用于手术质量的控制方法技术

本发明专利技术公开了用于手术质量的控制方法，涉及人工智能技术领域，包括S1构建手术要素量化模型；S2手术数据库导入手术要素量化模型获取量化数据；S3分析量化数据输出不同手术要素、对应变量的统计学信息；S4构建手术管理知识库；S5构建手术管理系统，手术数据库导入手术管理系统进行分析，获得手术质量的控制建议；采用人工智能计算机模型识别手术器材、解剖结构、手术阶段、器械轨迹、术中异常事件、解剖处理质量、疾病严重程度等多重手术要素，结合统计分析功能建立手术视频自动分析和质量控制系统，通过实时或者术后对手术视频的手术要素进行提取整理，并进行成组分析，实现手术信息的准确高效提取及质量分析。的准确高效提取及质量分析。的准确高效提取及质量分析。

【技术实现步骤摘要】
用于手术质量的控制方法


[0001]本专利技术涉及人工智能
，尤其涉及一种用于手术质量的控制方法。

技术介绍

[0002]外科手术视频包含大量的术中信息，当前对手术信息的获取和分析仍停留在人为查阅视频及其文字报告的阶段，这不仅主观性强、准确度低，而且会消耗大量的人力、物力和时间，这样的方式存在较高的手术信息提取、科研和临床手术质量控制的成本。近年出现的人工智能技术对信息的提取可有效解决以上方式带来的低效、低信度、和高成本等问题。

技术实现思路

[0003]本专利技术的目的就在于为了解决上述问题设计了一种用于手术质量的控制方法。
[0004]本专利技术通过以下技术方案来实现上述目的：用于手术质量的控制方法，包括：S1、构建手术要素量化模型；S2、手术数据库导入手术要素量化模型获取手术要素的量化数据；S3、将手术要素的量化数据输入到统计分析模型进行分析，输出不同手术要素、对应变量的统计学信息；S4、利用知识图谱算法根据统计学信息与手术质量和管理建议之间的对应关系构建手术管理知识库；S5、手术要素量化模型、统计分析模型和手术管理知识库组合形成手术管理系统，医院的手术数据库导入手术管理系统进行分析，并根据分析结果获得手术质量的控制建议。
[0005]本专利技术的有益效果在于：本申请采用人工智能计算机模型识别手术器材、解剖结构、手术阶段、器械轨迹、术中异常事件、解剖处理质量、疾病严重程度等多重手术要素，同时结合统计分析功能建立手术视频自动分析和质量控制系统；前者采用深度神经网络建立，后者则结合医学理论利用现有的统计学程序。通过实时或者术后对手术视频的手术要素进行提取整理，并对其进行成组分析，从而实现对手术信息的准确高效提取及其质量分析，从而辅助了临床管理者和临床研究者对手术的完成情况进行宏观浏览和调控，以及进一步挖掘临床科研内容。
附图说明
[0006]图1是本专利技术用于手术质量的控制方法的流程示意图；图2是本专利技术用于手术质量的控制方法的示意图。
具体实施方式
[0007]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例
中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0008]因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0009]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0010]在本专利技术的描述中，需要理解的是，术语“上”、“下”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该专利技术产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0011]此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0012]在本专利技术的描述中，还需要说明的是，除非另有明确的规定和限定，“设置”、“连接”等术语应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。
[0013]下面结合附图，对本专利技术的具体实施方式进行详细说明。
[0014]如图1所示，用于手术质量的控制方法，包括：S1、构建手术要素量化模型。
[0015]S2、手术数据库导入手术要素量化模型获取手术要素的量化数据。
[0016]S3、将手术要素的量化数据输入到统计分析模型进行分析，输出不同手术要素、对应变量的统计学信息。
[0017]S4、利用知识图谱算法根据统计学信息与手术质量和管理建议之间的对应关系构建手术管理知识库。
[0018]S5、手术要素量化模型、统计分析模型和手术管理知识库组合形成手术管理系统，医院的手术数据库导入手术管理系统进行分析，并根据分析结果获得手术质量控制及手术管理的建议。
[0019]手术要素量化模型包括器械运动轨迹识别模型、解剖结构识别模型、解剖结构处理状态分类模型、手术阶段及异常事件识别模型和器官病变情况分类模型，手术要素的量化数据包括器械运动轨迹识别模型的识别结果、解剖结构识别模型的识别结果、解剖结构处理状态分类模型的分类结果、手术阶段及异常事件识别模型的识别结果和器官病变情况分类模型的分类结果。
[0020]构建器械运动轨迹识别模型：标记手术视频中不同器械及其对应的运动轨迹，并储存标记得到器械运动轨迹数据库；通过器械运动轨迹数据库利用基于KCF跟踪算法训练
得到用于识别视频图片序列中不同器械及其视野下运动轨迹的器械运动轨迹识别模型；具体为：KCF算法根据当前帧的信息和之前帧的信息训练出一个相关滤波器，然后与新输入的帧进行相关性计算，得到的置信图就是预测的跟踪结果，得分最高的那个点就是最可能的跟踪结果；KCF算法的核心思想就是扩充负样本的数量以增强跟踪器的性能，扩充负样本的方法就是采用了循环矩阵的构造方法。循环矩阵是一种特殊的矩阵，它的一维形式就是由一个n维向量每次向右循环移动一个元素，直到生成一个n
×
n的矩阵；对于任意的基样本x所生成的循环矩阵都能够在傅氏空间内使用离散傅里叶矩阵进行对角化处理，如下式：其中，是x的离散傅里叶变换，即：，C(x)为由基样本x生成的循环矩阵， F
H
为F的厄米特转置，Fdiag是离散傅里叶常量矩阵的对角矩阵；在KCF的算法中，训练样本的生成都是基于循环矩阵形式来构建的，其中基样本为正样本，其他都是虚构出的负样本，这样的样本集具有很好的特性，可以很方便的利用快速傅里叶变换和傅里叶对角化的性质来进行计算，而不需要得知负样本的具体形式，算法将有关负样本的计算都转换到了频域进行求解；这样，采用了循环矩阵的性质对输入图像的搜索区域进行密集采样之后，使得进行跟踪器训练时缺少样本的问题迎刃而解；KCF算法采用如下式的岭回归的方法来根据之前帧的跟踪结果图片训练出跟踪器：其中，L(y
i
,f(x
i
))为损失函数，定义为(y
i
‑
f(x
i
))2，λ为正则化参数，正则项引入的目的是为了排除一些因循环矩阵变换后而变形过度的虚拟样本，给定样本x
i
和对应的标签y本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于手术质量的控制方法，其特征在于，包括：S1、构建手术要素量化模型；S2、手术数据库导入手术要素量化模型获取手术要素的量化数据；S3、将手术要素的量化数据输入到统计分析模型进行分析，输出不同手术要素、对应变量的统计学信息；S4、利用知识图谱算法根据统计学信息与手术质量和管理建议之间的对应关系构建手术管理知识库；S5、手术要素量化模型、统计分析模型和手术管理知识库组合形成手术管理系统，医院的手术数据库导入手术管理系统进行分析，并根据分析结果获得手术质量的控制建议。2.根据权利要求1所述的用于手术质量的控制方法，其特征在于，手术要素量化模型包括器械运动轨迹识别模型、解剖结构识别模型、解剖结构处理状态分类模型、手术阶段及异常事件识别模型和器官病变情况分类模型，手术要素的量化数据包括器械运动轨迹识别模型的识别结果、解剖结构识别模型的识别结果、解剖结构处理状态分类模型的分类结果、手术阶段及异常事件识别模型的识别结果和器官病变情况分类模型的分类结果。3.根据权利要求2所述的用于手术质量的控制方法，其特征在于，构建器械运动轨迹识别模型：标记手术视频中不同器械及其对应的运动轨迹，并储存标记得到器械运动轨迹数据库；通过器械运动轨迹数据库利用基于KCF跟踪算法训练得到用于识别视频图片序列中不同器械及其视野下运动轨迹的器械运动轨迹识别模型；构建解剖结构识别模型：使用含有解剖结构的手术视频图片和完整手术视频，对图片中出现的解剖结构进行标记，并储存标记得到解剖结构识别数据库；通过解剖结构识别数据库利用神经网络训练得到解剖结构识别模型；构建手术阶段及异常事件识别模型：使用含有解剖结构的手术视频图片和完整手术视频，对视频片段中对应的手术阶段和异常事件进行标记进行标记，并储存标记得到手术阶段及异常事件识别数据库；通过手术阶段及异常事件识别数据库利用神经网络训练得到手术阶段及异常事件识别模型；构建解剖结构处理状态分类模型和器官病变情况分类模型：根据图...

【专利技术属性】
技术研发人员：刘杰，石歆竹，朱宗斌，王玉贤，
申请(专利权)人：成都与睿创新科技有限公司，
类型：发明
国别省市：