用于软组织的手术动力系统及其方法技术方案

本申请涉及智能检测领域，其具体地公开了一种用于软组织的手术动力系统及其方法，其中，所述手术动力系统包括：控制系统；与所述控制系统电连接的液晶显示模块、开关电源模块、电机驱动模块和踏板开关模块；以及，与所述电机驱动模块电连接的电机。特别地，所述控制系统能够基于所述手术动力系统工作时所产生的声音信号对所述手术动力系统的性能异常检测。这样，能够准确地对于所述手术动力系统的性能进行智能检测以防止发生故障，进而在提高毛囊提取效果的同时保证其安全性。提取效果的同时保证其安全性。提取效果的同时保证其安全性。

【技术实现步骤摘要】
用于软组织的手术动力系统及其方法


[0001]本申请涉及智能检测领域，且更为具体地，涉及一种用于软组织的手术动力系统及其方法。

技术介绍

[0002]毛囊提取仪是用于提取身体其他部位的毛囊种植到脱发区域，大量弥补头发资源不足的缺点，其关键部分是手术动力系统。手术动力系统用于开放性手术时对生物体软组织的钻孔操作，其主要由主机、手柄、脚踏开关、电源连接线组成。
[0003]在毛囊提取的手术中，手术动力系统由脚踏开关控制，由主机给手柄提供电力，驱动手柄进行毛囊提取工作。当发生手术动力系统异常时或手术动力系统的性能不达标时，可能会导致毛囊提取的效果不佳，严重时还可能会对于植发者和操作者造成伤害。因此，对于手术动力系统的性能检测以及故障诊断对于毛囊提取的整个过程的安全正常进行至关重要。
[0004]因此，期望一种优化的用于软组织的手术动力系统，其能够对于手术动力系统的性能进行智能检测以防止发生故障。

技术实现思路

[0005]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软组织的手术动力系统及其方法，其通过采用基于深度学习的人工智能技术来提取出所述声音探测信号中聚焦于手术动力系统运行模式特征的隐含特征分布信息，以及所述功率输出信号的多尺度邻域关联特征信息，进一步以这两者的响应性估计来表示所述功率多尺度关联特征和所述声音隐藏特征之间作用于手术动力系统性能的关联性特征分布信息，并以此来进行所述手术动力系统的性能异常检测。这样，能够准确地对于所述手术动力系统的性能进行智能检测以防止发生故障，进而在提高毛囊提取效果的同时保证其安全性。
[0006]根据本申请的一个方面，提供了一种用于软组织的手术动力系统，其包括：
[0007]控制系统；
[0008]与所述控制系统电连接的液晶显示模块、开关电源模块、电机驱动模块和踏板开关模块；以及
[0009]与所述电机驱动模块电连接的电机。
[0010]在上述用于软组织的手术动力系统中，所述控制系统，包括：数据采集模块，用于获取所述电机驱动模块在预定时间段内多个预定时间点的功率值以及由声音探测器采集的所述预定时间段的声音探测信号；时频图转化模块，用于计算所述声音探测信号的时域增强图、SIFT变换时频图和S变换时频图；通道聚合模块，用于将所述时域增强图、所述SIFT变换时频图和所述S变换时频图沿通道维度进行聚合以得到多通道时频图；时频特征提取模块，用于将所述多通道时频图通过作为特征提取器的卷积神经网络模型以得到声音时频特征图；声音时频特征增强模块，用于将所述声音时频特征图通过残差双注意力机制结构
以得到增强特征向量；功率特征提取模块，用于将所述多个预定时间点的功率值沿着时间维度排列为功率输入向量后通过多尺度邻域特征提取模块以得到功率特征向量；响应性估计模块，用于计算所述功率特征向量相对于所述增强特征向量的响应性估计以得到分类特征矩阵；特征优化模块，用于对所述分类特征矩阵进行基于分类偏差的特征优化以得到优化分类特征矩阵；以及，检测结果生成模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示所述手术动力系统的性能是否正常。
[0011]在上述用于软组织的手术动力系统中，所述时频特征提取模块，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分别对输入数据进行：对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局部特征矩阵的池化处理以得到池化特征图；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的最后一层的输出为所述声音时频特征图，所述作为特征提取器的卷积神经网络的第一层的输入为所述多通道时频图。
[0012]在上述用于软组织的手术动力系统中，所述声音时频特征增强模块，包括：残差双注意力单元，用于将所述声音时频特征图输入所述残差双注意力机制结构以得到增强特征图；以及，降维单元，用于对所述增强特征图的沿通道维度的各个特征矩阵进行全局均值池化以得到所述增强特征向量。
[0013]在上述用于软组织的手术动力系统中，所述残差双注意力单元，包括：通道注意力单元，用于将所述声音时频特征图通过所述残差双注意力机制结构的通道注意力层以得到通道注意力特征图；空间注意力单元，用于将所述声音时频特征图通过所述残差双注意力机制结构的空间注意力层以得到空间注意力特征图；混合注意力单元，用于融合所述空间注意力特征图和所述通道注意力特征图以得到混合注意力特征图；注意力激活单元，用于将所述混合注意力特征图输入Sigmoid激活函数以得到混合注意力权重特征图；混合注意力施加单元，用于融合所述混合注意力权重特征图和所述声音时频特征图以得到深度特征图；以及，深浅残差融合单元，用于融合所述深度特征图和所述声音时频特征图以得到所述增强特征图。
[0014]在上述用于软组织的手术动力系统中，所述功率特征提取模块，包括：第一邻域尺度特征提取单元，用于将所述功率输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一邻域尺度功率特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；第二邻域尺度特征提取单元，用于将所述功率输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二邻域尺度功率特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及，多尺度级联单元，用于将所述第一邻域尺度功率特征向量和所述第二邻域尺度功率特征向量进行级联以得到所述功率特征向量。
[0015]在上述用于软组织的手术动力系统中，所述响应性估计模块，进一步用于：以如下公式计算所述功率特征向量相对于所述增强特征向量的响应性估计以得到分类特征矩阵；其中，所述公式为：
[0016]V1＝M*V2[0017]其中V1表示所述功率特征向量，V2表示所述增强特征向量，M表示所述分类特征矩阵。
[0018]在上述用于软组织的手术动力系统中，所述特征优化模块，进一步用于：以如下公式对所述分类特征矩阵进行基于分类偏差的特征优化以得到所述优化分类特征矩阵；其中，所述公式为：
[0019][0020]其中m
i,j
是所述分类特征矩阵的第(i,j)位置的特征值,log是以2为底的对数函数值。
[0021]在上述用于软组织的手术动力系统中，所述检测结果生成模块，包括：展开单元，用于将所述优化分类特征矩阵基于行向量或列向量展开为分类特征向量；全连接编码单元，用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类结果生成单元，用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
[0022]根据本申请的另一方面，提供了一种用于软组织的手术动力系统的方法，其包括：
[0023]获取电机驱动模块在预定时间段内多个预定时间点的功率值以及由声音探测器采集的所述预定时间段的声音探测信号；
[0024]计算所述声本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于软组织的手术动力系统，其特征在于，包括：控制系统；与所述控制系统电连接的液晶显示模块、开关电源模块、电机驱动模块和踏板开关模块；以及与所述电机驱动模块电连接的电机。2.根据权利要求1所述的用于软组织的手术动力系统，其特征在于，所述控制系统，包括：数据采集模块，用于获取所述电机驱动模块在预定时间段内多个预定时间点的功率值以及由声音探测器采集的所述预定时间段的声音探测信号；时频图转化模块，用于计算所述声音探测信号的时域增强图、SIFT变换时频图和S变换时频图；通道聚合模块，用于将所述时域增强图、所述SIFT变换时频图和所述S变换时频图沿通道维度进行聚合以得到多通道时频图；时频特征提取模块，用于将所述多通道时频图通过作为特征提取器的卷积神经网络模型以得到声音时频特征图；声音时频特征增强模块，用于将所述声音时频特征图通过残差双注意力机制结构以得到增强特征向量；功率特征提取模块，用于将所述多个预定时间点的功率值沿着时间维度排列为功率输入向量后通过多尺度邻域特征提取模块以得到功率特征向量；响应性估计模块，用于计算所述功率特征向量相对于所述增强特征向量的响应性估计以得到分类特征矩阵；特征优化模块，用于对所述分类特征矩阵进行基于分类偏差的特征优化以得到优化分类特征矩阵；以及检测结果生成模块，用于将所述优化分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示所述手术动力系统的性能是否正常。3.根据权利要求2所述的用于软组织的手术动力系统，其特征在于，所述时频特征提取模块，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分别对输入数据进行：对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局部特征矩阵的池化处理以得到池化特征图；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的最后一层的输出为所述声音时频特征图，所述作为特征提取器的卷积神经网络的第一层的输入为所述多通道时频图。4.根据权利要求3所述的用于软组织的手术动力系统，其特征在于，所述声音时频特征增强模块，包括：残差双注意力单元，用于将所述声音时频特征图输入所述残差双注意力机制结构以得到增强特征图；以及降维单元，用于对所述增强特征图的沿通道维度的各个特征矩阵进行全局均值池化以得到所述增强特征向量。
5.根据权利要求4所述的用于软组织的手术动力系统，其特征在于，所述残差双注意力单元，包括：通道注意力单元，用于将所述声音时频特征图通过所述残差双注意力机制结构的通道注意力层以得到通道注意力特征图；空间注意力单元，用于将所述声音时频特征图通过所述残差双注意力机制结构的空间注意力层以得到空间注意力特征图；混合注意力单元，用于融合所述空间注意力特征图和所述通道注意力特征图以得到混合注意力特征图；注意力激活单元，用于将所述混合注意力特征图输入Sigmoid激活函数以得到混合注意力权重特征图；混合注意力施加单元，用于融合所述混合注意力权重特征图和所...

【专利技术属性】
技术研发人员：李华，靳明，李斌，韩季诺，丁宇航，吴巍，靳亮，
申请(专利权)人：湖州露湖鄱生物科技有限公司，
类型：发明
国别省市：