CN117649394A - 掺铥光纤激光治疗机精准度调整方法和系统 - Google Patents
掺铥光纤激光治疗机精准度调整方法和系统 Download PDFInfo
- Publication number
- CN117649394A CN117649394A CN202311721887.9A CN202311721887A CN117649394A CN 117649394 A CN117649394 A CN 117649394A CN 202311721887 A CN202311721887 A CN 202311721887A CN 117649394 A CN117649394 A CN 117649394A
- Authority
- CN
- China
- Prior art keywords
- image
- calculus
- pixel
- pixel points
- value
- 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
- 239000000835 fiber Substances 0.000 title claims abstract description 35
- 230000001225 therapeutic effect Effects 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000013307 optical fiber Substances 0.000 claims abstract description 36
- 238000009499 grossing Methods 0.000 claims abstract description 26
- 238000004040 coloring Methods 0.000 claims abstract description 7
- 239000004575 stone Substances 0.000 claims description 85
- 229910052775 Thulium Inorganic materials 0.000 claims description 20
- FRNOGLGSGLTDKL-UHFFFAOYSA-N thulium atom Chemical compound [Tm] FRNOGLGSGLTDKL-UHFFFAOYSA-N 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000013532 laser treatment Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 230000015271 coagulation Effects 0.000 abstract description 2
- 238000005345 coagulation Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 210000000626 ureter Anatomy 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000005422 blasting Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002485 urinary effect Effects 0.000 description 2
- 210000002700 urine Anatomy 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 206010065809 Ureteric perforation Diseases 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000000762 glandular Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 230000008016 vaporization Effects 0.000 description 1
- 238000009834 vaporization Methods 0.000 description 1
Landscapes
- Endoscopes (AREA)
Abstract
本申请涉及图像数据处理领域，尤其涉及掺铥光纤激光治疗机精准度调整方法和系统，方法包括：根据内窥镜图像得到结石区域图像及结石边缘；计算结石区域图像中像素点的选择值；将结石区域图像划分为多个块，计算每个块中多个像素点的最大选择值均值，将具有最大选择值均值的块作为选择块；根据像素点到结石边缘的距离以及像素点所在选择块内所有像素点选择值的均值，计算像素点的可选择程度及平滑权重，并进行像素点平滑；根据伪彩颜色模型及平滑后像素点的可选择程度进行伪彩上色，在内窥镜图像上显示光纤的接触中心。本申请使光纤与结石的接触位置在内窥镜图像上可视化显示以辅助医生判断，还能够提高手术精度和凝血效果。
Description
技术领域
本申请涉及图像数据处理领域，尤其涉及掺铥光纤激光治疗机精准度调整方法和系统。
背景技术
掺铥光纤激光治疗机是一种采用掺铥的光纤作为激光介质的激光医疗设备。掺铥光纤的激光具有输出功率高、光束质量好、波长可调等特点。
输尿管是连接肾脏和膀胱的管道，结石有时候会在输尿管内形成，这些结石被称为输尿管结石。输尿管结石可能会导致尿液流动受阻和剧烈的疼痛。通过掺铥光纤激光治疗机能够对输尿管内的结石进行碎石治疗。
现有技术中，医生会使用内窥镜将激光光纤导入输尿管内，然后使用掺铥光纤激光治疗机产生的激光照射到输尿管内的结石上。通过高能量脉冲使结石迅速受热膨胀碎裂成小颗粒，小颗粒结石能够随着尿液排出。相比传统的手术切割方式，激光碎石术具有创伤小、出血少的优点。
但是由于输尿管空间较小，导致操作难度较高，在进行结石碎石时，往往是通过医生视觉进行判断定位，对体积大的结石进行碎石时，可能需要操作多次，出现操作失误的概率增加，如果没有准确将光纤和结石接触而是与输尿管部分接触，可能造成输尿管穿孔或损伤。
发明内容
为了辅助判断光纤和结石的接触位置，提高碎石的精准度，本申请提供掺铥光纤激光治疗机精准度调整方法和系统。
第一方面，本申请提供掺铥光纤激光治疗机精准度调整方法，采用如下的技术方案：掺铥光纤激光治疗机精准度调整方法，包括步骤：获取内窥镜图像，根据预设的识别模型进行结石识别，得到结石区域图像和非结石区域图像，根据边缘检测算法得到结石边缘；计算结石区域图像中像素点的选择值；根据超像素分割算法，将结石区域图像划分为多个块，每个块包含多个相邻的像素点，计算每个块中多个像素点的最大选择值均值，将具有最大选择值均值的块作为选择块；根据像素点到结石边缘的距离以及像素点所在选择块内所有像素点选择值的均值，计算像素点的可选择程度；得到可选择程度后，计算像素点的平滑权重，并根据平滑权重对像素点进行平滑；根据伪彩颜色模型及平滑后像素点的可选择程度进行伪彩上色，在内窥镜图像上显示光纤的接触中心。
可选的，所述获取内窥镜图像，根据预设的识别模型进行结石识别，得到结石区域图像和非结石区域图像，包括步骤：建立识别模型；在所述识别模型中获取内窥镜图像，得到结石掩膜图像；将所述内窥镜图像与所述结石掩膜图像进行掩膜运算，得到结石区域图像。
可选的，计算像素点的梯度值及像素点的灰度值；根据所述梯度值与灰度值，计算选择值，计算公式为：，其中，/>为第/>个结石区域图像中第/>个像素点的选择值，/>为第/>个结石区域图像中第/>个像素点的梯度值，/>为第/>个结石区域图像中第/>个像素点的灰度值。
可选的，根据像素点到结石边缘的距离以及像素点所在选择块内所有像素点选择值的均值，计算像素点的可选择程度，包括步骤：计算像素点与结石边缘的形状中心之间的距离；计算像素点的可选择程度，计算公式为：，其中，/>为第/>个结石区域图像中第/>个像素点的可选择程度，/>为第/>个结石区域图像中第/>个像素点与结石边缘的形状中心之间的距离，/>为第/>个结石区域图像中第/>个像素点所在选择块内所有像素点选择值的平均值。
可选的，所述得到可选择程度后，计算像素点的平滑权重，并根据平滑权重对像素点进行平滑，包括步骤：计算所有可选择程度的峰值点，获得距离最近峰值点；计算像素点的可选择程度与最近峰值点的可选择程度之间的目标差值；计算平滑权重，平滑权重的计算公式为：，其中，/>为第/>个结石区域图像中第/>个像素点的平滑权重，/>为第/>个结石区域图像中第/>个像素点的邻域差异信息，/>为第/>个结石区域图像中第/>个像素点的可选择程度与所有像素点的可选择程度中最大值的比值，/>为距离最近峰值点的/>与第/>个结石区域图像中第/>个像素点的目标差值之间的综合信息值。
第二方面，本申请提供掺铥光纤激光治疗机精准度调整系统，采用如下的技术方案：
掺铥光纤激光治疗机精准度调整系统，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据所述的掺铥光纤激光治疗机精准度调整方法。
本申请具有以下技术效果：
通过获取结石边缘与选择块，计算得到结石各个区域的可选择程度，根据可选择程度确定光纤与结石的接触位置，考虑了结石表面的实际情况，根据每个块的可选择程度考虑领域数据分布的差异，增强了接触位置的可视化效果，用于辅助判断光纤和结石的接触点，提高光纤对结石打击的精准度，在多次碎石操作时，降低手术失误风险。
附图说明
通过参考附图阅读下文的详细描述，本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本申请的若干实施方式，并且相同或对应的标号表示相同或对应的部分。
图1是本申请实施例掺铥光纤激光治疗机精准度调整方法的方法流程图。
图2是本申请实施例掺铥光纤激光治疗机精准度调整方法中步骤S1的方法流程图。
图3是本申请实施例掺铥光纤激光治疗机精准度调整方法中步骤S2的方法流程图。
图4是本申请实施例掺铥光纤激光治疗机精准度调整方法中步骤S4的方法流程图。
图5是本申请实施例掺铥光纤激光治疗机精准度调整方法中步骤S5的方法流程图。
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。
应当理解，当本申请的权利要求、说明书及附图使用术语“第一”、“第二”等时，其仅是用于区别不同对象，而不是用于描述特定顺序。本申请的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
本申请实施例公开掺铥光纤激光治疗机精准度调整方法，参照图1，包括步骤S1-步骤S6，具体如下：
S1：获取内窥镜图像，根据预设的识别模型进行结石识别，得到结石区域图像和非结石区域图像，根据边缘检测算法得到结石边缘。参照图2，步骤S1包括步骤S10-步骤S12，具体如下：
S10：建立识别模型。
通过内窥镜获取病患包含结石的内窥镜图像，将内窥镜图像发送至掺銩光纤治疗机的数据处理中心，利用神经网络模型进行解释识别，以获取结石区域图像和非结石区域图像。
本申请采用的掺銩光纤治疗机中，掺铥光纤使用145微米-200微米型号的光纤，以达到高精度手术应用的需求。145微米光纤可传输50瓦激光功率输出，满足稳定、可靠且高精度的手术应用需求。
掺銩光纤治疗机中单脉冲能量调节范围在0.01 J -6J之间，调节步长为：0.01 J。单脉冲能量表示光纤治疗机每个脉冲的能量强度。
掺銩光纤治疗机采用半导体泵浦作为泵浦源，由掺铥光纤的光栅与掺铥光纤组成的全光纤谐振腔，产生波长1940纳米的激光，恰好处于水的吸收峰上，用它轰击泌尿系统相关的结石时，激光能量被结石表面和内部的水分高效吸收，瞬间的汽化膨胀产生微爆破，这些微爆破又产生二次冲击波，能够快速粉碎各种成分的泌尿系统相关的结石。由于水和组织中的血红蛋白的联合吸收，可有效、迅速地汽化切割腺体组织，水对铥的高效吸收又使其在组织中的穿透深度小于0.5毫米，从而能够保证较高的手术精度和较好的凝血效果。
为了便于描述，下述光纤均为掺铥光纤。
本申请的神经网络模型采用U-NET模型，U-NET模型是一种带有跳跃连接的全卷积网络模型，其网络结构呈U形状。
对神经网络模型进行训练，采集不同病患的内窥镜图像，将属于结石区域的像素点标注为1，属于非结石的像素点标注为0，通过独热编码对标注后的图像进行编码，用于神经网络模型训练，训练后的模型为识别模型。
S11：在识别模型中获取内窥镜图像，得到结石掩膜图像。
S12：将内窥镜图像与结石掩膜图像进行掩膜运算，得到结石区域图像。
将当前病患的内窥镜图像输入到识别模型后，获取内窥镜图像中的结石掩膜图像，将结石掩膜图像与内窥镜图像进行掩膜运算，得到结石区域图像。
其中，根据识别模型获取的识别结果中，可获得当前患者的内窥镜图像中共有K个结石，即得到K个结石区域图像，通过对第个结石区域利用边缘检测算法，得到第/>个结石的边缘信息作为结石边缘。
S2：计算结石区域图像中像素点的选择值。参照图3，步骤S2包括步骤S20-步骤S21，具体如下：
S20：计算像素点的梯度值及像素点的灰度值。
对第个结石区域图像进行灰度化后，利用sobel算子获得第/>个结石中第/>个像素点的梯度值，记为/>。
梯度值越小，则表示当前第个结石区域图像中第/>个像素点对应的部位越平整，利于光纤接触，且通过获取内窥镜图像时，会进行打光，所以，在二维图像中，越黑暗的地方表示距离内窥镜越远，越明亮地方表示距离内窥镜越近。在碎石时，优先选择距离内窥镜近的部位与光纤接触。
S21：根据梯度值与灰度值，计算选择值。
计算公式为：，其中，/>为第/>个结石区域图像中第/>个像素点的选择值，/>为第/>个结石区域图像中第/>个像素点的梯度值，/>为第/>个结石区域图像中第/>个像素点的灰度值。
选择值越大，该像素点越能够作为光纤的接触点。
在单一像素点作为与光纤的接触点时，接触面积不够，本申请可以将结石区域图像中选择值最大的局部区域作为与光纤的接触部分。
S3：根据超像素分割算法，将结石区域图像划分为多个块，每个块包含多个相邻的像素点，计算每个块中多个像素点的最大选择值均值，将具有最大选择值均值的块作为选择块。
将像素点的二维坐标值以及选择值组成的三维向量，作为超像素分割算法的输入，通过超像素分割算法，将坐标连续且选择值近似的像素点划分到同一个块内，共得到N个块。选择值近似可以是选择值之间的差值小于预设差值，预设值可由实施者根据具体场景进行设定。
S4：根据像素点到结石边缘的距离以及像素点所在选择块内所有像素点选择值的均值，计算像素点的可选择程度。参照图4，步骤S4包括步骤S40-步骤S41，具体如下：
S40：计算像素点与结石边缘的形状中心之间的距离。
S41：计算像素点的可选择程度。
可选择程度的计算公式为：。
其中，为第/>个结石区域图像中第/>个像素点的可选择程度，/>的值越大，表示该像素点作为光纤和结石的接触中心的精准度越高。
为第/>个结石区域图像中第/>个像素点与结石边缘的形状中心之间的距离，/>的值越小，表示该像素点越接近结石形状中心，越接近结石形状中心的像素点为光纤的接触位置，粉碎效果越好。
为第/>个结石区域图像中第/>个像素点所在选择块内所有像素点选择值的平均值。/>的值越大，表示该像素点对应的结石位置的表面越平坦，且表面越靠近内窥镜，进而以该像素点作为接触中心的粉碎效果越好。
在得到第个结石的结石边缘和选择块后，为了使掺铥光纤激光治疗机的光线能够与结石表面更好的接触，通过将结石边缘的形状中心和选择块的形状中心进行平均加权融合，得到接触中心作为光纤接触位置。
面对更复杂的碎石和作业环境，为了保证光纤与结石接触位置精准，本申请通过获取所有像素的可选择程度，辅助医生进行光纤与结石接触位置的判断。
S5：得到可选择程度后，计算像素点的平滑权重，并根据平滑权重对像素点进行平滑。参照图5，步骤S5包括步骤S50-步骤S52，具体如下：
S50：计算所有可选择程度的峰值点，获得距离最近峰值点。
具体地，利用峰值点检测方法获取结石区域图像中所有像素点可选择程度值的峰值点，计算各个峰值点到第个结石区域图像中第/>个像素点的欧式距离值。选择欧式距离值的最小值对应的峰值点作为与第/>个结石区域图像中第/>个像素点的距离最近峰值点。
S51：计算像素点的可选择程度与最近峰值点的可选择程度之间的目标差值。
S52：计算平滑权重。
平滑权重的计算公式为：。
其中，为第/>个结石区域图像中第/>个像素点的平滑权重，/>为第/>个结石区域图像中第/>个像素点的邻域差异信息。
的计算方法为：以第/>个结石区域图像中第/>个像素点为中心，3×3范围内可选择程度的最大值和最小值之间的差值的绝对值。/>的值越大，则表示3×3范围内的可选择程度变化越大，作为光纤接触位置的可能性越低，平滑权重越低。利用exp(-x)函数进行负相关映射。其中3×3范围大小可由实施者根据具体实施场景进行调整。
为第/>个结石区域图像中第/>个像素点的可选择程度与所有像素点的可选择程度中最大值的比值。/>的值越大，表示该像素点作为接触中心的可能性越高。
为最近峰值点的目标比值与第/>个结石区域图像中第/>个像素点的目标差值之间的综合信息值，目标差值记为/>。目标比值为最近峰值点的可选择程度与所有像素点的可选择程度中最大值的比值，记为/>。
当与/>的取值越小，则表示当前第/>个结石区域图像中第/>个像素点的重要程度越低。当/>的取值越大，/>的取值越小，则表示当前第/>个结石区域图像中第/>个像素点的重要程度越高。/>越大，对应的像素点作为接触中心的可能性越高。
综合信息值的计算公式为：，/>为最近峰值点的可选择程度，/>为第/>个结石区域图像中第/>个像素点的可选择程度。
S6：根据伪彩颜色模型及平滑后像素点的可选择程度进行伪彩上色，在内窥镜图像上显示光纤的接触中心。
伪彩色模型是一种通过使用不同的颜色来表示图像中不同强度或数值的模型。在伪彩色模型中，本申请可以根据像素点的可选择程度来选择合适的颜色进行上色，从而达到显示的效果。
在内窥镜图像中显示光纤的接触中心，可以利用伪彩色模型来突出显示光纤的接触中心的像素点。
对图像进行平滑处理，以减少噪声并突出光纤的接触中心。根据平滑后像素点可选择程度的数值，进行伪彩上色。伪彩上色是指将灰度图像转化为显示色彩的图像，提供更直观的可视化效果。例如，可以将平滑后像素点可选择程度的数值较高的像素点表示为红色，以突出光纤的接触中心部分；其它的像素点表示为蓝色或绿色，进而清晰地显示出光纤的接触中心。通过伪彩色模型对内窥镜图像进行显示，可以更好地突出光纤的接触中心。
本申请实施例还公开一种掺铥光纤激光治疗机精准度调整系统，包括处理器和存储器，存储器存储有计算机程序指令，当计算机程序指令被处理器执行时实现根据本申请的掺铥光纤激光治疗机精准度调整方法。上述系统还包括通信总线和通信接口等本领域技术人员熟知的其他组件，其设置和功能为本领域中已知，因此在此不再赘述。
在本申请中，前述的存储器可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，计算机可读存储介质可以是任何适当的磁存储介质或者磁光存储介质，比如，阻变式存储器RRAM（ResistiveRandomAccessMemory）、动态随机存取存储器DRAM（DynamicRandomAccessMemory）、静态随机存取存储器SRAM（StaticRandom-AccessMemory）、增强动态随机存取存储器EDRAM（EnhancedDynamicRandomAccessMemory）、高带宽内存HBM（High-BandwidthMemory）、混合存储立方HMC（HybridMemoryCube）等等，或者可以用于存储所需信息并且可以由应用程序、模块或两者访问的任何其他介质。任何这样的计算机存储介质可以是设备的一部分或可访问或可连接到设备。
虽然本说明书已经示出和描述了本申请的多个实施例，但对于本领域技术人员显而易见的是，这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本申请思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本申请的过程中，可以采用对本文所描述的本申请实施例的各种替代方案。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。
Claims (6)
1.掺铥光纤激光治疗机精准度调整方法，其特征在于，包括步骤：
获取内窥镜图像，根据预设的识别模型进行结石识别，得到结石区域图像和非结石区域图像，根据边缘检测算法得到结石边缘；
计算结石区域图像中像素点的选择值；
根据超像素分割算法，将结石区域图像划分为多个块，每个块包含多个相邻的像素点，计算每个块中多个像素点的最大选择值均值，将具有最大选择值均值的块作为选择块；
根据像素点到结石边缘的距离以及像素点所在选择块内所有像素点选择值的均值，计算像素点的可选择程度；
得到可选择程度后，计算像素点的平滑权重，并根据平滑权重对像素点进行平滑；
根据伪彩颜色模型及平滑后像素点的可选择程度进行伪彩上色，在内窥镜图像上显示光纤的接触中心。
2.根据权利要求1所述的掺铥光纤激光治疗机精准度调整方法，其特征在于，所述获取内窥镜图像，根据预设的识别模型进行结石识别，得到结石区域图像和非结石区域图像，包括步骤：
建立识别模型；
在所述识别模型中获取内窥镜图像，得到结石掩膜图像；
将所述内窥镜图像与所述结石掩膜图像进行掩膜运算，得到结石区域图像。
3.根据权利要求1所述的掺铥光纤激光治疗机精准度调整方法，其特征在于，计算结石区域图像中像素点的选择值，包括步骤：
计算像素点的梯度值及像素点的灰度值；
根据所述梯度值与灰度值，计算选择值，计算公式为：
其中，为第/>个结石区域图像中第/>个像素点的选择值，/>为第/>个结石区域图像中第/>个像素点的梯度值，/>为第/>个结石区域图像中第/>个像素点的灰度值。
4.根据权利要求1所述的掺铥光纤激光治疗机精准度调整方法，其特征在于，根据像素点到结石边缘的距离以及像素点所在选择块内所有像素点选择值的均值，计算像素点的可选择程度，包括步骤：
计算像素点与结石边缘的形状中心之间的距离；
计算像素点的可选择程度，计算公式为：
其中，为第/>个结石区域图像中第/>个像素点的可选择程度，/>为第/>个结石区域图像中第/>个像素点与结石边缘的形状中心之间的距离，/>为第/>个结石区域图像中第/>个像素点所在选择块内所有像素点选择值的平均值。
5.根据权利要求1所述的掺铥光纤激光治疗机精准度调整方法，其特征在于，所述得到可选择程度后，计算像素点的平滑权重，并根据平滑权重对像素点进行平滑，包括步骤：
计算所有可选择程度的峰值点，获得距离最近峰值点；
计算像素点的可选择程度与最近峰值点的可选择程度之间的目标差值；
计算平滑权重，平滑权重的计算公式为：
其中，为第/>个结石区域图像中第/>个像素点的平滑权重，/>为第/>个结石区域图像中第/>个像素点的邻域差异信息，/>为第/>个结石区域图像中第/>个像素点的可选择程度与所有像素点的可选择程度中最大值的比值，/>为距离最近峰值点的/>与第/>个结石区域图像中第/>个像素点的目标差值之间的综合信息值。
6.掺铥光纤激光治疗机精准度调整系统，其特征在于，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据权利要求1-5任一项所述的掺铥光纤激光治疗机精准度调整方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311721887.9A CN117649394A (zh) | 2023-12-14 | 2023-12-14 | 掺铥光纤激光治疗机精准度调整方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311721887.9A CN117649394A (zh) | 2023-12-14 | 2023-12-14 | 掺铥光纤激光治疗机精准度调整方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117649394A true CN117649394A (zh) | 2024-03-05 |
Family
ID=90047795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311721887.9A Pending CN117649394A (zh) | 2023-12-14 | 2023-12-14 | 掺铥光纤激光治疗机精准度调整方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117649394A (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011139158A (ja) * | 2009-12-25 | 2011-07-14 | Canon Inc | 画像処理装置および画像処理方法 |
| JP2012244555A (ja) * | 2011-05-23 | 2012-12-10 | Sharp Corp | 測色位置決定方法および表示装置 |
| US20150133728A1 (en) * | 2013-11-11 | 2015-05-14 | Gyrus Acmi, Inc. (D.B.A Olympus Surgical Technologies America) | Aiming beam detection for safe laser lithotripsy |
| CN106455941A (zh) * | 2014-05-04 | 2017-02-22 | 捷锐士阿希迈公司(以奥林巴斯美国外科技术名义) | 在碎石术期间定位碎片 |
| CN110268300A (zh) * | 2016-12-22 | 2019-09-20 | Z思快尔有限公司 | 用于多芯光纤内窥镜的照明源 |
| US20210056700A1 (en) * | 2019-08-22 | 2021-02-25 | Boston Scientific Scimed, Inc. | Systems and methods for processing electronic medical images to determine enhanced electronic medical images |
| WO2022221712A1 (en) * | 2021-04-15 | 2022-10-20 | Curemetrix, Inc. | Detecting, scoring and predicting disease risk using multiple medical-imaging modalities |
| US20230092920A1 (en) * | 2021-09-17 | 2023-03-23 | Boston Scientific Scimed, Inc. | Systems and methods of analyzing a kidney stone |
| CN116269751A (zh) * | 2022-09-08 | 2023-06-23 | 深圳市旭东数字医学影像技术有限公司 | 肾结石术前计算机模拟穿刺和导航系统 |
| CN116269744A (zh) * | 2023-03-16 | 2023-06-23 | 莱凯医疗器械(北京)有限公司 | 一种粉碎结石用激光能控制系统 |
| CN116630321A (zh) * | 2023-07-24 | 2023-08-22 | 铁正检测科技有限公司 | 基于人工智能的桥梁健康智能监测系统 |
| WO2023155494A1 (zh) * | 2022-02-16 | 2023-08-24 | 上海商汤智能科技有限公司 | 图像检测及训练方法、相关装置、设备、介质和程序产品 |
| CN117121116A (zh) * | 2021-01-22 | 2023-11-24 | 西拉格国际有限公司 | 用于外科装置增强的多传感器处理 |
-
2023
- 2023-12-14 CN CN202311721887.9A patent/CN117649394A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011139158A (ja) * | 2009-12-25 | 2011-07-14 | Canon Inc | 画像処理装置および画像処理方法 |
| JP2012244555A (ja) * | 2011-05-23 | 2012-12-10 | Sharp Corp | 測色位置決定方法および表示装置 |
| US20150133728A1 (en) * | 2013-11-11 | 2015-05-14 | Gyrus Acmi, Inc. (D.B.A Olympus Surgical Technologies America) | Aiming beam detection for safe laser lithotripsy |
| CN106455941A (zh) * | 2014-05-04 | 2017-02-22 | 捷锐士阿希迈公司(以奥林巴斯美国外科技术名义) | 在碎石术期间定位碎片 |
| CN110268300A (zh) * | 2016-12-22 | 2019-09-20 | Z思快尔有限公司 | 用于多芯光纤内窥镜的照明源 |
| US20210056700A1 (en) * | 2019-08-22 | 2021-02-25 | Boston Scientific Scimed, Inc. | Systems and methods for processing electronic medical images to determine enhanced electronic medical images |
| CN117121116A (zh) * | 2021-01-22 | 2023-11-24 | 西拉格国际有限公司 | 用于外科装置增强的多传感器处理 |
| WO2022221712A1 (en) * | 2021-04-15 | 2022-10-20 | Curemetrix, Inc. | Detecting, scoring and predicting disease risk using multiple medical-imaging modalities |
| US20230092920A1 (en) * | 2021-09-17 | 2023-03-23 | Boston Scientific Scimed, Inc. | Systems and methods of analyzing a kidney stone |
| WO2023155494A1 (zh) * | 2022-02-16 | 2023-08-24 | 上海商汤智能科技有限公司 | 图像检测及训练方法、相关装置、设备、介质和程序产品 |
| CN116269751A (zh) * | 2022-09-08 | 2023-06-23 | 深圳市旭东数字医学影像技术有限公司 | 肾结石术前计算机模拟穿刺和导航系统 |
| CN116269744A (zh) * | 2023-03-16 | 2023-06-23 | 莱凯医疗器械(北京)有限公司 | 一种粉碎结石用激光能控制系统 |
| CN116630321A (zh) * | 2023-07-24 | 2023-08-22 | 铁正检测科技有限公司 | 基于人工智能的桥梁健康智能监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021238438A1 (zh) | 肿瘤图像的处理方法和装置、电子设备、存储介质 | |
| CN106952347B (zh) | 一种基于双目视觉的超声手术辅助导航系统 | |
| CN108420529A (zh) | 基于电磁定位技术和术中图像引导的手术导航仿真方法 | |
| CA2965453C (en) | Method, system and apparatus for displaying surgical engagement paths | |
| AU2015202805B2 (en) | Augmented surgical reality environment system | |
| CN103371870B (zh) | 一种基于多模影像的外科手术导航系统 | |
| US20190311542A1 (en) | Smart operating room equipped with smart surgical devices | |
| CN107689045B (zh) | 内窥镜微创手术导航的图像显示方法、装置及系统 | |
| EP3138496B1 (en) | Automatic ent surgery preplanning using a backtracking maze problem solution | |
| CN107595390B (zh) | 一种超声影像与ct影像的实时匹配融合方法 | |
| CN114145846B (zh) | 基于增强现实辅助的手术导航方法及系统 | |
| US9052384B2 (en) | System and method for calibration for image-guided surgery | |
| CN112007289B (zh) | 一种组织消融的自动规划方法及装置 | |
| CN113545844B (zh) | 激光间质热疗的模拟方法和设备 | |
| CN111870344B (zh) | 术前导航方法、系统及终端设备 | |
| WO2021124280A1 (en) | Laser treatment of media opacities | |
| CA3147729A1 (en) | System, device and method for turbidity analysis | |
| CN109771052B (zh) | 基于多目成像和多偏振态成像的三维图像建立方法及系统 | |
| JP2015528342A (ja) | アブレーション治療のための超音波体積流量測定 | |
| US20210161604A1 (en) | Systems and methods of navigation for robotic colonoscopy | |
| CN117649394A (zh) | 掺铥光纤激光治疗机精准度调整方法和系统 | |
| CN109801239A (zh) | 一种显微手术影像的高光区域消除方法及装置 | |
| CN111789675B (zh) | 颅内血肿手术定位辅助方法及装置 | |
| EP4135615A1 (en) | Systems and methods for enhancing medical images | |
| CN115147360B (zh) | 一种斑块分割方法、装置、电子设备及可读存储介质 |
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 |