基于深度学习的气管插管定位方法、装置和存储介质制造方法及图纸

本发明专利技术涉及一种基于深度学习的气管插管定位方法、装置和存储介质，其中，方法包括：构建基于空洞卷积和特征图融合的YOLOv3网络，通过训练好的YOLOv3网络提取图像的特征信息，得到第一目标信息；根据传感器检测到的二氧化碳浓度差异利用矢量化定位的方式确定第二目标信息；将所述第一目标信息与所述第二目标信息进行融合得到最终目标位置。本发明专利技术能够对对气管口和食管口进行快速实时检测。管口和食管口进行快速实时检测。管口和食管口进行快速实时检测。

【技术实现步骤摘要】
基于深度学习的气管插管定位方法、装置和存储介质


[0001]本专利技术涉及计算机辅助医疗
，特别是涉及一种基于深度学习的多模态气管插管定位方法及装置。

技术介绍

[0002]气管内插管是麻醉医生对全身麻醉状态下的患者进行气道管理的重要手段，在保持气道通畅、通气供氧、呼吸支持、维持氧合等方面起到了重要的作用。麻醉医生在气道插管的过程中会面临很多的挑战，如面罩通气困难、插管困难等。根据有关文献报道，在接受全身麻醉的患者中，面罩通气困难的发生率约为0.9％～12.8％，插管困难的发生率约为0.5％～10％，同时出现面罩通气困难和插管困难的发生率约为0.01％～0.07％。困难或者失败的气道插管往往会造成十分严重的后果，包括永久性脑损伤甚至死亡。为此，临床上常采用纤支镜引导下的清醒插管方式来辅助麻醉医生进行患者气道插管以最大程度的保证患者安全。
[0003]近年来，人工智能技术得到了迅猛发展，在医学领域和麻醉领域也得到了初步探索，在气管插管方面，更加智能化、自动化的插管设备得到了初步研发。2012年，加拿大Hemmerling等人专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的气管插管定位方法，其特征在于，包括以下步骤：(1)构建基于空洞卷积和特征图融合的YOLOv3网络，通过训练好的YOLOv3网络提取图像的特征信息，得到第一目标信息；(2)根据传感器检测到的二氧化碳浓度差异利用矢量化定位的方式确定第二目标信息；(3)将所述第一目标信息与所述第二目标信息进行融合得到最终目标位置。2.根据权利要求1所述的基于深度学习的气管插管定位方法，其特征在于，所述步骤(1)中的YOLOv3网络采用残差模块对所述所述内窥镜图像的不同尺度的目标特征信息进行提取；所述残差模块包括三个并行的残差块，且每个残差块的首部和尾部增加1x1的卷积核；所述三个并行的残差块扩张率不同，所述三个并行的残差块中空洞卷积的权重是共享的。3.根据权利要求1所述的基于深度学习的气管插管定位方法，其特征在于，所述步骤(1)中的YOLOv3网络的输出层通过特征金字塔网络生成两个不同尺度的特征图。4.根据权利要求3所述的基于深度学习的气管插管定位方法，其特征在于，所述通过特征金字塔网络生成特征图是指，将本层卷积层输出的特征图进行上采样，并与网络中上一层卷积层的输出进行张量拼接，得到特征图。5.根据权利要求1所述的基于深度学习的气管插管定位方法，其特征在于，所述步骤(1)中的YOLOv3网络的损失函数包括检测框中心坐标误差损失、检测框高度和宽度误差损失、置信度误差损失和分类误差损失。6.根据权利要求1所述的基于深度学习的气管插管定位方法，其特征在于，所述步骤(2)中的...

【专利技术属性】
技术研发人员：姜虹，夏明，常敏，张荣福，李峰，徐天意，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：