用于介入手术室护理的多功能可移动式放置架制造技术

公开了一种用于介入手术室护理的多功能可移动式放置架，其通过作为特征提取器的卷积神经网络模型和非局部神经网络模型提取出待检测固定框内护理组件的检测图像的空间维度上的局部隐藏特征和全局关联特征，并基于局部和全局特征的融合特征来进行待检测固定框内护理组件的护理功能的标签分类；进一步，再以分类标签与护理功能的真实标签进行比较来生成待检测固定框内护理组件是否被正确地归置的提示信息，以此来进行固定框内护理组件是否被正确归置的判断。被正确归置的判断。被正确归置的判断。

【技术实现步骤摘要】
用于介入手术室护理的多功能可移动式放置架


[0001]本申请涉及智能判断
，且更为具体地，涉及一种用于介入手术室护理的多功能可移动式放置架。

技术介绍

[0002]手术工作中经常需要根据患者不同的病情在合适时进行适当的护理工作，现有的护理工作主要由手术作业中其余的辅助人员进行操作实现，在一些情况下占地面积不足和人员流动繁杂会导致助手无法进行良好的护理工作，不利于手术工作的正常进行。
[0003]针对上述技术问题，中国专利CN 112972186A公开了一种手术室可移动式多功能护理装置，其通过在手术床板支架的两侧滑动设置用于辅助悬挂护理设备的可调节机械臂，且其拓展板的底部均固定安装有固定框且每个固定框均配合安装有用于实现对应护理功能的护理组件。
[0004]在上述手术室可移动式多功能护理装置的运行中，虽然其能够减少手术台周围的人员流动的同时保证了良好的稳定护理效果，但因在护理组件归置时没有正确地被归置或者被错误地归置，导致在进行相应功能护理时，无法在对应的固定框内找到对应的护理组件，影响了护理的效果和稳定性。
[0005]因此，期待一种优化的多功能可移动式放置架。

技术实现思路

[0006]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于介入手术室护理的多功能可移动式放置架，其通过作为特征提取器的卷积神经网络模型和非局部神经网络模型提取出待检测固定框内护理组件的检测图像的空间维度上的局部隐藏特征和全局关联特征，并基于局部和全局特征的融合特征来进行待检测固定框内护理组件的护理功能的标签分类；进一步，再以分类标签与护理功能的真实标签进行比较来生成待检测固定框内护理组件是否被正确地归置的提示信息，以此来进行固定框内护理组件是否被正确归置的判断。这样，可以提高对于固定框内护理组件是否被正确归置的判断结果的准确性，进而保证护理的效果和稳定性。
[0007]根据本申请的一个方面，提供了一种用于介入手术室护理的多功能可移动式放置架，其包括：
[0008]监控单元，用于获取由摄像头采集的待检测固定框内护理组件的检测图像以及所述待检测固定框内应放置的护理组件的真实护理功能标签；
[0009]图像局部特征提取单元，用于将所述检测图像通过作为特征提取器的卷积神经网络模型以得到局部检测特征图；
[0010]图像全局特征提取单元，用于将所述局部检测特征图通过非局部神经网络模型以得到全局检测特征图；
[0011]融合单元，用于融合所述局部检测特征图和所述全局检测特征图以得到分类特征
图；
[0012]分类单元，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果为待检测固定框内护理组件的护理功能标签；以及
[0013]提示单元，用于基于所述分类结果与所述真实护理功能标签之间的比较，生成所述待检测固定框内护理组件是否被正确地归置的提示信息。
[0014]在上述用于介入手术室护理的多功能可移动式放置架中，所述图像局部特征提取单元，进一步用于：使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中对输入数据分别进行：对所述输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的均值池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为特征提取器的卷积神经网络模型的最后一层的输出为所述局部检测特征图，所述作为特征提取器的卷积神经网络模型的第一层的输入为所述检测图像。
[0015]在上述用于介入手术室护理的多功能可移动式放置架中，其特征在于，所述图像全局特征提取单元，包括：点卷积单元，用于将所述局部检测特征图分别输入所述非局部神经网络模型的第一点卷积层、第二点卷积层和第三点卷积层以得到第一特征图、第二特征图和第三特征图；第一融合单元，用于计算所述第一特征图和所述第二特征图的按位置加权和以得到中间融合特征图；归一化单元，用于将所述中间融合特征图输入Softmax函数以对所述中间融合特征图中各个位置的特征值进行归一化以得到归一化中间融合特征图；第二融合单元，用于计算所述归一化中间融合特征图和所述第三特征图的按位置加权和以得到再融合特征图；全局感知单元，用于将所述再融合特征图通过嵌入高斯相似性函数以计算所述再融合特征图中各个位置的特征值间的相似性以得到全局感知特征图；通道数调整单元，用于将所述全局感知特征图通过所述非局部神经网络模型的第四点卷积层以得到通道调整全局感知特征图；以及，第三融合单元，用于计算所述通道调整全局感知特征图和所述局部检测特征图的按位置加权和以得到所述全局检测特征图。
[0016]在上述用于介入手术室护理的多功能可移动式放置架中，所述融合单元，进一步用于：以如下公式融合所述局部检测特征图和所述全局检测特征图以得到分类特征图；其中，所述公式为：
[0017]F
s
＝λF
a
+βF
g
[0018]其中，F
s
表示所述分类特征图，F
a
表示所述局部检测特征图，F
g
表示所述全局检测特征图，“+”表示所述局部检测特征图和所述全局检测特征图相对应位置处的元素相加，λ和β表示用于控制所述局部检测特征图和所述全局检测特征图之间的平衡的加权参数。
[0019]在上述用于介入手术室护理的多功能可移动式放置架中，所述分类单元，进一步用于：使用所述分类器以如下公式对所述分类特征图进行处理以得到所述分类结果；其中，所述公式为：
[0020]O＝softmax{(W
n
,B
n
):
…
:(W1,B1)|Project(F)｝，其中，Ｗ1到W
n
为权重矩阵，B1到B
n
为偏置向量，Project(F)为所述分类特征图投影为向量。
[0021]在上述用于介入手术室护理的多功能可移动式放置架中，还包括用于对所述作为特征提取器的卷积神经网络模型、所述非局部神经网络模型和所述分类器进行训练的训练模块。
[0022]在上述用于介入手术室护理的多功能可移动式放置架中，所述训练模块，包括：训练数据获取单元，用于获取训练数据，所述训练数据包括训练检测图像，以及，所述待检测固定框内应放置的护理组件的真实护理功能标签；训练图像局部特征提取单元，用于将所述训练检测图像通过所述作为特征提取器的卷积神经网络模型以得到训练局部检测特征图；训练图像全局特征提取单元，用于将所述训练局部检测特征图通过所述非局部神经网络模型以得到训练全局检测特征图；训练融合单元，用于融合所述训练局部检测特征图和所述训练全局检测特征图以得到训练分类特征图；分类损失单元，用于将所述训练分类特征图通过所述分类器以得到分类损失函数值；内在化学习损失单元，用于基于所述训练局部检测特征图展开后得到的第一特征向量和所述训练全局检测特征图展开后得到的第二特征向量之间的距离计算序列对序列响应规则内在化学习损失函数值；以及，训本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于介入手术室护理的多功能可移动式放置架，其特征在于，包括：监控单元，用于获取由摄像头采集的待检测固定框内护理组件的检测图像以及所述待检测固定框内应放置的护理组件的真实护理功能标签；图像局部特征提取单元，用于将所述检测图像通过作为特征提取器的卷积神经网络模型以得到局部检测特征图；图像全局特征提取单元，用于将所述局部检测特征图通过非局部神经网络模型以得到全局检测特征图；融合单元，用于融合所述局部检测特征图和所述全局检测特征图以得到分类特征图；分类单元，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果为待检测固定框内护理组件的护理功能标签；以及提示单元，用于基于所述分类结果与所述真实护理功能标签之间的比较，生成所述待检测固定框内护理组件是否被正确地归置的提示信息。2.根据权利要求1所述的用于介入手术室护理的多功能可移动式放置架，其特征在于，所述图像局部特征提取单元，进一步用于：使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中对输入数据分别进行：对所述输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的均值池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为特征提取器的卷积神经网络模型的最后一层的输出为所述局部检测特征图，所述作为特征提取器的卷积神经网络模型的第一层的输入为所述检测图像。3.根据权利要求2所述的用于介入手术室护理的多功能可移动式放置架，其特征在于，所述所述图像全局特征提取单元，包括：点卷积单元，用于将所述局部检测特征图分别输入所述非局部神经网络模型的第一点卷积层、第二点卷积层和第三点卷积层以得到第一特征图、第二特征图和第三特征图；第一融合单元，用于计算所述第一特征图和所述第二特征图的按位置加权和以得到中间融合特征图；归一化单元，用于将所述中间融合特征图输入Softmax函数以对所述中间融合特征图中各个位置的特征值进行归一化以得到归一化中间融合特征图；第二融合单元，用于计算所述归一化中间融合特征图和所述第三特征图的按位置加权和以得到再融合特征图；全局感知单元，用于将所述再融合特征图通过嵌入高斯相似性函数以计算所述再融合特征图中各个位置的特征值间的相似性以得到全局感知特征图；通道数调整单元，用于将所述全局感知特征图通过所述非局部神经网络模型的第四点卷积层以得到通道调整全局感知特征图；以及第三融合单元，用于计算所述通道调整全局感知特征图和所述局部检测特征图的按位置加权和以得到所述全局检测特征图。4.根据权利要求3所述的用于介入手术室护理的多功能可移动式放置架，其特征在于，所述融合单元，进一步用于：以如下公式融合所述局部检测特征图和所述全局检测特征图以得到分类特征图；
其中，所述公式为：F
s
＝λF
a
+βF
g
其中，F
s
表示所述分类特征图，F
a
表示所述局部检测特征图，F
g
表示所述全局检测...

【专利技术属性】
技术研发人员：孟令娟，贾晓辉，
申请(专利权)人：阜外华中心血管病医院，
类型：发明
国别省市：