【技术实现步骤摘要】
【国外来华专利技术】用于优化医疗器械插入的基于数据分析的方法和系统
专利
[0001]本专利技术涉及计算机实现的方法和系统,用于收集与自动化医疗设备的操作相关的数据,并利用该数据生成算法以提供操作指令、建议和/或功能增强,从而优化医疗器械朝向内部目标的插入。
[0002]背景
[0003]临床实践中使用的各种诊断和治疗程序(procedures)涉及将医疗器械(例如针头和导管)经皮插入受试者体内,并且在许多情况下还涉及在体内操纵医疗器械以到达目标区域。目标区域可以是例如病变、肿瘤、器官和/或血管。需要插入和操纵这种医疗器械的程序的例子包括接种疫苗、血液/流体取样、区域麻醉、组织活检、导管插入、低温消融、电解消融、近距离放射治疗、神经外科手术、深部脑刺激、各种微创手术等。
[0004]医疗器械在体内的引导和操纵是一项复杂的任务,需要良好的三维协调性、对患者解剖结构的了解和高水平的经验。因此,已经提出了图像引导的自动化(例如,机器人)系统来执行这些功能。
[0005]一些自动化系统是基于操纵机器人臂的,而一些则利用一种机器人设备,这种设备可以附着在患者身上或放置在靠近患者身体的地方。这些自动化系统通常帮助医生将医疗器械与所需插入点处的选定插入点对准,并且插入本身由医生手动进行。一些自动化系统还包括插入机构,该插入机构通常以线性方式将器械朝向目标插入。更先进的自动化系统还包括非线性操纵能力,例如,如在美国专利第8,348,861号、第8,663,130号和第10,507,067号以及共同拥有的美国专利第US 10,245,110 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种生成数据分析算法的计算机实现的方法,所述数据分析算法用于提供与将医疗器械朝向患者体内的目标插入相关的操作指令、增强和/或建议,所述方法包括:收集一个或更多个数据集,所述一个或更多个数据集中的至少一个数据集与自动化医疗设备和/或其操作相关,所述自动化医疗设备被配置为将医疗器械导向患者体内的目标;创建包括所述一个或更多个数据集的第一数据部分的训练集;使用所述训练集训练所述数据分析算法以输出以下中的一个或更多个:与将医疗器械导向患者体内的目标相关的操作指令、增强和建议;和使用验证集来验证所述数据分析算法,所述验证集包括所述一个或更多个数据集的第二数据部分。2.根据权利要求1所述的计算机实现的方法,其中,所述训练集和所述验证集还包括一个或更多个数据标注。3.根据权利要求2所述的计算机实现的方法,还包括:根据所述一个或更多个数据标注计算模型的输出的误差;和使用所计算的误差优化所述数据分析算法。4.根据前述权利要求中任一项所述的计算机实现的方法,其中,所述一个或更多个数据集还包括以下中的一个或更多个:临床程序相关数据集、患者相关数据集和管理相关数据集。5.根据前述权利要求中任一项所述的计算机实现的方法,其中,所述自动化医疗设备相关数据集包括选自以下的参数:入口点、插入角度、目标位置、目标位置更新、规划的轨迹、轨迹更新、所述医疗器械的实时位置、沿着规划的和/或更新的轨迹的检查点数量、检查点定位、检查点定位更新、检查点误差、所述自动化医疗设备相对于患者身体的位置、操纵步骤定时、程序时间、操纵阶段时间、程序准确性、目标误差、医学图像,每次扫描的医学成像参数、每次扫描的辐射剂量、操纵阶段的总辐射剂量、程序中的总辐射剂量、操纵程序期间指示的错误、软件日志、运动控制迹线、自动化医疗设备注册日志、医疗器械检测日志、归位和BIT结果或这些项的任意组合。6.根据权利要求4或5中任一项所述的计算机实现的方法,其中,所述临床程序相关数据集包括选自以下的参数:医疗程序类型,目标器官,目标尺寸,目标类型,医疗器械类型,医疗器械尺寸,程序之前、程序期间和/或程序之后的并发症,程序之前、程序期间和/或程序之后的不良事件,患者的呼吸信号,或这些项的任意组合。7.根据权利要求6所述的计算机实现的方法,其中所述医疗程序类型选自:流体取样、区域麻醉、组织活检、导管插入、低温消融、电解消融、近距离放射治疗、神经外科手术、深部脑刺激、微创手术或这些项的任意组合。8.根据权利要求4至7中任一项所述的计算机实现的方法,其中,所述患者相关数据集包括选自以下的参数:年龄,性别,种族,医疗状况,病史,程序之前、程序之后和/或程序期间的生命体征,身体尺寸,怀孕,吸烟习惯,人口统计数据,或这些项的任意组合。9.根据权利要求4至8中任一项所述的计算机实现的方法,其中,所述管理相关数据集包括选自以下的参数:机构、医生、职员、系统序列号、程序中使用的一次性部件、软件版本、操作系统版本、配置参数或这些项的任意组合。10.根据权利要求4至9中任一项所述的计算机实现的方法,其中,所述一个或更多个数
据集的参数中的一个或更多个被配置为被自动收集。11.根据前述权利要求中任一项所述的计算机实现的方法,其中,所述数据分析算法是利用人工智能工具生成的。12.根据权利要求11所述的计算机实现的方法,其中,所述人工智能工具包括以下中的一个或更多个:机器学习工具、数据整理工具、深度学习工具、人工神经网络(ANN)、深度神经网络(DNN)、卷积神经网络(CNN)、递归神经网络(RNN)、长短期记忆网络(LSTM)、决策树或图、关联规则学习、支持向量机、归纳逻辑编程、贝叶斯网络、基于实例的学习、流形学习、子空间学习、字典学习、强化学习(RL)、生成对抗网络(GAN)、聚类算法或这些项的任意组合。13.根据前述权利要求中任一项所述的计算机实现的方法,其中,所述数据分析算法被训练以提供的操作指令、增强和/或建议涉及以下中的一项或更多项:入口点定位、用于所述医疗器械的轨迹、操纵算法校正、沿所述轨迹的检查点定位、“禁飞”区、进入“禁飞”区、目标位置、实时组织移动、实时目标跟踪、基于实时目标跟踪的自动操纵、自动呼吸同步、所述自动化医疗设备相对于患者的位置、自动化医疗设备注册、器械检测、实时医疗器械定位、医疗器械选择、程序成功、程序风险水平、程序成功和特定参数之间的相关性、发病率/死亡率和特定参数之间的相关性、辐射水平、图像质量、器官和组织的3D重建和分割、获得的图像与患者的病历的整合、力传感器测量的利用、加速度计测量的利用、辐射传感器测量的利用、用于控制所述自动化医疗设备的语音命令的生成、增强现实(AR)和/或虚拟现实(VR)的使用、程序效率评估、程序结果分析、系统故障或这些项的任意组合。14.根据前述权利要求中任一项所述的计算机实现的方法,还包括执行以下操作中的一个或更多个:数据清理、数据预处理、数据标注和数据增强。15.根据前述权利要求中任一项所述的计算机实现的方法,还包括从所述一个或更多个数据集中提取特征的步骤。16.根据前述权利要求中任一项所述的计算机实现的方法,其中,训练所述数据分析算法包括使用以下中的一个或更多个:损失函数、集成学习方法、多任务学习、多输出回归和多输出分类。17.根据前述权利要求中任一项所述的计算机实现的方法,其中,训练所述数据分析算法包括训练一个或更多个单独的数据分析算法,以输出与相应的一个或更多个第一目标变量相关的一个或更多个第一预测。18.根据权利要求17所述的计算机实现的方法,其中,训练所述数据分析算法还包括:训练所述数据分析算法以输出与第二目标变量相关的至少一个第二预测;和使用所述至少一个第二预测作为一个或更多个经训练的单独的数据分析算法的输入,以生成一个或更多个第三预测。19.根据权利要求18所述的计算机实现的方法,其中,训练所述数据分析算法还包括:使用所述至少一个第二预测和所述一个或更多个第三预测来计算损失函数;和使用所述损失函数优化所述数据分析算法。20.根据前述权利要求中任一项所述...
【专利技术属性】
技术研发人员:M,
申请(专利权)人:赞克特机器人有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。