【技术实现步骤摘要】
一种微创手术中器械操作的前向轨迹预测方法及设备
[0001]本专利技术属于医疗器械控制
,更具体地,涉及一种微创手术中器械操作的前向轨迹预测方法及设备。
技术介绍
[0002]由于具有发病率和死亡率低、疼痛少、伤口感染少、住院时间短等优点,微创手术已逐渐取代开放手术,成为许多重要外科手术的主流。在过去的十年里,机器人辅助微创手术(RAMIS)因其比普通微创手术更灵巧和高效而受到欢迎。大多数RAMIS系统使用机器人驱动的手术设备,这些设备仍由外科医生远程操作。对如何实现自主RAMIS的探索已经引起了广泛的关注,这就要求在手术过程中更深入地了解情况,即手术情境感知。手术情境感知集成了:1.手术工作流程识别
‑
感知和理解当前状态;2.手术工作流程预测
‑
预测未来状态。
[0003]在以前的研究中,手术工作流程的粒度从粗到细排列为阶段、步骤和动作。遵循这一概念,最新发表的关于手术态势感知的著作侧重于现有的粒度级别。手术情景感知中的通用理念是,更细粒度的手术工作流程分析,能提供更有效的临床信息。因此,对细粒度的动作层级的分析需要进一步挖掘。此外,现有研究基本集中于分析和理解当前手术流程,或者回顾分析历史流程。虑及手术流程复杂,不确定性高,对手术流程中未来状态的预测是仍待探索的领域。
[0004]另一方面,迄今为止,端到端方法被广泛地应用于手术情境感知中,并取得了显著成效。然而,在临床应用中仍存在以下障碍。一方面,端到端方法在体内场景中表现出有限的准确性和稳健性。过程的复 ...
【技术保护点】
【技术特征摘要】
1.一种微创手术中器械操作的前向轨迹预测方法,其特征在于,包括以下步骤:S1:获取手上影像中二维图像坐标系中手术器械的运动轨迹;S2:通过分析器械动作的运动模式,将所述运动轨迹转换至二维极坐标系中,进而将动作中连续的器械运动轨迹拆分为离散的运动基元;S3:基于所述运动基元,采用高斯混合模型建立距离基元,采用器械姿态辨识确定器械尖端朝向;S4:采用自适应模式辨识在线更新距离基元参数,采用运动方向自回归在线预测器械尖端朝向的方向偏差;S5:基于所述更新的距离基元参数,采用高斯混合回归在线预测器械前进距离,采用多运动基元内加权,在线修正器械前进方向;S6:将预测的前进距离和前进方向进行融合,以获取器械运动在图像中前进轨迹的预测结果。2.根据权利要求1所述的一种微创手术中器械操作的前向轨迹预测方法,其特征在于,步骤S1中,采用YOLO目标检测算法提取二维图像坐标系中手术器械的运动轨迹。3.根据权利要求1所述的一种微创手术中器械操作的前向轨迹预测方法,其特征在于,步骤S2中,所述将所述运动轨迹转换至二维极坐标系中包括:以器械操作的起始点作为极坐标系的原点,以器械的运动距离的变化来反映各个基元在操作速度上的差异,以器械的运动方向的变化来反映各个基元在操作角度上的差异。4.根据权利要求1所述的一种微创手术中器械操作的前向轨迹预测方法,其特征在于,步骤S3中,采用高斯混合模型来表示运动基元,即将高斯核与运动基元进行匹配,以编码器械的执行距离,从而建立距离基元,其中,高斯混合模型的概率密度函数表示为:械的执行距离,从而建立距离基元,其中,高斯混合模型的概率密度函数表示为:f
k
(r
t
)=N(r
t
|μ
k
,Σ
k
)式中,π
k
为第k个高斯分量的系数,f
k
(r
t
)表示高斯混合模型的k
th
核,r
t
为在时间t时刻的运动距离,μ
k
为第k个高斯核的均值。根据器械的姿态推断器械的方向,以器械主体、尖端作为目标,采用目标检测模型YOLO_v5得到器械主体与尖端的bounding box,分别以bounding box中心作为器械左端、右端和左右端连接中心在图像帧上的位置,此时,器械方向的矢量表示为:在t时,器械方向的估计角度是:式中,为器械方向的矢量,为左右端连接中心到器械右端的矢量,为左右
端连接中心到器械左端的矢量。5.根据权利要求1所述的一种微创手术中器械操作的前向轨迹预测方法,其特征在于,步骤S4中,所述采用自适应模式辨识在线更新距离基元参数包括:将高斯混合模型的k
th
核进行离线训练参数化,得到...
【专利技术属性】
技术研发人员:赵欢,汪一苇,蔡雄,张洁,万赤丹,孙释然,丁汉,
申请(专利权)人:华中科技大学同济医学院附属协和医院,
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。