System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人工智能与医疗相关,尤其涉及内镜甲状腺手术中甲状旁腺识别及血运判断方法及系统。
技术介绍
1、甲状腺肿瘤是头颈部最常见的恶性肿瘤,其中手术治疗是最主要的治疗手段。甲状腺癌手术的主要并发症包括甲状旁腺损伤和喉返神经损伤,目前,国内外相关文献报道,甲状腺术后暂时性和永久性甲状旁腺功能减退的发生率分别为14%~60%和4%~11%。在临床上,甲状腺癌术后的甲状旁腺功能减退的患者,需要补充钙剂及维生素d,改善低钙血症及其引发的症状。钙剂和/或维生素d长期过量服用或补充不足,可导致肾结石、肾钙质沉积症、肢体麻木、抽搐、骨代谢异常,甚至抑郁、焦虑、痴呆等并发症,严重影响患者的生存质量。术中准确识别并原位保留甲状旁腺,可有效降低术后甲状旁腺功能低下的发生率。
2、目前,甲状旁腺识别包括肉眼识别法、正负显影法、自体荧光技术等方法,以上方法存在准确性不高、显影剂渗漏影响术区操作、药物过敏、需要特殊设备等缺点。目前判断甲状旁腺血运主要采用吲哚菁绿荧光显影,该方法需要静脉注射吲哚菁绿造影剂及使用荧光内镜设备,临床应用存在一定局限性。
3、另外在进行甲状腺手术时,需要考虑是否同期进行甲状旁腺自提移植,这项操作需要结合患者的术中甲状旁腺血运情况进行分析决定,以降低术后甲状旁腺功能低下的发生率。目前临床医学中大多还是凭借医生的主观分析,非常依赖医生的专业水平,如何结合人工智能给予医生更多更合理的分析依据,是当今市场的研究致力方向。
技术实现思路
1、本专利技术的目的是为了
2、为了实现上述目的,本专利技术采用以下的技术方案:
3、具体的,提出内镜甲状腺手术中甲状旁腺识别及血运判断方法,包括以下:
4、获取于白光模式下的内镜甲状腺术中图像;
5、对所述内镜甲状腺术中图像进行边缘细化操作得到第一图像;
6、找寻所述第一图像中的所有端点得到端点集;
7、计算端点集中各个端点之间的距离,并针对端点集中任意端点,将距离其最近的一个端点与其相连得到处理后的第一图像;
8、基于第一图像对对应的内镜甲状腺术中图像中的轮廓以及线条进行标注得到以轮廓区域以及线条区域为roi区域的影像增强的内镜甲状腺术中图像;
9、基于白光模式下的内镜甲状腺术中图像与影像增强的内镜甲状腺术中图像对预构建的识别模型进行训练得到训练后的识别模型;
10、获取手术过程中实时内镜视频;
11、通过训练后的识别模型对所述实时内镜视频进行甲状旁腺识别与血运判断。
12、进一步,具体的,对所述内镜甲状腺术中图像进行边缘细化操作得到第一图像,包括,
13、对所述内镜甲状腺术中图像进行二值化处理得到二值图像;
14、对所述二值图像进行边缘检测算法处理检测所述二值图像中的边缘得到边缘图像;
15、利用边缘细化算法结合预设的迭代终止条件对所述边缘图像进行边缘细化得到细化边缘图像即第一图像。
16、进一步,具体的,采用的边缘检测算法为基于sobel算子的边缘检测算法,采用的边缘细化算法为guo-hall细化算法。
17、进一步,具体的,找寻所述第一图像中的所有端点得到端点集,包括,
18、对所述第一图像进行端点检测,端点检测的过程包括,获取第一图像中每个细化像素点的邻域中细化像素点的个数p,找寻出个数p不高于2的细化像素点;
19、将个数p不高于2的细化像素点作为端点进行标记,并得到端点集。
20、进一步,具体的,基于白光模式下的内镜甲状腺术中图像与影像增强的内镜甲状腺术中图像对预构建的识别模型进行训练得到训练后的识别模型,包括,
21、对白光模式下的内镜甲状腺术中图像进行数据预处理得到标注后的第一训练数据,对影像增强的内镜甲状腺术中图像进行所述数据预处理得到标注后的第二训练数据;
22、通过所述第一训练数据以及第二训练数据对预构建的神经网络模型进行训练得到训练后的识别模型;
23、于训练后的识别模型中嵌入视频流处理模块得到最终的识别模型,所述视频流处理模块用于捕捉视频序列,将视频序列中的每一帧输入到训练后的识别模型中,得到目标检测结果,根据目标检测结果,在当前帧甲状旁腺进行跟踪以及血运判断,根据当前帧中甲状旁腺的位置信息以及血运判断结果,更新甲状旁腺的状态以及血运判断结果,在视频序列中实时处理每一帧的图像,不断更新甲状旁腺的位置信息以及血运判断结果,实现甲状旁腺的动态追踪以及动态的血运判断。
24、进一步,所述方法还包括,在划分得到第一训练数据以及第二训练数据时,使用分层抽样及交叉验证方法,确保同一个病例的多张图片不会同时在训练集和测试集出现。
25、进一步,所述方法还包括,在将所述第一训练数据以及第二训练数据输入模型训练前,将所述第一训练数据以及第二训练数据存储在适应模型的文件格式中,并将对应的标注信息文件转换成模型所需格式,且将所述第一训练数据以及第二训练数据中的图像进行标准化归一化处理。
26、进一步,具体的,预构建的神经网络模型包括以下步骤:首先,选择适用于甲状旁腺识别的神经网络模型作为初始神经网络模型;然后,在初始神经网络模型中分别构建针对白光模式下的内镜甲状腺术中图像的第一目标检测模型以及影像增强后的图像的第二目标检测模型;接着将第一目标检测模型以及第二目标检测模型的特征层进行融合;随后去除神经网络模型中最后的全连接层,并将其替换为输出个数为5类型种数的全连接层,其中,0对应阴性图片,1-4分别对应阳性图片的四个等级的荧光强度,最后,随机初始化该输出个数为类型种数的全连接层的权重,从而得到预构建的神经网络模型。
27、进一步,具体的,通过准确率评估训练得到的神经网络模型在k折交叉验证中的性能,准确率最高的神经网络模型即为最优神经网络模型;
28、再对最优神经网络模型进行测试,根据模型识别甲状旁腺的情况绘制最优神经网络模型的roc曲线图,并将参与验证的医生的真阳性率、假阳性率绘制于roc曲线图中的对应位置,若最优神经网络模型的roc曲线未完全包围医生的结果点,则对模型进行调整直到最优神经网络模型的roc曲线完全包围医生的结果点,得到训练后的识别模型。
29、本专利技术还提出内镜甲状腺手术中甲状旁腺识别及血运判断系统,其特征在于,包括以下:
30、数据获取模块,用于获取于白光模式下的内镜甲状腺术中图像;
31、边缘细化模块,用于对所述内镜甲状腺术中图像进行边缘细化操作得到第一图像;
32、端点集找寻模块,用于找寻所述第一图像中的所有端点得到端点集;
33、图像处理模块模块,用于计算端点集中各个端点之间的距离,并针对端点集中任意端点,将距离其最近的一个端点与其相连得到处理后的第一图像;
34、影像增本文档来自技高网...
【技术保护点】
1.内镜甲状腺手术中甲状旁腺识别及血运判断方法,其特征在于,包括以下:
2.根据权利要求1所述的内镜甲状腺手术中甲状旁腺识别及血运判断方法,其特征在于,具体的,对所述内镜甲状腺术中图像进行边缘细化操作得到第一图像,包括,
3.根据权利要求2所述的内镜甲状腺手术中甲状旁腺识别及血运判断方法,其特征在于,具体的,采用的边缘检测算法为基于Sobel算子的边缘检测算法,采用的边缘细化算法为Guo-Hall细化算法。
4.根据权利要求1所述的内镜甲状腺手术中甲状旁腺识别及血运判断方法,其特征在于,具体的,找寻所述第一图像中的所有端点得到端点集,包括,
5.根据权利要求1所述的内镜甲状腺手术中甲状旁腺识别及血运判断方法,其特征在于,具体的,基于白光模式下的内镜甲状腺术中图像与影像增强的内镜甲状腺术中图像对预构建的识别模型进行训练得到训练后的识别模型,包括,
6.根据权利要求5所述的内镜甲状腺手术中甲状旁腺识别及血运判断方法,其特征在于,所述方法还包括,在划分得到第一训练数据以及第二训练数据时,使用分层抽样及交叉验证方法,确保同一个病
7.根据权利要求5所述的内镜甲状腺手术中甲状旁腺识别及血运判断方法,其特征在于,所述方法还包括,在将所述第一训练数据以及第二训练数据输入模型训练前,将所述第一训练数据以及第二训练数据存储在适应模型的文件格式中,并将对应的标注信息文件转换成模型所需格式,且将所述第一训练数据以及第二训练数据中的图像进行标准化归一化处理。
8.根据权利要求1所述的内镜甲状腺手术中甲状旁腺识别及血运判断方法,其特征在于,具体的,预构建的神经网络模型包括以下步骤:首先,选择适用于甲状旁腺识别的神经网络模型作为初始神经网络模型;然后,在初始神经网络模型中分别构建针对白光模式下的内镜甲状腺术中图像的第一目标检测模型以及影像增强后的图像的第二目标检测模型;接着将第一目标检测模型以及第二目标检测模型的特征层进行融合;随后去除神经网络模型中最后的全连接层,并将其替换为输出个数为5类型种数的全连接层,其中,0对应阴性图片,1-4分别对应阳性图片的四个等级的荧光强度,最后,随机初始化该输出个数为类型种数的全连接层的权重,从而得到预构建的神经网络模型。
9.根据权利要求8所述的内镜甲状腺手术中甲状旁腺识别及血运判断方法,其特征在于,具体的,通过准确率评估训练得到的神经网络模型在K折交叉验证中的性能,准确率最高的神经网络模型即为最优神经网络模型;
10.内镜甲状腺手术中甲状旁腺识别及血运判断系统,其特征在于,包括以下:
...【技术特征摘要】
1.内镜甲状腺手术中甲状旁腺识别及血运判断方法,其特征在于,包括以下:
2.根据权利要求1所述的内镜甲状腺手术中甲状旁腺识别及血运判断方法,其特征在于,具体的,对所述内镜甲状腺术中图像进行边缘细化操作得到第一图像,包括,
3.根据权利要求2所述的内镜甲状腺手术中甲状旁腺识别及血运判断方法,其特征在于,具体的,采用的边缘检测算法为基于sobel算子的边缘检测算法,采用的边缘细化算法为guo-hall细化算法。
4.根据权利要求1所述的内镜甲状腺手术中甲状旁腺识别及血运判断方法,其特征在于,具体的,找寻所述第一图像中的所有端点得到端点集,包括,
5.根据权利要求1所述的内镜甲状腺手术中甲状旁腺识别及血运判断方法,其特征在于,具体的,基于白光模式下的内镜甲状腺术中图像与影像增强的内镜甲状腺术中图像对预构建的识别模型进行训练得到训练后的识别模型,包括,
6.根据权利要求5所述的内镜甲状腺手术中甲状旁腺识别及血运判断方法,其特征在于,所述方法还包括,在划分得到第一训练数据以及第二训练数据时,使用分层抽样及交叉验证方法,确保同一个病例的多张图片不会同时在训练集和测试集出现。
7.根据权利要求5所述的内镜甲状腺手术中甲状旁腺识别及血运判断方法,其特征在于,所述方法还...
【专利技术属性】
技术研发人员:陈俊周,文萱,黄晓明,林沛亮,范剑明,
申请(专利权)人:中山大学孙逸仙纪念医院,
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。