评估甲状旁腺存活率的系统技术方案

本实用新型专利技术提供一种评估甲状旁腺存活率的系统，包括：存储单元、信息提取器以及处理器。存储单元用于存储由近红外传感器检测到的受试者甲状旁腺的图像；信息提取器用于从图像中提取特征信息；以及处理器包括可输入特征信息的机器学习模型，并根据机器学习模型从特征信息生成甲状旁腺的血流指数。借此，本实用新型专利技术的评估甲状旁腺存活率的系统，可以准确的评估甲状旁腺的存活率。估甲状旁腺的存活率。估甲状旁腺的存活率。

【技术实现步骤摘要】
评估甲状旁腺存活率的系统


[0001]本技术关于一种评估组织的存活率，更具体地，关于一种用于在甲状腺区域手术期间评估甲状旁腺存活率的系统。

技术介绍

[0002]甲状旁腺是附着于甲状腺的内分泌器官，并且通常由甲状腺的上、下、左和右区域中的四个小组织所组成。甲状旁腺分泌甲状旁腺激素并调节体液中钙和磷的代谢。当甲状旁腺不正常活动或被清除时，血液中的钙减少，全身所有部位都会发生个别的肌肉痉挛。
[0003]在对甲状旁腺进行手术时，需要准确地识别甲状旁腺的位置。通常，在允许患者服用造影剂后，通过向甲状腺区域照射特定波长的光来识别甲状旁腺的位置，但这具有使患者感到心理负担的问题。
[0004]此外，在手术过程中，可能有必要根据甲状旁腺的存活率来确定是否去除甲状旁腺。在这种情况下，评估甲状旁腺的存活率完全取决于操作者的经验判断。因此，根据操作者的个人经验差异可能得出不同的结果，并且可能导致由于不适当的判断而使可靠性大大降低的问题。
[0005]尤其，准确的识别、存活率评估和组织解剖结构的仔细保存对于减少并发症和改善手术结果至关重要。人类的视野有限，无法清楚地区分这些结构和状态。意外和/或无法识别的组织损伤会导致短期和长期的发病率以及可避免的死亡率。因此，在许多临床情况下，准确识别组织类型和精确评估组织灌注/存活率至关重要，目前依靠个别医生的经验进行视觉检查和触诊的标准存在局限性。
[0006]并且，患病组织的手术切除是普通外科手术中的常见程序。确认切除的确切范围仅基于组织的存活率和充足的血液供应。例如，在没有明确的界限和不确定的存活率的情况下，通常难以确定肠切除的边缘。如果病变广泛且容易患上短肠综合症、急性肠系膜缺血和坏死性小肠结肠炎，则外科医生往往会做出艰难的手术决定。肠切除不足会因为残留的坏死性肠导致败血症，而大肠切除会导致短肠综合症。如果血液供应不足，可能会发生吻合口漏和狭窄。因此，准确的术中组织存活率评估至关重要。但是，目前尚无标准化，也没有可用的实际设备。
[0007]因此，在本领域中存在迄今未解决的需要以解决前述的缺陷和不足。

技术实现思路

[0008]本技术的目的在于提供一种评估甲状旁腺存活率的系统，其能够准确的评估甲状旁腺的存活率。
[0009]为实现上述目的，本技术一方面提供了一种评估甲状旁腺存活率的系统，包括用于存储由近红外传感器检测到的受试者的甲状旁腺的图像的存储单元；信息提取器，用于从图像中提取特征信息；以及处理器，包括可输入特征信息的机器学习模型，并基于所述机器学习模型从特征信息生成甲状旁腺的血流指数。
[0010]在本技术的一实施方式中，评估甲状旁腺存活率的系统进一步包括光源单元，将780nm至840nm波长带范围中选定波长的光照射到所述受试者的甲状旁腺区域。
[0011]在本技术的一实施方式中，特征信息包括具有关于血流信息的斑点对比度值(K)、甲状旁腺区域被近红外光照射的点和通过近红外传感器检测到的甲状旁腺区域之间的距离(r)，以及甲状旁腺区被近红外光照射的时间(T)。
[0012]在本技术的一实施方式中，特征信息包括受试者的临床信息，临床信息包括受试者的年龄、性别、病史、运动习惯、饮食习惯、吸烟和饮酒中的任一项。
[0013]在本技术的一实施方式中，机器学习模块可以包括深度神经网络(DNN)、卷积神经网络(CNN)和递归神经网络(RNN)中的至少一个。
[0014]本技术另一方面提供了一种评估甲状旁腺存活率的系统，包括存储单元，用于存储由近红外传感器检测到的受试者甲状旁腺的图像；信息提取器，用于从图像中提取特征信息；以及处理器，处理器包括基于参考特征信息的血液流动指数预先存储的查找表，并通过将受试者的甲状旁腺图像的特征信息与参考特征信息进行比较和匹配来生成血流指数。
[0015]在本技术的一实施方式中，评估甲状旁腺存活率的系统可以进一步包括光源单元，光源单元从780nm至840nm波长带范围中选定波长的光照射到对象的甲状旁腺区域。
[0016]在本技术的一实施方式中，特征信息可包括以下至少之一：具有关于血流信息的斑点对比度值(K)、甲状旁腺区域被近红外光照射的点和通过近红外传感器检测到的甲状旁腺区域之间的距离(r)，以及甲状旁腺区被近红外光照射的时间(T)。
[0017]与现有技术相比，根据本技术的评估甲状旁腺存活率的系统，其能够准确的评估甲状旁腺的存活率。
附图说明
[0018]参考本技术的实施例，其示例可以在附图中示出。这些附图仅是说明性的，而非限制性的。尽管一般在这些实施例的上下文中描述了本技术，但是应当理解，其并不旨在将本技术的范围限制为这些特定实施例。
[0019]图1示出了根据本技术实施例的例示性甲状腺和例示性甲状旁腺。
[0020]图2示出了根据本技术实施例的用于识别甲状旁腺和评估甲状旁腺的存活率的设备的示意图。
[0021]图3示出了流程图，所述流程图示出了根据本技术实施例的识别甲状旁腺和评估甲状旁腺的存活率的例示性步骤。
[0022]图4示出了根据本技术实施例的识别甲状旁腺位置的设备的示意图。
[0023]图5示出了根据本技术实施例的设备获取的灰阶图像和第一图像。
[0024]图6示出了根据本技术实施例的评估甲状旁腺的存活率的设备的示意图。
[0025]图7示出了一种根据本技术实施例的设备获取第二图像的示意图。
[0026]图8A和图8B示出了根据本技术实施例的设备获取的灰阶图像和第二图像。
[0027]图9示出了根据本技术实施例的用于评估甲状旁腺的存活率的设备的示意图。
[0028]图10示出了使用根据本技术实施例的设备来评估甲状旁腺存活率的第一方
法的示意图。
[0029]图11示出了使用根据本技术实施例的设备来评估甲状旁腺存活率的第二方法的示意图。
[0030]主要附图标记说明：
[0031]t
‑
甲状腺，g
‑
甲状旁线，B
‑
主体，D1～D2‑
扩散斑点图案，R
‑
甲状旁腺手术区域，K
‑
对比度值，r
‑
距离，s
‑
点，T
‑
时间，10
‑
图像，13
‑
机器学习模型，30
‑
信息提取，100
‑
设备，105
‑
光源单元，107
‑
光源驱动器，110
‑
内窥镜组件，111
‑
处理器，111a
‑
查找表，112
‑
抓握部，113
‑
存储单元，113a
‑
图像数据，113b
‑
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种评估甲状旁腺存活率的系统，其特征在于，包括：存储单元，用于存储由近红外传感器检测到的受试者的甲状旁腺的图像；信息提取器，用于从图像中提取特征信息；以及处理器，包括输入了特征信息的机器学习模型，并且基于机器学习模型从特征信息中生成甲状旁腺的血流指数。2.根据权利要求1所述的评估甲状旁腺存活率的系统，其特征在于，进一步包括：光源单元，将780nm至840nm波长带范围中选定波长的光照射到所述受试者的甲状旁腺区域。3.根据权利要求1所述的评估甲状旁腺存活率的系统，其特征在于，所述特征信息包括具有关于血流的信息的斑点对比度值、在近红外光照射到甲状旁腺区域的点与通过近红外传感器检测到的甲状旁腺区域之间的距离，以及甲状旁腺区域被近红外光暴露的时间。4.根据权利要求1所述的评估甲状旁腺存活率的系统，其特征在于，所述特征信息包括所述受试者的临床信息，所述临床信息包括所述受试者的年龄、性别、病史、运动习惯、饮食习惯、吸烟和饮酒中的任一项。5.根据权...

【专利技术属性】
技术研发人员：李忠熙，申一亨，
申请(专利权)人：因德斯马特有限公司，
类型：新型
国别省市：