控制装置可以通过终端实时向用户推荐目标穿刺参数。例如，可以通过终端屏幕实时向用户推荐目标穿刺参数。

在一些实施例中，控制装置可以确定目标穿刺参数对应的风险值。

风险值是指执行穿刺过程发生风险的概率。例如，风险值越大则代表穿刺过程发生风险的概率越大。更多关于风险值的内容参见图3及其相关描述。

在一些实施例中，控制装置可以通过终端实时向用户显示风险值。例如，在向用户推荐目标穿刺参数时，控制装置可以通过终端屏幕向用户显示该目标穿刺参数对应的风险值。

在一些实施例中，控制装置可以判断风险值是否超出风险阈值；以及，响应于风险值大于风险阈值，控制装置可以实时向用户发出预警。进行预警的方式可以包括但不限于预警语音、预警灯光等。关于风险阈值的更多内容，可以参见图3及其相关描述。

本说明书的一些实施例中，通过对患者的病灶位置、血管特征等进行分析，筛选确定目标穿刺参数，以及通过对各种候选穿刺参数可能引发的各种穿刺并发症的发生概率进行预测，进而选择发生概率小、处理难度小和对病人健康的威胁程度较低的穿刺并发症所对应的候选穿刺参数作为目标穿刺参数，可以有效提升智能手术机器人进行血管介入治疗的精准度、安全性和智能化程度。同时，在实际穿刺过程中，通过传感装置实时监测穿刺过程中血管的相关信息并进行分析处理，确定实时风险值以及预估的未来风险值，使得智能手术机器人可以及时有效的做出反馈或预警。有效提升智能手术机器人的智能化程度，保障智能手术机器人执行血管介入的精准性、安全性等。

图3是根据本说明书一些实施例所示的实时向用户显示风险值和/或发出预警的示例性流程图。如图3所示，该流程包括下述步骤。在一些实施例中，该流程可以由控制装置执行。

步骤310，实时获取由传感装置采集的精细反馈数据。

精细反馈数据为传感装置采集的血管内的数据。在一些实施例中，精细反馈数据可以包括压力信息、振动信息、速度信息以及温度信息。在一些实施例中，精细反馈数据可以由向量表示。例如，精细反馈数据可以由向量（A，B，C，D）表示，其中A可以表示压力信息，B可以表示振动信息，C可以表示速度信息，D可以表示温度信息。

压力信息可以指血管内的压力相关的信息。在一些实施例中，压力信息可以包括导丝受到的压力（例如，血压、运动阻力等）。

在一些实施例中，压力信息可以由力传感器在穿刺装置执行穿刺过程中，以及推送装置执行推送过程中对血管内的实时压力进行采集得到。

在一些实施例中，控制装置可以控制力传感器每隔一段时间对压力信息进行采集。在一些实施例中，控制装置可以控制力传感器在推送路径上的特定位置对压力信息进行采集。其中，特定位置可以由系统或人为预设。例如，特定位置可以包括血管分叉时的分叉点，或者每隔一段预设距离设置的位置等。

振动信息可以指血管内的振动相关的信息。在一些实施例中，振动信息可以包括导丝的振动情况（包括振动幅度、振动频率等）。

在一些实施例中，振动信息可以由振动传感器在穿刺装置执行穿刺过程中，以及推送装置执行推送过程中对血管内的实时振动情况进行采集得到。

在一些实施例中，控制装置可以控制振动传感器每隔一段时间对振动信息进行采集。在一些实施例中，控制装置可以控制振动传感器在推送路径上的特定位置对振动信息进行采集。

速度信息可以指与导丝的速度情况相关的信息。在一些实施例中，速度信息可以包括导丝的速度情况（例如，线速度、角速度等）。

在一些实施例中，速度信息可以由速度传感器在穿刺装置执行穿刺过程中，以及推送装置执行推送过程中对导丝的实时速度情况进行采集得到。

在一些实施例中，控制装置可以控制速度传感器每隔一段时间对速度信息进行采集。在一些实施例中，控制装置可以控制速度传感器在推送路径上的特定位置对速度信息进行采集。

温度信息可以指血管内的温度相关的信息。

在一些实施例中，温度信息可以由温度传感器在穿刺装置执行穿刺过程中，以及推送装置执行推送过程中对血管内血流的实时温度进行采集得到。

在一些实施例中，控制装置可以控制温度传感器每隔一段时间对温度信息进行采集。在一些实施例中，控制装置可以控制温度传感器在推送路径上的特定位置对温度信息进行采集。

步骤320，基于精细反馈数据，确定风险值。

风险值是指执行穿刺过程发生风险的概率。在一些实施例中，风险值可以用数值表示。风险值越大则代表穿刺过程发生风险的概率越大。在一些实施例中，风险值包括实时风险值。实时风险值是指在手术过程中实时的风险值。

在一些实施例中，控制装置可以基于精细反馈数据和风险值查询表确定风险值。风险值查询表中包括参考精细反馈数据与参考风险值的对应关系。例如，控制装置可以预先记录并保存不同的精细反馈数据分别对应的不同的风险值的相关表格等。在获取到实时的精细反馈数据后，处理器可以通过查表等方式，确定实时风险值。

在一些实施例中，风险值还包括预估延迟风险值以及预估操作风险值。

预估延迟风险值是指由于当前及历史操作导致未来患者体内可能存在异常的风险值。预估操作风险值是指预测的用户在未来的操作可能存在误操作的风险值。更多关于预估延迟风险值和预估操作风险值的内容可以参见图5及其相关描述。

步骤330，通过终端实时向用户显示风险值，以及响应于风险值大于风险阈值，发出预警。

风险阈值可以由系统或人为预设。例如，由系统或人为根据先验知识或历史经验进行预设。更多关于显示风险值、发出预警的内容可以参见图2及其相关描述。

本说明书一些实施例可以在风险值大于风险阈值时发出预警。可以通过预警建立一系列防控机制，提高医疗安全质量、防止事故发生、保障患者安全。

应当注意的是，上述有关流程的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对上述流程进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

图4是根据本说明书一些实施例所示的概率预测模型的示意图。

在一些实施例中，控制装置可以通过概率预测模型430预测某一组候选穿刺参数下的至少一种穿刺并发症的发生概率序列450。

概率预测模型430可以为机器学习模型。例如，深度神经网络(Deep NeuralNetworks，DNN)模型、卷积神经网络（Convolutional Neural Networks，CNN）模型、循环神经网络（Recurrent Neural Network，RNN）模型等或其任意组合。

在一些实施例中，概率预测模型430的输入可以包括候选穿刺参数410、候选穿刺点对应的血管三维模型420、患者生理特征443、病灶位置444，概率预测模型430的输出可以包括发生概率序列450。

候选穿刺点对应的血管三维模型420为候选穿刺点对应血管的三维模型。控制装置可以基于患者特征中的血管造影序列图像数据进行三维重建获取。

在一些实施例中，概率预测模型430可以包括穿刺特征提取层431、血管特征提取层432、概率预测层433。

穿刺特征提取层431可以为机器学习模型。例如，RNN模型等。在一些实施例中，穿刺特征提取层431的输入可以包括候选穿刺参数410，输出可以包括参数特征向量441。参数特征向量是指基于候选穿刺参数构建的特征向量。更多关于候选穿刺参数的内容可以参见图2及其相关描述。

血管特征提取层432可以为机器学习模型。例如，RNN模型等。在一些实施例中，血管特征提取层432的输入可以包括候选穿刺点对应的血管三维模型420，输出可以包括血管特征向量442。血管特征向量是指基于血管三维模型的血管特征构建的向量。

概率预测层433可以为机器学习模型。例如，DNN模型、CNN模型等。在一些实施例中，概率预测层433中包括多个概率子预测层，如图4所示，概率预测层433可以包括概率子预测层433-1、……、概率子预测层433-n等。概率预测层433中每个概率子预测层的输入相同，包括参数特征向量441、血管特征向量442和患者生理特征443、病灶位置444。更多关于患者生理特征、病灶位置和发生概率序列的内容可以参见图2及其相关描述。每个概率子预测层可以输出一种穿刺并发症的发生概率。如图4所示，概率子预测层433-1可以预测穿刺并发症1的发生概率450-1、……、概率子预测层433-n可以预测穿刺并发症n的发生概率450-n。相应的，概率预测层433可以输出由多种穿刺并发症的发生概率构成的发生概率序列，如图4所示，概率预测层433的输出包括由穿刺并发症1的发生概率450-1、……、穿刺并发症n的发生概率450-n构成的发生概率序列450。

在一些实施例中，概率预测层433的输入还可以包括用户经验值445。更多关于用户经验值的内容参见图2及其相关描述。

在一些实施例中，穿刺特征提取层431、血管特征提取层432的输出可以为概率预测层433的输入，穿刺特征提取层431、血管特征提取层432和概率预测层433可以通过多个有第一标签的第一训练样本联合训练得到。

例如，将样本穿刺参数输入初始穿刺特征提取层，得到初始穿刺特征提取层输出的参数特征向量；将样本穿刺点对应的血管三维模型输入初始血管特征提取层，得到初始血管特征提取层输出的血管特征向量；将参数特征向量、血管特征向量作为训练样本数据，和样本患者生理特征、样本病灶位置输入初始概率预测层中的多个初始概率子预测层，得到各初始概率子预测层输出的一种穿刺并发症的发生概率，以及发生概率序列。基于第一标签和初始概率预测层的输出结果构建损失函数，基于损失函数对初始穿刺特征提取层、初始血管特征提取层和初始概率预测层的参数进行迭代更新，直到满足预设条件时模型训练完成，其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，第一训练样本可以包括样本穿刺参数、样本穿刺点对应的血管三维模型、样本患者生理特征、样本病灶位置。第一标签可以是样本穿刺参数下至少一个穿刺并发症的发生概率序列。在一些实施例中，第一标签可以根据历史治疗记录中不同穿刺并发症发生的数量进行统计来获取。例如，10个历史治疗记录中，有三次历史治疗记录中发生了穿刺并发症A，则穿刺并发症A的发生概率就是30%，有两次历史治疗记录中发生了穿刺并发症B，则穿刺并发症B的发生概率就是20%。

在一些实施例中，当概率预测层的输入还可以包括用户经验值时，第一训练样本还可以包括样本用户经验值。进行联合训练时，可以将样本用户经验值与参数特征向量、血管特征向量、样本患者生理特征、样本病灶位置输入初始概率预测层中的多个初始概率子预测层，其他训练内容与前文相同，此处不再赘述。

本说明书一些实施例中，通过概率预测模型对候选穿刺参数、候选穿刺点对应的血管三维模型、患者生理特征、病灶位置进行处理，能够更便捷且准确地预测并发症的发生概率，以便进行实时反馈和处理，进而降低并发症的发生概率，使得治疗效果更好。同时，在利用模型进行预测时进一步考虑到用户经验值对并发症发生概率的影响，通过历史数据去统计拟合并发症的发生概率，有利于使预测的并发症发生概率更符合真实。

图5是根据本说明书一些实施例所示的确定风险值的示例性流程图。如图5所示，该流程包括下述步骤。在一些实施例中，该流程可以由控制装置执行。

步骤510，基于振动信息确定振动序列。

振动序列是指基于血管内振动信息构建的序列。例如，控制装置可以基于振动信息中每个轨迹点的血管振动情况等构建振动序列。其中血管振动情况可以包括振动强度、振动时长等。振动序列可以用（k，l，m）等表示，k，l，m可以分别代表推送装置经过血管不同轨迹点时的振动信息。其中，更多关于振动信息的说明参见图3及其相关描述。

在一些实施例中，控制装置可以基于振动信息确定振动序列。例如，振动传感器可以采集推送装置在执行推送过程中的振动信息，控制装置将收集到的振动信息按顺序构建为振动序列。

步骤520，基于振动序列、推送装置的轨迹特征和目标推送路径，预测推送装置的未来操作特征。

推送装置的轨迹特征是指与推送装置在血管内运动信息相关的特征。例如，推送装置的轨迹特征可以包括运动轨迹、推送装置在每个轨迹点的速度、推送装置在每个轨迹点的加速度等运动信息。

推送装置的轨迹特征可以通过对推送装置的推送过程进行监测、分析等处理确定。

未来操作特征是指与推送装置在未来的操作情况相关的特征。例如，未来操作特征可以包括推送装置在未来时刻的轨迹点、造成的血管振动情况等。血管振动情况参见上文相关描述。又例如，未来操作特征可以包括推送装置在未来轨迹点（例如，导丝在目标推送路径上暂未经过的轨迹点）造成的血管振动情况。

在一些实施例中，控制装置可以基于对振动序列、推送装置的轨迹特征和目标推送路径的分析处理，预测推送装置的未来操作特征。

在一些实施例中，控制装置可以通过操作预测模型预测未来操作特征。

操作预测模型可以是机器学习模型，例如，操作预测模型可以是DNN模型、CNN模型等。

在一些实施例中，操作预测模型的输入可以包括振动序列、推送装置的轨迹特征、目标推送路径，输出可以是未来操作特征。更多关于振动序列、推送装置的轨迹特征、目标推送路径和未来操作特征的内容参见上文相关描述。

在一些实施例中，操作预测模型的输入还可以包括用户经验值。更多关于用户经验值的内容参见上文相关描述。

在一些实施例中，可以基于第二训练样本及第二标签对初始操作预测模型进行训练。例如，将第二训练样本输入初始操作预测模型，输出未来操作特征，基于输出的未来操作特征与第二标签构建损失函数，并基于损失函数迭代更新初始操作预测模型，直到预设条件被满足，训练完成，得到训练好的操作预测模型。其中，预设条件可以是损失函数小于阈值、收敛或训练周期达到阈值。

在一些实施例中，第二训练样本可以是样本推送装置的样本振动序列、样本推送装置的样本轨迹特征、样本推送装置的样本目标推送路径，第二标签可以是其样本推送装置对应的实际未来操作特征。第二训练样本和第二标签可以基于存储设备或数据库中调取的历史治疗记录获得，标签可以基于历史治疗记录获得。

在一些实施例中，当操作预测模型的输入还包括用户经验值时，第二训练样本可以包括样本用户经验值，样本用户经验值可以从用户的简历中获取，例如，从医年限越久，用户经验值越高。其余训练部分参见上文描述。

本说明书的一些实施例中，通过操作预测模型预测未来操作特征，能够保证确定的推送装置的未来操作特征的准确性，有效缩短处理时长，提高了确定推送装置的未来操作特征的处理效率。同时，通过操作预测模型预测未来操作特征时考虑用户的用户经验值，能使确定的推送装置的未来操作特征更符合实际，进一步保证了操作预测模型输出结果的准确性。

步骤530，基于未来操作特征和参考操作特征，确定预估操作风险值。

参考操作特征是指推送装置的操作符合标准时的操作特征。参考操作特征可以与未来操作特征对应的时刻或轨迹点相对应。例如，参考操作特征可以是在未来某一时刻推送装置经过的符合标准的轨迹点、造成的符合标准的血管振动情况等。参考操作特征可以基于先验知识或历史经验确定。

预估操作风险值是指预测的用户在未来的操作可能存在误操作的风险值。

在一些实施例中，控制装置可以通过多种确定方式，基于未来操作特征和参考操作特征，确定预估操作风险值。例如，控制装置可以比较未来操作特征和参考操作特征的相似度，未来操作特征和参考操作特征越相似，则预估操作风险值越小。关于预估操作风险值的更多内容，参见图3及其相关描述。

在一些实施例中，控制装置可以计算未来操作特征和参考操作特征的操作差值向量；基于目标推送路径上多个血管子段的血管特征，通过承受能力查询表确定每个血管子段的血管操作承受能力；基于操作差值向量、多个血管子段的血管操作承受能力，确定预估操作风险值。

操作差值向量是指未来操作特征和参考操作特征向量化后的向量差值。例如，操作差值向量可以是向量化后的未来操作特征减去向量化后的参考操作特征得到的向量。

血管子段是指血管的不同分段。例如，控制装置可以将腘动脉分段得到多个血管子段。又例如，存在血管分叉时，血管子段可以是两个分叉点之间的部分或分叉点与端点（如，起点、终点）之间的部分。

血管操作承受能力是指血管能够承受推动装置的能力。例如，血管操作承受能力可以包括血管能够承受的推动装置对血管造成的振动程度、血管能够承受的推动装置的轨迹超出血管范围的程度等。

查询表是具有存储与查询功能的表格。在一些实施例中，承受能力查询表中储存有多个参考血管子段及其对应的血管操作承受能力。

在一些实施例中，控制装置可以基于历史治疗记录中推送装置在不同血管特征、不同操作特征下的异常数据进行统计确定承受能力查询表。

操作特征可以指与推送装置的操作情况相关的特征。例如，操作特征可以是推送装置经过的轨迹点、造成的血管振动情况等。

异常数据可以指与推送装置的异常操作相关的数据。例如，异常数据可以包括推送装置偏离目标推送路径、血管振动情况异常等。

在一些实施例中，控制装置可以通过对不同操作特征下的异常数据进行统计分析，确定不同血管特征对应的血管子段的血管操作承受能力。例如，控制装置可以通过对不同操作特征下的异常数据进行统计分析，确定推动装置对血管造成的振动强度、震动时长或推送装置偏离目标推送路径的偏离距离等，并统计在何种振动强度、震动时长或偏离距离下血管出现异常，控制装置可以将该振动强度、震动时长或偏离距离作为血管操作承受能力，在超出该血管操作承受能力时，血管可能出现异常。

在一些实施例中，控制装置可以在承受能力查询表中检索与目标推送路径上多个血管子段的血管特征对应的参考血管子段，并将参考血管子段对应的参考血管操作承受能力作为当前血管子段的血管操作承受能力。

在一些实施例中，控制装置可以通过多种方式，基于操作差值向量、多个血管子段的血管操作承受能力，确定预估操作风险值。例如，在血管某个位置的未来操作特征与参考操作特征的操作差值向量超过该位置血管操作承受能力（如，推动装置的轨迹点偏离参考操作特征中的轨迹点，或推动装置强烈振动等），则预估操作风险值相应较大。

在一些实施例中，控制装置可以基于操作差值向量与某一血管子段的血管操作承受能力对应的差值向量阈值，确定预估操作风险值。例如，当操作差值向量超出差值向量阈值，可以确定预估操作风险值较大。每个血管操作承受能力可以预设一个差值向量阈值。每个血管操作承受能力对应的差值向量阈值可以不同。血管操作承受能力与差值向量阈值的对应关系可以由系统或人为预设。作为示例，血管子段A的血管操作承受能力对应的差值向量阈值为a，当血管子段A的操作差值向量b超出差值向量阈值a，则可以确定血管子段A的预估操作风险值较大。

本说明书的一些实施例中，通过血管操作承受能力来确定预估操作风险值，智能预测风险，有效降低用户在执行推动过程的失误，保证治疗过程顺利进行。

步骤540，基于压力信息、速度信息和温度信息，确定患者的实时动脉内生理学指数。

实时动脉内生理学指数是指患者当前动脉内的生理学指数。生理学指数可以包括脉率（即，动脉搏动的频率）、动脉压（即，流动的血液对血管壁产生的侧压力）、动脉流速（即，动脉内血流速度）等。

在一些实施例中，控制装置可以通过多种方式基于压力信息、速度信息和温度信息进行处理，确定患者的实时动脉内生理学指数。例如，控制装置可以对血管内压力信息进行分析得到动脉压，对血流的速度信息进行分析得到动脉流速等。关于压力信息、速度信息和温度信息的更多内容，参见图3及其相关描述。

步骤550，基于实时动脉内生理学指数和患者特征，确定预估延迟风险值。

预估延迟风险值是指由于当前及历史操作导致患者体内未来可能存在异常的风险值。预估延迟风险值相关于历史操作或当前操作。

在一些实施例中，控制装置可以基于实时动脉内生理学指数与标准动脉内生理学指数，确定预估延迟风险值。例如，当实时动脉内生理学指数超过标准动脉内生理学指数时，预估延迟风险值较大。超过标准动脉内生理学指数的比例越多，预估延迟风险值越大。更多关于标准动脉内生理学指数的内容参见下文相关描述。

在一些实施例中，控制装置可以根据实时动脉内生理学指数，确定延迟风险点；基于延迟风险点，确定预估延迟风险值。

延迟风险点是指未来可能存在异常的点位。其中，点位可以指目标推送路径中可能存在异常的未来轨迹点或者推送过程中可能存在异常的未来时间点。例如，推送装置的导丝在当前时间点t到达了目标推送路径上的轨迹点a处，则延迟风险点可以是位于轨迹点a之后的可能存在异常的未来轨迹点，或者延迟风险点可以是当前时间点t之后的可能存在异常的未来时间点。

在一些实施例中，控制装置可以通过多种方式分析实时动脉内生理学指数，确定延迟风险点。例如，可以将实时动脉内生理学指数超过标准动脉内生理学指数的点位确定为延迟风险点。

在一些实施例中，控制装置可以基于患者特征、目标穿刺参数，确定不同治疗进度下的标准动脉内生理学指数；当实时动脉内生理学指数与标准动脉内生理学指数的比值超过预设区间时，将超过预设区间的点位确定为延迟风险点。

治疗进度是指推动装置完成推送过程的进度。例如，治疗进度可以包括推送装置经过的路径占总的目标推送路径的百分比。又例如，治疗进度可以包括推送装置的推送时长占总的推送时长的百分比。

标准动脉内生理学指数是指动脉内生理学指数的正常指标范围。标准动脉内生理学指数与不同治疗进度有关。不同治疗进度对应的标准动脉内生理学指数可以不同。

在一些实施例中，控制装置可以基于多种方式，基于患者特征、目标穿刺参数，确定不同治疗进度下的标准动脉内生理学指数。例如，控制装置可以基于医学领域血管相关的各项正常指标确定初始动脉内生理学指数，基于患者特征、目标穿刺参数、不同治疗进度等因素对初始动脉内生理学指数进行调整，调整幅度可以基于预设表确定。在一些实施例中，预设表中包含不同患者特征、不同穿刺参数、不同治疗进度对应的调整幅度。在一些实施例中，预设表可以根据先验知识或历史治疗记录构建。

在一些实施例中，标准动脉内生理学指数还相关于血管特征。例如，不同的血管特征或者同一血管的不同部位的血管特征对应的标准动脉内生理学指数不同。例如，血管较细的位置动脉压较大等。

本说明书的一些实施例中，基于血管特征确定标准动脉内生理学指数，能够使确定的标准动脉内生理学指数更加贴近患者的个人情况，从而使治疗更具针对性，因此治疗效果更好。

预设区间是指与预设的实时动脉内生理学指数与标准动脉内生理学指数的比值相关的区间。例如，预设区间可以用（1-δ，1+δ）表示，δ越大，预设区间范围越大。δ为常数，可以预先设置。

在一些实施例中，预设区间的范围大小相关于治疗进度。例如，治疗进度越高（例如，推送装置已经完成大部分的推送路径），患者已经承受了较长时间的治疗带来的生理、心理上的负荷，较小的动脉内生理学指数的偏差可以带来较大的风险，此时预设区间的范围需要适度变小，即上述δ可以设置为较小数值。

在一些实施例中，控制装置可以将当前确定的实时动脉内生理学指数与当前所处治疗进度下的标准动脉内生理学指数的比值与预设区间进行对比，当实时动脉内生理学指数与标准动脉内生理学指数的比值超过预设区间时，控制装置可以将超过预设区间的点位确定为延迟风险点。例如，控制装置可以将实时动脉内生理学指数与标准动脉内生理学指数的比值超过预设区间时的当前轨迹点确定为延迟风险点。又例如，控制装置可以将实时动脉内生理学指数与标准动脉内生理学指数的比值超过预设区间时的当前时间点确定为延迟风险点。

本说明书的一些实施例中，根据患者的实时动脉内生理学指数与标准动脉内生理学指数对比，确定延迟风险点，能够使确定的延迟风险点更加准确。

在一些实施例中，控制装置可以基于延迟风险点对应的风险点属性，确定预估延迟风险值。

风险点属性是指延迟风险点发生异常的相关属性。在一些实施例中，延迟风险点的风险点属性可以包括由于当前及历史操作导致在该延迟风险点可能存在异常的预估风险值。

在一些实施例中，延迟风险点的风险点属性可以包括实时动脉内生理学指数与标准动脉内生理学指数的比值与预设区间边界的距离。

预设区间边界可以包括预设区间的上边界和预设区间的下边界。例如，预设区间（1-δ，1+δ）中，1-δ为下边界，1+δ为上边界。

在一些实施例中，控制装置可以将延迟风险点对应的风险点属性确定为预估延迟风险值。

在一些实施例中，传感装置还包括外部图像传感器，外部图像传感器至少用于采集包含目标穿刺点的皮肤区域的图像信息；预估延迟风险值还相关于图像信息。

皮肤区域的图像信息可以是目标穿刺点所在血管的皮肤表面的图像。例如，目标穿刺点在腘动脉上，腘动脉位于腘窝，则皮肤区域的图像信息为包含腘窝（即膝盖的后面）的图像。在一些实施例中，控制装置可以在多个时间点采集包含目标穿刺点的皮肤区域图像信息，得到图像信息序列。

图像信息序列是指不同时间采集到的图像信息构建的序列。例如，图像信息序列可以用（o，p，q，……）表示，o，p，q等分别表示第一个时间点、第二个时间点、第三个时间点等采集到的图像信息，其中采集时间点可以预先设置，如每5min采集一次图像信息。

在一些实施例中，可以基于图像信息序列确定预估延迟风险值。例如，若在图像信息序列中患者皮肤发生变化，可以确定预估延迟风险值变大。

在一些实施例中，控制装置可以基于图像信息序列确定患者皮肤特征的变化速率，基于该变化速率确定预估延迟风险值。例如，变化速率越高，预估延迟风险值越大。相应的，延迟风险点的风险点属性还可以包括患者皮肤特征的变化速率。

皮肤特征是指与患者的皮肤情况相关的特征。例如，皮肤特征可以包括皮肤颜色、是否肿胀等。

变化速率是指患者皮肤特征变化的快慢。在一些实施例中，变化速率可以用快、较快、适中、较慢、缓慢来描述。例如，患者皮肤5min内出现明显肿胀，则患者皮肤特征的变化速率快。又例如，从开始治疗到完成治疗，患者皮肤特征无明显变化，则患者皮肤特征的变化速率缓慢。

在一些实施例中，控制装置可以基于皮肤区域的图像信息序列确定患者皮肤特征的变化速率。例如，图像信息序列中图像信息相差过大，可以判断则患者皮肤特征的变化速率快。

本说明书的一些实施例中，根据患者的外部皮肤特征，通过对比患者皮肤特征的变化速率来确定预估延迟风险值，由于外部皮肤特征可观察性强，因此考虑患者的外部皮肤特征在实际的治疗过程中可操作性强。

本说明书一个或多个实施例还提供一种血管介入智能手术机器人的控制系统，该控制系统可以基于所述血管介入智能手术机器人实现。

在一些实施例中，血管介入智能手术机器人的控制系统可以包括确定模块和应用模块。

在一些实施例中，确定模块可以用于获取患者特征；基于患者特征，确定目标穿刺参数。

在一些实施例中，应用模块可以用于通过终端向用户推荐目标穿刺参数，以及实时向用户显示风险值和/或发出预警；为向用户显示风险值和/或发出预警。

更多关于确定目标穿刺参数和确定风险值等的内容可以参见前文相关描述。

本说明书一个或多个实施例还提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如上述实施例中任一项所述的血管介入智能手术机器人的控制方法。

需要注意的是，以上对于血管介入智能手术机器人的控制系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，确定模块和应用模块可以是一个系统中的不同模块，也可以是一个模块实现上述的两个模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (3)

1.一种血管介入智能手术机器人，其特征在于，所述血管介入智能手术机器人包括穿刺装置、推送装置、传感装置和控制装置；

所述穿刺装置包括穿刺针，所述穿刺装置用于执行穿刺过程，所述穿刺过程包括在血管介入手术中，将所述穿刺针刺入目标穿刺点；

所述推送装置包括导丝、导管鞘、导管以及推送机构，所述导丝对所述导管起引导及支持作用，帮助所述导管进入血管，所述导管鞘用于在推送过程中，协助所述导管进入血管动脉或静脉，所述导管为介入器械提供稳定的通路，所述推送机构用于驱动所述导丝或所述导管前进和转动，所述推送装置用于执行推送过程，所述推送过程至少包括在所述血管介入手术中，通过所述推送机构将所述导丝沿所述目标穿刺点推送至目标靶向区域；

所述传感装置包括力传感器、振动传感器、速度传感器以及温度传感器，所述传感装置部署于所述穿刺装置和所述推送装置中；所述力传感器、所述振动传感器、所述速度传感器和所述温度传感器分别用于采集所述穿刺装置在执行所述穿刺过程中，以及所述推送装置在执行所述推送过程中血管内的压力信息、振动信息、速度信息和温度信息，所述振动信息指血管内的振动相关的信息和所述导丝的振动情况；

所述控制装置用于执行如下步骤：

获取患者特征；

基于所述患者特征，确定目标穿刺参数；其中，所述确定目标穿刺参数包括：

基于所述患者特征，确定多组候选穿刺参数；

通过概率预测模型预测每组候选穿刺参数下的至少一种穿刺并发症的发生概率序列；其中，所述概率预测模型的输入至少包括所述候选穿刺参数、候选穿刺点对应的血管三维模型、患者生理特征、病灶位置，所述概率预测模型的输出至少包括所述发生概率序列，所述概率预测模型至少包括穿刺特征提取层、血管特征提取层、概率预测层，所述穿刺特征提取层的输入至少包括所述候选穿刺参数，输出至少包括参数特征向量，所述血管特征提取层的输入至少包括所述候选穿刺点对应的所述血管三维模型，输出至少包括血管特征向量，所述概率预测层中包括多个概率子预测层，每个所述概率子预测层的输入相同，包括所述参数特征向量、所述血管特征向量和所述患者生理特征、所述病灶位置；每个所述概率子预测层至少输出一种所述穿刺并发症的发生概率，所述概率预测层至少输出由多种所述穿刺并发症的所述发生概率构成的所述发生概率序列；所述穿刺特征提取层、所述血管特征提取层和所述概率预测层通过多个有第一标签的第一训练样本联合训练得到；所述第一标签是样本穿刺参数下所述至少一个穿刺并发症的所述发生概率序列，所述第一训练样本至少包括样本穿刺参数、样本穿刺点对应的血管三维模型、样本患者生理特征、样本病灶位置；

基于所述发生概率序列，确定所述目标穿刺参数；

通过终端向用户推荐所述目标穿刺参数，以及实时向所述用户显示风险值和/或发出预警；其中，所述实时向所述用户显示风险值和/或发出预警包括：

实时获取由所述传感装置采集的精细反馈数据，所述精细反馈数据包括所述压力信息、所述振动信息、所述速度信息以及所述温度信息；

基于所述精细反馈数据，确定所述风险值，所述风险值包括实时风险值；

通过所述终端实时向所述用户显示所述风险值，以及响应于所述风险值大于风险阈值，发出所述预警；

所述风险值还包括预估延迟风险值以及预估操作风险值，所述预估延迟风险值以及所述预估操作风险值的确定方法包括：

基于所述振动信息确定振动序列；

基于所述振动序列、所述推送装置的轨迹特征和目标推送路径，预测所述推送装置的未来操作特征；

基于所述未来操作特征和参考操作特征，确定所述预估操作风险值，所述参考操作特征是指所述推送装置的操作符合标准时的操作特征，与所述未来操作特征对应的时刻或轨迹点相对应；

基于所述压力信息、所述速度信息和所述温度信息，确定所述患者的实时动脉内生理学指数；

基于所述实时动脉内生理学指数和所述患者特征，确定所述预估延迟风险值。

2.根据权利要求1所述的血管介入智能手术机器人，其特征在于，所述传感装置还包括外部图像传感器，所述外部图像传感器至少用于采集包含所述目标穿刺点的皮肤区域的图像信息；所述预估延迟风险值还相关于所述图像信息。

3.一种血管介入智能手术机器人的控制系统，其特征在于，所述系统基于所述血管介入智能手术机器人实现，包括：

确定模块，用于：

获取患者特征；

基于所述患者特征，确定目标穿刺参数；其中，为了确定所述目标穿刺参数，所述确定模块还用于：

基于所述患者特征，确定多组候选穿刺参数；

通过概率预测模型预测每组候选穿刺参数下的至少一种穿刺并发症的发生概率序列；其中，所述概率预测模型的输入至少包括所述候选穿刺参数、候选穿刺点对应的血管三维模型、患者生理特征、病灶位置，所述概率预测模型的输出至少包括所述发生概率序列，所述概率预测模型至少包括穿刺特征提取层、血管特征提取层、概率预测层，所述穿刺特征提取层的输入至少包括所述候选穿刺参数，输出至少包括参数特征向量，所述血管特征提取层的输入至少包括所述候选穿刺点对应的所述血管三维模型，输出至少包括血管特征向量，所述概率预测层中包括多个概率子预测层，每个所述概率子预测层的输入相同，包括所述参数特征向量、所述血管特征向量和所述患者生理特征、所述病灶位置；每个所述概率子预测层至少输出一种所述穿刺并发症的发生概率，所述概率预测层至少输出由多种所述穿刺并发症的所述发生概率构成的所述发生概率序列；所述穿刺特征提取层、所述血管特征提取层和所述概率预测层通过多个有第一标签的第一训练样本联合训练得到；所述第一标签是样本穿刺参数下所述至少一个穿刺并发症的所述发生概率序列，所述第一训练样本至少包括样本穿刺参数、样本穿刺点对应的血管三维模型、样本患者生理特征、样本病灶位置；

基于所述发生概率序列，确定所述目标穿刺参数；

应用模块，用于通过终端向用户推荐所述目标穿刺参数，以及实时向所述用户显示风险值和/或发出预警；其中，为了实时向所述用户显示所述风险值和/或所述发出预警，所述应用模块还用于：

实时获取由传感装置采集的精细反馈数据，所述精细反馈数据包括压力信息、振动信息、速度信息以及温度信息；

基于所述精细反馈数据，确定所述风险值，所述风险值包括实时风险值；

通过所述终端实时向所述用户显示所述风险值，以及响应于所述风险值大于风险阈值，发出所述预警；

所述风险值还包括预估延迟风险值以及预估操作风险值，为了确定所述预估延迟风险值以及所述预估操作风险值，所述应用模块还用于：

基于所述振动信息确定振动序列；

基于所述振动序列、推送装置的轨迹特征和目标推送路径，预测所述推送装置的未来操作特征；

基于所述未来操作特征和参考操作特征，确定所述预估操作风险值，所述参考操作特征是指所述推送装置的操作符合标准时的操作特征，与所述未来操作特征对应的时刻或轨迹点相对应；

基于所述压力信息、所述速度信息和所述温度信息，确定所述患者的实时动脉内生理学指数；

基于所述实时动脉内生理学指数和所述患者特征，确定所述预估延迟风险值。

Images