CN116864098A - 一种基于位置信息的医疗器械受力信息获取方法及系统 - Google Patents

一种基于位置信息的医疗器械受力信息获取方法及系统 Download PDF

Info

Publication number
CN116864098A
CN116864098A CN202311122673.XA CN202311122673A CN116864098A CN 116864098 A CN116864098 A CN 116864098A CN 202311122673 A CN202311122673 A CN 202311122673A CN 116864098 A CN116864098 A CN 116864098A
Authority
CN
China
Prior art keywords
medical instrument
image
medical
human body
stress
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202311122673.XA
Other languages
English (en)
Other versions
CN116864098B (zh
Inventor
褚加冕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Taizhou Roosin Medical Product Co ltd
Original Assignee
Taizhou Roosin Medical Product Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Taizhou Roosin Medical Product Co ltd filed Critical Taizhou Roosin Medical Product Co ltd
Priority to CN202311122673.XA priority Critical patent/CN116864098B/zh
Publication of CN116864098A publication Critical patent/CN116864098A/zh
Application granted granted Critical
Publication of CN116864098B publication Critical patent/CN116864098B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/016—Input arrangements with force or tactile feedback as computer generated output to the user
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Epidemiology (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及医疗器械技术领域，具体为一种基于位置信息的医疗器械受力信息获取方法及系统，该方法包括：若位置数据显示医疗器械已进入预设的人体范围时，则初步判断医疗器械已位于人体内；基于影像技术获取医疗器械的位置，并最终判断医疗器械是否位于人体内；若最终判断医疗器械位于人体内，则对医疗器械的受力信息进行分析；将获取的医疗器械的受力信息实时显示在界面上；该系统包括位置信息判断模块、影像判断模块、受力分析模块及显示模块。通过使用位置传感器和影像技术双重验证医疗器械的位置，确保了高度的准确性，利用相位一致性的方法对医学影像进行特征提取，并通过自适应阈值分割得到器械目标，提高了验证的准确性和鲁棒性。

Description

一种基于位置信息的医疗器械受力信息获取方法及系统
技术领域
本发明涉及医疗器械技术领域，尤其涉及一种基于位置信息的医疗器械受力信息获取方法及系统。
背景技术
血管介入手术是一种微创性的治疗心血管疾病的方法，它通过在医学影像设备的引导下，将特制的导管、导丝、球囊、支架等器械经皮穿刺引入体内血管，对病变部位进行诊断和治疗。血管介入手术具有创伤小、恢复快、效果好等优点，已成为冠心病、脑血管病、外周血管病等多种疾病的首选或重要治疗手段。
血管介入手术中，医生需要通过触觉和视觉来控制和操作医疗器械，以达到预期的治疗效果。然而，由于血管的复杂性和多样性，以及医疗器械的柔软性和弹性，医生很难准确地感知和评估医疗器械与血管壁之间的接触力。这种接触力对于医生判断医疗器械的位置和状态，以及控制医疗器械的运动和操作，具有重要的意义。如果接触力过大或过小，都可能导致手术失败或并发症的发生，如血管损伤、穿孔、出血、栓塞等。
中国专利201310676213.1公开了一种手术机器人及其状态监测方法，其包括根据获取的深度信息，在预设进给路径的深度信息与受力信号对应表中，查找获取的深度信息所对应的受力信号，判断获取的受力信号与查找的受力信号是否相同，如果不同，则发送异常处理指令，不需要依赖工作人员经验操作，可提高操作的精确性。但是上述方法还存在以下不足：主要依赖于预设的信息，如果手术环境或病人的情况有所变化，机器人可能无法适应，存储器中的预设数据不准确或已经过时，那么机器人可能会产生误报或漏报。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
有鉴于此，本申请实施例的目的是提供一种基于位置信息的医疗器械受力信息获取方法及系统，以克服现有相关技术所存在的上述技术问题。
为此，本发明采用的具体技术方案如下：
根据本发明的一个方面，提供了一种基于位置信息的医疗器械受力信息获取方法，该方法包括以下步骤：
S1、位于医疗器械上安装位置传感器，并实时监控位置数据，若位置数据显示医疗器械已进入预设的人体范围时，则初步判断医疗器械已位于人体内。
S2、基于影像技术获取医疗器械的位置，并最终判断医疗器械是否位于人体内。
S3、若最终判断医疗器械位于人体内，则对医疗器械的受力信息进行分析。
S4、将获取的医疗器械的受力信息实时显示在界面上。
进一步的，所述基于影像技术获取医疗器械的位置，并最终判断医疗器械是否位于人体内包括以下步骤：
S21、利用医学影像技术对目标区域进行定位及扫描范围，并确保医疗器械及预期进入的人体部位均被纳入影像范围内；
S22、通过图像处理技术，对医疗器械的位置进行识别和追踪；
S23、当医疗器械的影像与人体内部结构的影像重合时，最终判定器械已进入人体。
进一步的，所述通过图像处理技术，对医疗器械的位置进行识别和追踪包括以下步骤：
S221、对医疗器械影像进行灰度化处理，并使用log gabor小波函数对医疗器械影像进行处理，且提取医疗器械在不同频率和方向上的特征；
S222、利用相位一致性函数计算医疗器械影像中每个像素点的相位一致程度，并得到反映医疗器械特征的相位一致性图像；
S223、利用最大类间方差法计算相位一致性图像的自适应阈值，并用自适应阈值对相位一致性图像进行分割，得到医疗器械的二值图像；
S224、使用形态学操作，使医疗器械的边缘清晰；
S225、应用模板匹配对边缘清晰后的医疗器械的二值图像中的特征进行分类，并确定医疗器械的位置；
S226、利用跟踪算法对医疗器械在连续帧中的位置变化进行追踪。
进一步的，所述利用最大类间方差法计算相位一致性图像的自适应阈值，并用自适应阈值对相位一致性图像进行分割，得到医疗器械的二值图像包括以下步骤：
S2231、对相位一致性图像的直方图进行计算，并统计每个灰度值出现的频率；
S2232、遍历所有阈值，将相位一致性图像分为两类目标及背景，并计算每个阈值对应的类间方差；
S2233、将使类间方差最大的阈值作为高阈值Th，并设定低阈值Tl=αTh，α<1；
S2234、根据不同的灰度值及邻域情况，将像素点划分为目标或背景。
进一步的，所述根据不同的灰度值及邻域情况，将像素点划分为目标或背景包括以下步骤：
S22321、若像素点的灰度值大于等于Th，则判定该像素点为目标；
S22322、若像素点的灰度值小于等于Tl，则判定该像素点为背景；
S22323、若像素点的灰度值位于Tl与Th之间，则检查其八邻域内是否有大于等于Th的像素点，若有，则判定为目标，若没有，则判定为背景。
进一步的，所述若最终判断医疗器械位于人体内，则对医疗器械的受力信息进行分析包括以下步骤：
S31、将医疗器械前端与力传感器接触，作为初始状态t0，并利用摄像机采集t0时刻的医疗器械图像I0，同时获取拍摄序列时刻tj对应采集的图像序列Ij及力信息序列Fj；
S32、基于图像序列和单应矩阵来拟合医疗器械前端的平面曲线，得到弯曲曲率半径；
S33、通过弹性模量计算公式获取医疗器械前端的弹性模量：
式中，E表示材料的弹性模量；
r表示弯曲曲率半径；
表示医疗器械前端的最外侧的应力；
表示医疗器械前端从中性轴到最外部的距离；
S34、取弯曲曲率半径的倒数，得到医疗器械前端的弯曲曲率，并从医疗器械的中性轴到计算应变的特定位置获取中性轴到考虑点的距离，同时将中性轴到考虑点的距离与弯曲曲率相乘，得到医疗器械前端的应变；
S35、将医疗器械前端的弹性模量与应变相乘，得到医疗器械前端的应力。
进一步的，所述基于图像序列和单应矩阵来拟合医疗器械前端的平面曲线，得到弯曲曲率半径包括以下步骤：
S321、对图像序列中的医疗器械图像进行图像增强处理；
S322、利用边缘检测算法在医疗器械图像中找到医疗器械的边界及骨架线；
S323、使用单应矩阵将骨架线上的像素坐标转换为实际物理坐标；
S324、利用实际物理坐标的数据点，应用曲线拟合技术（如多项式拟合、样条曲线拟合等）来获取曲线方程；
S325、从拟合得到的曲线方程中，计算得到弯曲曲率，并取弯曲曲率的倒数得到弯曲曲率半径。
进一步的，所述对图像序列中的医疗器械图像进行图像增强处理包括以下步骤：
S3211、将医疗器械图像转换为HSI图像，并使色调和饱和度保持不变；
S3212、利用多尺度高斯滤波函数将亮度分量分解为光照分量及反射分量；
S3213、对光照分量进行自适应Gamma校正，并根据每个像素点的光照分布特性动态地调整Gamma函数的校正系数，使医疗器械图像中过暗和过亮区域同时得到增强；
S3214、将Gamma校正后的光照分量和反射分量相乘得到校正后的亮度分量，并将校正后的亮度分量与原始的色调和饱和度合成为HSI图像；
S3215、将合成后的HSI图像转换为RGB图像，完成图像增强。
进一步的，所述利用多尺度高斯滤波函数将亮度分量分解为光照分量及反射分量时，通过不同尺度的高斯滤波结果进行加权平均得到光照分量。
根据本发明的另一方面，提供了一种基于位置信息的医疗器械受力信息获取系统，该系统包括位置信息判断模块、影像判断模块、受力分析模块及显示模块；
其中，所述位置信息判断模块，用于在医疗器械上安装位置传感器，并实时监控位置数据，若位置数据显示医疗器械已进入预设的人体范围时，则初步判断医疗器械已位于人体内。
所述影像判断模块，用于通过影像技术获取医疗器械的位置，并最终判断医疗器械是否位于人体内。
所述受力分析模块，用于若最终判断医疗器械位于人体内，则对医疗器械的受力信息进行分析。
所述显示模块，用于将获取的医疗器械的受力信息实时显示在界面上。
本发明的实施例包括以下有益效果：
（1）本发明提供的一种基于位置信息的医疗器械受力信息获取方法及系统，通过使用位置传感器和影像技术双重验证医疗器械的位置，确保了高度的准确性。且在影像技术双重验证医疗器械的位置时，针对医疗影像对比度不足的问题，利用相位一致性的方法对医学影像进行特征提取，并通过自适应阈值分割得到器械目标，提高了验证的准确性和鲁棒性。
（2）本发明在最终判断医疗器械位于人体内时，通过获取医疗器械前端的弹性模量，对医疗器械的受力信息进行分析，且检测是实时的，不会出现数据过时的问题，同时针对获取的医疗器械图像序列可能存在阴影的问题，本发明对医疗器械图像进行图像增强，提高医疗器械图像的清晰度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是根据本发明实施例的一种基于位置信息的医疗器械受力信息获取方法的流程图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
为进一步说明各实施例，本发明提供有附图，这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点，图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
根据本发明的实施例，提供了一种基于位置信息的医疗器械受力信息获取方法及系统。
现结合附图和具体实施方式对本发明进一步说明，如图1所示，根据本发明的一个实施例，提供了一种基于位置信息的医疗器械受力信息获取方法，该方法包括以下步骤：
S1、位于医疗器械上安装位置传感器，并实时监控位置数据，若位置数据显示医疗器械已进入预设的人体范围时，则初步判断医疗器械已位于人体内。
S2、基于影像技术获取医疗器械的位置，并最终判断医疗器械是否位于人体内。
在进一步的实施例中，所述基于影像技术获取医疗器械的位置，并最终判断医疗器械是否位于人体内包括以下步骤：
S21、利用医学影像技术对目标区域进行定位及扫描范围，并确保医疗器械及预期进入的人体部位均被纳入影像范围内；
S22、通过图像处理技术，对医疗器械的位置进行识别和追踪；
S23、当医疗器械的影像与人体内部结构的影像重合时，最终判定器械已进入人体。
在本实施例中，所述通过图像处理技术，对医疗器械的位置进行识别和追踪包括以下步骤：
S221、对医疗器械影像进行灰度化处理，并使用log gabor小波函数对医疗器械影像进行处理，且提取医疗器械在不同频率和方向上的特征；
log gabor小波函数是一种用于图像处理的滤波器，可以在不同频率和方向上提取图像的特征。
S222、利用相位一致性函数计算医疗器械影像中每个像素点的相位一致程度，并得到反映医疗器械特征的相位一致性图像；这有助于强化医疗器械与周围组织的对比度；
S223、利用最大类间方差法计算相位一致性图像的自适应阈值，并用自适应阈值对相位一致性图像进行分割，得到医疗器械的二值图像；
S224、使用形态学操作，如开运算或闭运算，使医疗器械的边缘清晰；
S225、应用模板匹配对边缘清晰后的医疗器械的二值图像中的特征进行分类，并确定医疗器械的位置；
S226、利用跟踪算法（例如光流法、KLT跟踪器）对医疗器械在连续帧中的位置变化进行追踪。
在本实施例中，所述利用最大类间方差法计算相位一致性图像的自适应阈值，并用自适应阈值对相位一致性图像进行分割，得到医疗器械的二值图像包括以下步骤：
S2231、对相位一致性图像的直方图进行计算，并统计每个灰度值出现的频率；
S2232、遍历所有可能的阈值，将相位一致性图像分为两类目标及背景，并计算每个阈值对应的类间方差；
S2233、将使类间方差最大的阈值作为高阈值Th，并设定低阈值Tl=αTh，α<1；
S2234、根据不同的灰度值及邻域情况，将像素点划分为目标或背景。
在本实施例中，所述根据不同的灰度值及邻域情况，将像素点划分为目标或背景包括以下步骤：
S22321、若像素点的灰度值大于等于Th，则判定该像素点为目标；
S22322、若像素点的灰度值小于等于Tl，则判定该像素点为背景；
S22323、若像素点的灰度值位于Tl与Th之间，则检查其八邻域内是否有大于等于Th的像素点，若有，则判定为目标，若没有，则判定为背景。
S3、若最终判断医疗器械位于人体内，则对医疗器械的受力信息进行分析。
在进一步的实施例中，所述若最终判断医疗器械位于人体内，则对医疗器械的受力信息进行分析包括以下步骤：
S31、将医疗器械前端与力传感器接触，作为初始状态t0，并利用摄像机采集t0时刻的医疗器械图像I0，同时获取拍摄序列时刻tj对应采集的图像序列Ij及力信息序列Fj；
同时，利用力传感器获取的力信息乘以其在医疗器械上的应用点距离中心或旋转点的距离得到弯矩M；
S32、基于图像序列和单应矩阵来拟合医疗器械前端的平面曲线，得到弯曲曲率半径；
同时，对于医疗器械前端来说，通过从工程手册中查到其惯性矩。
S33、通过弹性模量计算公式获取医疗器械前端的弹性模量：
式中，E表示材料的弹性模量；
r表示弯曲曲率半径；
表示医疗器械前端的最外侧的应力；该医疗器械前端的最外侧的应力通过弯矩与医疗器械前端从中性轴到最外部的距离相乘后再除以惯性矩得到；
表示医疗器械前端从中性轴到最外部的距离；
S34、取弯曲曲率半径的倒数，得到医疗器械前端的弯曲曲率，并从医疗器械的中性轴到计算应变的特定位置获取中性轴到考虑点的距离，同时将中性轴到考虑点的距离与弯曲曲率相乘，得到医疗器械前端的应变；
S35、将医疗器械前端的弹性模量与应变相乘，得到医疗器械前端的应力。
在本实施例中，所述基于图像序列和单应矩阵来拟合医疗器械前端的平面曲线，得到弯曲曲率半径包括以下步骤：
S321、对图像序列中的医疗器械图像进行图像增强处理；
S322、利用边缘检测算法（如Sobel、Canny等常用的边缘检测算法）在医疗器械图像中找到医疗器械的边界及骨架线；
S323、使用单应矩阵将骨架线上的像素坐标转换为实际物理坐标；
S324、利用实际物理坐标的数据点，应用曲线拟合技术（如多项式拟合、样条曲线拟合等）来获取曲线方程；
S325、从拟合得到的曲线方程中，计算得到弯曲曲率，并取弯曲曲率的倒数得到弯曲曲率半径。
需要说明的是，曲线方程可以表示为：式中，是曲线的一阶导数，表示斜率；/>是曲线的二阶导数。
在本实施例中，所述对图像序列中的医疗器械图像进行图像增强处理包括以下步骤：
S3211、将医疗器械图像转换为HSI图像，只对亮度分量进行处理，并使色调和饱和度保持不变；只对亮度分量进行处理的原因是，亮度分量反映了图像的明暗程度，而色调分量和饱和度分量反映了图像的色彩信息。由于医疗器械图像的主要问题是明暗不均匀，所以只需要对亮度分量I进行增强，而不影响色彩信息。这样可以保持医疗器械图像的自然性和真实性，避免出现色彩失真或偏差的现象。
S3212、利用多尺度高斯滤波函数将亮度分量分解为光照分量及反射分量。
S3213、对光照分量进行自适应Gamma校正，并根据每个像素点的光照分布特性动态地调整Gamma函数的校正系数，使医疗器械图像中过暗和过亮区域同时得到增强；自适应Gamma校正提高医疗器械图像中过暗区域的光照分量，同时抑制医疗器械图像中过亮区域的光照分量。
S3214、将Gamma校正后的光照分量和反射分量相乘得到校正后的亮度分量，并将校正后的亮度分量与原始的色调和饱和度合成为HSI图像。
S3215、将合成后的HSI图像转换为RGB图像，完成图像增强。
在本实施例中，所述利用多尺度高斯滤波函数将亮度分量分解为光照分量及反射分量时，通过不同尺度的高斯滤波结果进行加权平均得到光照分量。
S4、将获取的医疗器械的受力信息实时显示在界面上，可以通过触觉反馈设备直接将医疗器械的受力信息传递给医护人员。例如医护人员戴着一个手套或握住一个带有触觉反馈功能的手柄感受到这些反馈信号。这使得他们可以直观地感知到医疗器械所受的力，甚至在没有直接观察器械的情况下。
根据本发明的另一个实施例，提供了一种基于位置信息的医疗器械受力信息获取系统，该系统包括位置信息判断模块、影像判断模块、受力分析模块及显示模块；
其中，所述位置信息判断模块，用于在医疗器械上安装位置传感器，并实时监控位置数据，若位置数据显示医疗器械已进入预设的人体范围时，则初步判断医疗器械已位于人体内。
所述影像判断模块，用于通过影像技术获取医疗器械的位置，并最终判断医疗器械是否位于人体内。
所述受力分析模块，用于若最终判断医疗器械位于人体内，则对医疗器械的受力信息进行分析。
所述显示模块，用于将获取的医疗器械的受力信息实时显示在界面上
综上所述，本发明提供的一种基于位置信息的医疗器械受力信息获取方法及系统，通过使用位置传感器和影像技术双重验证医疗器械的位置，确保了高度的准确性。且在影像技术双重验证医疗器械的位置时，针对医疗影像对比度不足的问题，利用相位一致性的方法对医学影像进行特征提取，并通过自适应阈值分割得到器械目标，提高了验证的准确性和鲁棒性。本发明在最终判断医疗器械位于人体内时，通过获取医疗器械前端的弹性模量，对医疗器械的受力信息进行分析，且检测是实时的，不会出现数据过时的问题，同时针对获取的医疗器械图像序列可能存在阴影的问题，本发明对医疗器械图像进行图像增强，提高医疗器械图像的清晰度。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能充电模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明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“具有”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。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于位置信息的医疗器械受力信息获取方法，其特征在于，该方法包括以下步骤：
S1、位于医疗器械上安装位置传感器，并实时监控位置数据，若位置数据显示医疗器械已进入预设的人体范围时，则初步判断医疗器械已位于人体内；
S2、基于影像技术获取医疗器械的位置，并最终判断医疗器械是否位于人体内；
S3、若最终判断医疗器械位于人体内，则对医疗器械的受力信息进行分析；
S4、将获取的医疗器械的受力信息实时显示在界面上。
2.根据权利要求1所述的一种基于位置信息的医疗器械受力信息获取方法，其特征在于，所述基于影像技术获取医疗器械的位置，并最终判断医疗器械是否位于人体内包括以下步骤：
S21、利用医学影像技术对目标区域进行定位及扫描范围，并确保医疗器械及预期进入的人体部位均被纳入影像范围内；
S22、通过图像处理技术，对医疗器械的位置进行识别和追踪；
S23、当医疗器械的影像与人体内部结构的影像重合时，最终判定器械已进入人体。
3.根据权利要求2所述的一种基于位置信息的医疗器械受力信息获取方法，其特征在于，所述通过图像处理技术，对医疗器械的位置进行识别和追踪包括以下步骤：
S221、对医疗器械影像进行灰度化处理，并使用log gabor小波函数对医疗器械影像进行处理，且提取医疗器械在不同频率和方向上的特征；
S222、利用相位一致性函数计算医疗器械影像中每个像素点的相位一致程度，并得到反映医疗器械特征的相位一致性图像；
S223、利用最大类间方差法计算相位一致性图像的自适应阈值，并用自适应阈值对相位一致性图像进行分割，得到医疗器械的二值图像；
S224、使用形态学操作，使医疗器械的边缘清晰；
S225、应用模板匹配对边缘清晰后的医疗器械的二值图像中的特征进行分类，并确定医疗器械的位置；
S226、利用跟踪算法对医疗器械在连续帧中的位置变化进行追踪。
4.根据权利要求3所述的一种基于位置信息的医疗器械受力信息获取方法，其特征在于，所述利用最大类间方差法计算相位一致性图像的自适应阈值，并用自适应阈值对相位一致性图像进行分割，得到医疗器械的二值图像包括以下步骤：
S2231、对相位一致性图像的直方图进行计算，并统计每个灰度值出现的频率；
S2232、遍历所有阈值，将相位一致性图像分为两类目标及背景，并计算每个阈值对应的类间方差；
S2233、将使类间方差最大的阈值作为高阈值Th，并设定低阈值Tl=αTh，α<1；
S2234、根据不同的灰度值及邻域情况，将像素点划分为目标或背景。
5.根据权利要求4所述的一种基于位置信息的医疗器械受力信息获取方法，其特征在于，所述根据不同的灰度值及邻域情况，将像素点划分为目标或背景包括以下步骤：
S22321、若像素点的灰度值大于等于Th，则判定该像素点为目标；
S22322、若像素点的灰度值小于等于Tl，则判定该像素点为背景；
S22323、若像素点的灰度值位于Tl与Th之间，则检查其八邻域内是否有大于等于Th的像素点，若有，则判定为目标，若没有，则判定为背景。
6.根据权利要求1或5所述的一种基于位置信息的医疗器械受力信息获取方法，其特征在于，所述若最终判断医疗器械位于人体内，则对医疗器械的受力信息进行分析包括以下步骤：
S31、将医疗器械前端与力传感器接触，作为初始状态t0，并利用摄像机采集t0时刻的医疗器械图像I0，同时获取拍摄序列时刻tj对应采集的图像序列Ij及力信息序列Fj；
S32、基于图像序列和单应矩阵来拟合医疗器械前端的平面曲线，得到弯曲曲率半径；
S33、通过弹性模量计算公式获取医疗器械前端的弹性模量：;
式中，E表示材料的弹性模量；
r表示弯曲曲率半径；
表示医疗器械前端的最外侧的应力；
表示医疗器械前端从中性轴到最外部的距离；
S34、取弯曲曲率半径的倒数，得到医疗器械前端的弯曲曲率，并从医疗器械的中性轴到计算应变的特定位置获取中性轴到考虑点的距离，同时将中性轴到考虑点的距离与弯曲曲率相乘，得到医疗器械前端的应变；
S35、将医疗器械前端的弹性模量与应变相乘，得到医疗器械前端的应力。
7.根据权利要求6所述的一种基于位置信息的医疗器械受力信息获取方法，其特征在于，所述基于图像序列和单应矩阵来拟合医疗器械前端的平面曲线，得到弯曲曲率半径包括以下步骤：
S321、对图像序列中的医疗器械图像进行图像增强处理；
S322、利用边缘检测算法在医疗器械图像中找到医疗器械的边界及骨架线；
S323、使用单应矩阵将骨架线上的像素坐标转换为实际物理坐标；
S324、利用实际物理坐标的数据点，应用曲线拟合技术（如多项式拟合、样条曲线拟合等）来获取曲线方程；
S325、从拟合得到的曲线方程中，计算得到弯曲曲率，并取弯曲曲率的倒数得到弯曲曲率半径。
8.根据权利要求7所述的一种基于位置信息的医疗器械受力信息获取方法，其特征在于，所述对图像序列中的医疗器械图像进行图像增强处理包括以下步骤：
S3211、将医疗器械图像转换为HSI图像，并使色调和饱和度保持不变；
S3212、利用多尺度高斯滤波函数将亮度分量分解为光照分量及反射分量；
S3213、对光照分量进行自适应Gamma校正，并根据每个像素点的光照分布特性动态地调整Gamma函数的校正系数，使医疗器械图像中过暗和过亮区域同时得到增强；
S3214、将Gamma校正后的光照分量和反射分量相乘得到校正后的亮度分量，并将校正后的亮度分量与原始的色调和饱和度合成为HSI图像；
S3215、将合成后的HSI图像转换为RGB图像，完成图像增强。
9.根据权利要求8所述的一种基于位置信息的医疗器械受力信息获取方法，其特征在于，所述利用多尺度高斯滤波函数将亮度分量分解为光照分量及反射分量时，通过不同尺度的高斯滤波结果进行加权平均得到光照分量。
10.一种基于位置信息的医疗器械受力信息获取系统，用于实现权利要求1-9任一项所述的基于位置信息的医疗器械受力信息获取方法，其特征在于，该系统包括位置信息判断模块、影像判断模块、受力分析模块及显示模块；
其中，所述位置信息判断模块，用于在医疗器械上安装位置传感器，并实时监控位置数据，若位置数据显示医疗器械已进入预设的人体范围时，则初步判断医疗器械已位于人体内；
所述影像判断模块，用于通过影像技术获取医疗器械的位置，并最终判断医疗器械是否位于人体内；
所述受力分析模块，用于若最终判断医疗器械位于人体内，则对医疗器械的受力信息进行分析；
所述显示模块，用于将获取的医疗器械的受力信息实时显示在界面上。
CN202311122673.XA 2023-09-01 2023-09-01 一种基于位置信息的医疗器械受力信息获取方法及系统 Active CN116864098B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311122673.XA CN116864098B (zh) 2023-09-01 2023-09-01 一种基于位置信息的医疗器械受力信息获取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311122673.XA CN116864098B (zh) 2023-09-01 2023-09-01 一种基于位置信息的医疗器械受力信息获取方法及系统

Publications (2)

Publication Number Publication Date
CN116864098A true CN116864098A (zh) 2023-10-10
CN116864098B CN116864098B (zh) 2023-11-14

Family

ID=88230784

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311122673.XA Active CN116864098B (zh) 2023-09-01 2023-09-01 一种基于位置信息的医疗器械受力信息获取方法及系统

Country Status (1)

Country Link
CN (1) CN116864098B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106204555A (zh) * 2016-06-30 2016-12-07 天津工业大学 一种结合Gbvs模型和相位一致性的视盘定位方法
CN112801031A (zh) * 2021-02-08 2021-05-14 电子科技大学中山学院 静脉图像识别方法、装置、电子设备及可读存储介质
WO2021162355A1 (ko) * 2020-02-10 2021-08-19 재단법인 아산사회복지재단 혈관 내 의료 도구 삽입 장치를 위한 가이드 데이터 제공 방법 및 장치
CN113554748A (zh) * 2021-08-16 2021-10-26 薛志伟 一种医疗器械三维建模方法及装置
CN115500963A (zh) * 2022-09-28 2022-12-23 深圳微美机器人有限公司 医疗器械受力信息获取方法、医疗器械控制方法及系统
CN115804652A (zh) * 2022-11-18 2023-03-17 深圳微美机器人有限公司 手术操作系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106204555A (zh) * 2016-06-30 2016-12-07 天津工业大学 一种结合Gbvs模型和相位一致性的视盘定位方法
WO2021162355A1 (ko) * 2020-02-10 2021-08-19 재단법인 아산사회복지재단 혈관 내 의료 도구 삽입 장치를 위한 가이드 데이터 제공 방법 및 장치
CN112801031A (zh) * 2021-02-08 2021-05-14 电子科技大学中山学院 静脉图像识别方法、装置、电子设备及可读存储介质
CN113554748A (zh) * 2021-08-16 2021-10-26 薛志伟 一种医疗器械三维建模方法及装置
CN115500963A (zh) * 2022-09-28 2022-12-23 深圳微美机器人有限公司 医疗器械受力信息获取方法、医疗器械控制方法及系统
CN115804652A (zh) * 2022-11-18 2023-03-17 深圳微美机器人有限公司 手术操作系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
林宜琛;傅兴玉;王峰;尤红建;: "相位一致性的SAR图像溢油分割算法研究", 测绘科学, vol. 41, no. 03 *

Also Published As

Publication number Publication date
CN116864098B (zh) 2023-11-14

Similar Documents

Publication Publication Date Title
CN110458883B (zh) 一种医疗影像的处理系统、方法、装置和设备
US8244009B2 (en) Image analysis device
EP1994878B9 (en) Medical image processing device and medical image processing method
CN109697719B (zh) 一种图像质量评估方法、装置及计算机可读存储介质
US20220172828A1 (en) Endoscopic image display method, apparatus, computer device, and storage medium
US11783488B2 (en) Method and device of extracting label in medical image
CN112634256B (zh) 圆检测及拟合方法、装置、电子设备和存储介质
US11426142B2 (en) Computer vision systems and methods for real-time localization of needles in ultrasound images
Wang et al. Segmenting retinal vessels with revised top-bottom-hat transformation and flattening of minimum circumscribed ellipse
CN116579954B (zh) 一种超高清内窥镜图像智能增强方法
CN114022554A (zh) 一种基于yolo的按摩机器人穴位检测与定位方法
Uribe-Valencia et al. Automated Optic Disc region location from fundus images: Using local multi-level thresholding, best channel selection, and an Intensity Profile Model
CN116630762A (zh) 一种基于深度学习的多模态医学图像融合方法
CN114937024A (zh) 图像评估方法、装置和计算机设备
WO2012121488A2 (ko) 의료용 혈관영상 처리방법
US20230394664A1 (en) Systems and methods for processing electronic medical images to determine enhanced electronic medical images
CN116864098B (zh) 一种基于位置信息的医疗器械受力信息获取方法及系统
CN117495817A (zh) 一种腔镜下血管异常图像判断方法及装置
CN116777962A (zh) 基于人工智能的二维医学图像配准方法及系统
CN115456974A (zh) 基于人脸关键点的斜视检测系统、方法、设备及介质
CN114677713A (zh) 一种基于近红外光的手臂静脉采血点的识别方法及系统
CN112885435B (zh) 图像目标区域的确定方法、装置和系统
CN114693912A (zh) 具有眼球追功能的内镜检查系统、存储介质及设备
US11972584B2 (en) Tissue specific time gain compensation methods and systems
CN117974692B (zh) 一种基于区域生长的眼科医学影像处理方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A method and system for obtaining force information of medical devices based on location information

Granted publication date: 20231114

Pledgee: Bank of China Limited by Share Ltd. Taizhou Gaogang sub branch

Pledgor: TAIZHOU ROOSIN MEDICAL PRODUCT CO.,LTD.

Registration number: Y2024980026782