一种手术机器人的区域风险预警方法和系统技术方案

本发明专利技术实施例提供了一种手术机器人的区域风险预警方法和系统，所述方法包括：接收图像采集设备发送的手术机器人的手术区域的实时区域视频；通过预先训练的风险行为识别模型，对实时区域视频进行风险行为匹配，得到异常风险百分比；根据异常风险百分比，进行风险等级预警，能够基于实时区域视频自动识别风险行为并进行风险等级语句，节约人力资源，提高自动化程度和预警准确率，保证了手术安全性。保证了手术安全性。保证了手术安全性。

【技术实现步骤摘要】
一种手术机器人的区域风险预警方法和系统


[0001]本专利技术涉及计算机
，尤其涉及一种手术机器人的区域风险预警方法和系统。

技术介绍

[0002]目前，机器人手术系统是集多项现代高科技手段于一体的综合体，其用途广泛，在临床上外科上有大量的应用。在手术过程中，需要对手术区域进行严密监控，以防出现术中风险。相关技术中，可以通过人为提醒来进行风险预警，但人为提醒受限于人员经验以及注意力集中情况，容易出现误判且浪费人力资源，自动化程度较低；通过在手术机器人的主手或从手上额外安装红外线、无线传感器或声音传感器等设备来检测是否有人或物靠近主手或从手，但这种方式使得手术机器人结构复杂且容易出现误判，预警准确性较低。另外，在手术过程中，一旦无菌区域出现污染，会导致患者出现感染风险，手术安全性较低。

技术实现思路

[0003]本专利技术的一个目的在于提供一种手术机器人的区域风险预警方法，能够基于实时区域视频自动识别风险行为并进行风险等级语句，节约人力资源，提高自动化程度和预警准确率，保证了手术安全性。本专利技术的另一个目的在于提供一种手术机器人的区域风险预警系统。本专利技术的再一个目的在于提供一种计算机可读介质。本专利技术的还一个目的在于提供一种计算机设备。
[0004]为了达到以上目的，本专利技术一方面公开了一种手术机器人的区域风险预警方法，包括：
[0005]接收图像采集设备发送的手术机器人的手术区域的实时区域视频；
[0006]通过预先训练的风险行为识别模型，对实时区域视频进行风险行为匹配，得到异常风险百分比；
[0007]根据异常风险百分比，进行风险等级预警。
[0008]优选的，还包括：
[0009]获取风险视频集；
[0010]通过梯度增强决策树和卷积神经网络，根据风险视频集进行模型训练，得到风险行为识别模型，包括：
[0011]对风险视频进行分解标记，得到样本风险图像；
[0012]通过梯度增强决策树，对样本风险图像进行特征挖掘，得到深层次特征；
[0013]通过深层次特征，对卷积神经网络进行训练，得到风险行为识别模型。
[0014]优选的，风险视频集包括污染无菌区行为视频和/或碰撞行为视频；
[0015]对风险视频进行分解标记，得到样本风险图像，包括：
[0016]对风险视频进行分解，得到多张风险图像；
[0017]按照污染无菌区行为视频和/或碰撞行为视频，对风险图像进行标记，得到样本风
险图像。
[0018]优选的，在通过梯度增强决策树，对样本风险图像进行特征挖掘，得到深层次特征之前，还包括：
[0019]对样本风险图像进行像素归一化预处理，得到第一预处理图像；
[0020]对第一预处理图像进行像素中心化预处理，得到第二预处理图像；
[0021]对第二预处理图像进行像素标准化预处理，得到预处理后的样本风险图像。
[0022]优选的，通过预先训练的风险行为识别模型，对实时区域视频进行风险行为匹配，得到异常风险百分比，包括：
[0023]对实时区域视频进行分解，得到多张实时区域图像；
[0024]通过风险行为识别模型，对样本风险图像和实时区域图像进行相似度计算，得到异常风险百分比。
[0025]优选的，根据异常风险百分比，进行风险等级预警，包括：
[0026]通过设置的风险等级映射表，根据异常风险百分比，匹配出对应的风险等级；
[0027]按照设置的风险等级对应的预警方式，对手术区域的风险行为进行预警。
[0028]优选的，风险等级包括无风险、低风险、中风险和高风险；
[0029]风险等级对应的预警方式包括指定颜色的指示灯闪烁和语音提示。
[0030]本专利技术还公开了一种手术机器人的区域风险预警系统，包括：
[0031]数据存储单元，用于接收图像采集设备发送的手术机器人的手术区域的实时区域视频；
[0032]图像处理单元，用于通过预先训练的风险行为识别模型，对实时区域视频进行风险行为匹配，得到异常风险百分比；
[0033]风险预警单元，用于根据异常风险百分比，进行风险等级预警。
[0034]本专利技术还公开了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法。
[0035]本专利技术还公开了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，所述处理器执行所述程序时实现如上所述方法。
[0036]本专利技术还公开了一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时实现如上所述方法。
[0037]本专利技术接收图像采集设备发送的手术机器人的手术区域的实时区域视频；通过预先训练的风险行为识别模型，对实时区域视频进行风险行为匹配，得到异常风险百分比；根据异常风险百分比，进行风险等级预警，能够基于实时区域视频自动识别风险行为并进行风险等级语句，节约人力资源，提高自动化程度和预警准确率，保证了手术安全性。
附图说明
[0038]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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专利技术的一些实施例，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。
[0039]图1为本专利技术实施例提供的一种手术机器人的手术区域场景的示意图；
[0040]图2为本专利技术实施例提供的一种手术机器人的手术场景的平面图；
[0041]图3为本专利技术实施例提供的一种手术机器人的区域风险预警方法的流程图；
[0042]图4为本专利技术实施例提供的又一种手术机器人的区域风险预警方法的流程图；
[0043]图5为本专利技术实施例提供的一种摄像头的工作原理示意图；
[0044]图6为本专利技术实施例提供的一种图片预处理的流程图；
[0045]图7为本专利技术实施例提供的一种风险行为识别模型的训练流程图；
[0046]图8为本专利技术实施例提供的一种获取风险视频集种类及数据划分的逻辑示意图；
[0047]图9为本专利技术实施例提供一种典型神经元模型的结构示意图；
[0048]图10为本专利技术实施例提供一种Inception v4中主干网络结构的示意图；
[0049]图11为本专利技术实施例提供的一种平均池化的示例图；
[0050]图12为本专利技术实施例提供的一种Dropout层的原理图；
[0051]图13为本专利技术实施例提供一种网络训练的流程图；
[0052]图14为本专利技术实施例提供的一种交互界面示意图；
[0053]图15为本专利技术实施例提供的一种非操作人员闯入手术区的场景示意图；
[0054]图16为本专利技术实施例提供的一种主从控制状态下无菌区监控的场景示意图；
[0055]图17为本专利技术实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种手术机器人的区域风险预警方法，其特征在于，所述方法包括：接收图像采集设备发送的手术机器人的手术区域的实时区域视频；通过预先训练的风险行为识别模型，对所述实时区域视频进行风险行为匹配，得到异常风险百分比；根据所述异常风险百分比，进行风险等级预警。2.根据权利要求1所述的手术机器人的区域风险预警方法，其特征在于，还包括：获取风险视频集；通过梯度增强决策树和卷积神经网络，根据所述风险视频集进行模型训练，得到所述风险行为识别模型，包括：对风险视频进行分解标记，得到样本风险图像；通过所述梯度增强决策树，对所述样本风险图像进行特征挖掘，得到深层次特征；通过所述深层次特征，对所述卷积神经网络进行训练，得到所述风险行为识别模型。3.根据权利要求2所述的手术机器人的区域风险预警方法，其特征在于，所述风险视频集包括污染无菌区行为视频和/或碰撞行为视频；所述对风险视频进行分解标记，得到样本风险图像，包括：对所述风险视频进行分解，得到多张风险图像；按照所述污染无菌区行为视频和/或碰撞行为视频，对所述风险图像进行标记，得到所述样本风险图像。4.根据权利要求2所述的手术机器人的区域风险预警方法，其特征在于，在所述通过所述梯度增强决策树，对所述样本风险图像进行特征挖掘，得到深层次特征之前，还包括：对所述样本风险图像进行像素归一化预处理，得到第一预处理图像；对所述第一预处理图像进行像素中心化预处理，得到第二预处理图像；对所述第二预处理图像进行像素标准化预处理，得到预处理后的样本风险图像。5.根据权利要求1所述的手术机器人的区域风险预警方法，其特征在于，所述通...

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：上海微创医疗机器人集团股份有限公司，
类型：发明
国别省市：