基于患者体位识别的神经内镜机械手臂姿态控制系统

摘要: 本发明涉及医疗器械控制,具体涉及一种基于患者体位识别的神经内镜机械手臂姿态控制系统。背景技术:1、神经内镜是一种用于神经外科手术的微创设备,它通过细长的内窥镜和...
基于患者体位识别的神经内镜机械手臂姿态控制系统

本发明涉及医疗器械控制,具体涉及一种基于患者体位识别的神经内镜机械手臂姿态控制系统。

背景技术:

1、神经内镜是一种用于神经外科手术的微创设备,它通过细长的内窥镜和光源,结合高分辨率的摄像头,能够将手术区域的实时影像传输到显示屏上,帮助外科医生更精确地定位病灶并进行手术操作。机械手臂可以实现内镜操作的高精度、稳定性与可重复性,减少人为操作误差,提升手术过程中的灵活性和视野控制,降低患者的风险。

2、在手术过程中,机械手臂姿态控制的准确度尤为重要,现有技术通常实时获取患者的体位信息,然后根据体位识别结果,微调机械手臂的角度和位置,以确保内镜能够准确进入目标区域;但是在实际过程中,患者可能因不自主运动(如呼吸、心跳或肌肉抽搐等)导致头部发生微小的体位变化,并且由于数据传输延迟等情况,无法做到对机械手臂姿态的精确实时控制,严重影响手术的精度和安全性。

技术实现思路

1、为了解决现有技术通常实时获取患者的体位信息,然后根据体位识别结果,微调机械手臂的角度和位置,以确保内镜能够准确进入目标区域;但是在实际过程中,患者可能因不自主运动(如呼吸、心跳或肌肉抽搐等)导致头部发生微小的体位变化,并且由于数据传输延迟等情况,无法做到对机械手臂姿态的精确实时控制,严重影响手术的精度和安全性的技术问题,本发明的目的在于提供一种基于患者体位识别的神经内镜机械手臂姿态控制系统,所采用的技术方案具体如下:

2、数据获取模块,用于获取患者身体多个监测点位的时序体位图像,监测点位至少包括头部点位;基于相邻体位图像之间的位置变化情况,确定每个监测点位的移动量时序数据;

3、不自主运动分析模块,用于分析所有监测点位的移动量时序数据的波动情况以及数值特征,确定各个时刻下患者头部的不自主运动强度系数;在时序上,分析患者头部的不自主运动强度系数的持续性变化特征,确定每个时刻下患者头部的强度持续系数;

4、数据调整模块,用于融合每个时刻下的不自主运动强度系数和强度持续系数,对患者头部点位的移动量时序数据进行增强调整,得到移动量修正时序数据;

5、姿态控制模块,用于利用患者头部点位对应的移动量修正时序数据进行头部位置移动预测,从而对神经内镜机械手臂进行姿态控制。

6、进一步地,所述不自主运动强度系数的获取方法包括:

7、分析所有监测点位的移动量时序数据在相同时刻下的数据波动综合特征,确定每个时刻下患者身体的整体不自主运动强度因子;

8、将患者头部点位的移动量时序数据中每个时刻下的数据值进行负相关映射后的值与每个时刻下患者身体的整体不自主运动强度因子相乘,并将所得乘积进行归一化后的值,作为每个时刻下患者头部的不自主运动强度系数。

9、进一步地,所述整体不自主运动强度因子的获取方法包括:

10、在所有监测点位的移动量时序数据中,将同一时刻下所有数据值的标准差作为波动因子,将同一时刻下所有数据值的均值作为变化均值;

11、将每个时刻对应的波动因子和变化均值的和值进行负相关映射并归一化后的值,作为每个时刻下患者身体的整体不自主运动强度因子。

12、进一步地,所述强度持续系数的获取方法包括:

13、在时序上,将每个时刻的序号值进行归一化后的值,作为每个时刻的时隔置信因子;

14、在时序上,任选一个时刻作为待测时刻,将待测时刻时序之前的所有时刻作为待测时刻的参考时刻,将每个参考时刻的时隔置信因子与参考时刻的不自主运动强度系数的乘积作为加权强度系数;

15、将待测时刻的所有参考时刻的加权强度系数的均值进行归一化后的值,作为待测时刻的强度持续系数。

16、进一步地,所述移动量修正时序数据的获取方法包括:

17、融合每个时刻下患者头部的不自主运动强度系数以及强度持续系数,确定每个时刻下的增强调整因子;

18、利用每个时刻下的增强调整因子对患者头部点位的移动量时序数据进行加权傅里叶变换,得到频谱图;

19、对频谱图进行傅里叶逆变换,从而得到移动量修正时序数据。

20、进一步地,所述加权傅里叶变换的公式模型包括:

21、

22、其中,表示频率处的能量;表示时刻数量;表示第个时刻下的增强调整因子;表示患者头部点位的移动量时序数据中第个时刻下的数据值;表示虚数单位;表示频率索引;表示时刻索引;表示自然常数。

23、进一步地,所述增强调整因子的获取方法包括:

24、将每个时刻下患者头部的强度持续系数与预设持续参数的差值绝对值,作为每个时刻下的不自主运动可信因子;

25、将每个时刻对应的不自主运动可信因子与每个时刻下患者头部的不自主运动强度系数的乘积进行归一化后的值,作为每个时刻下的增强调整因子。

26、进一步地,所述利用患者头部点位对应的移动量修正时序数据进行头部位置移动预测,从而对神经内镜机械手臂进行姿态控制,包括:

27、基于时序预测算法对患者头部点位对应的移动量修正时序数据进行预测,得到下一时刻头部点位的移动预测值;

28、利用所述移动预测值对下一时刻神经内镜机械手臂进行姿态控制。

29、进一步地,所述移动量时序数据的获取方法包括:

30、在每个监测点位的时序体位图像中,构建相同的二维坐标系,将每个时刻下监测点位与上一时刻监测点位的坐标之间的欧式距离进行归一化处理,作为每个时刻下监测点位的移动量;

31、将所有时刻下监测点位的移动量按照时序进行排列,从而得到每个监测点位的移动量时序数据。

32、进一步地,所述时序预测算法为卡尔曼滤波。

33、本发明具有如下有益效果:

34、在数据获取模块,在患者身体上设置了包括头部点位在内的多个监测点位,并且基于各个监测点位在相邻时刻下的位置变化情况,获取到了每个监测点位的移动量时序数据,为后续分析患者头部可能具有的不自主运动提供数据基础。不自主运动分析模块通过“不自主运动强度系数”(反映剧烈程度)和“强度持续系数”(反映持续情况)双维度量化,可区分患者的不自主运动(如由于呼吸、心跳或肌肉抽搐等原因引起的运动)和自主运动(如为了适应手术需要的姿势调整所产生的运动)。进一步地,由于患者不自主运动会导致体位发生微小的变化,所以在数据调整模块,结合不自主运动强度系数与强度持续系数,对头部点位的移动量时序数据进行增强调整,可以补偿这些微小的不自主运动在数据中的整体表现。最后,姿态控制模块利用患者头部点位对应的移动量修正时序数据对下一时刻进行头部位置移动预测,提前预判未来时刻的头部位置变化,可以进一步地补偿数据传输延迟的情况,从而确保机械手臂控制与患者实际体位同步。综上,本系统通过动态特征分析与预测机制,可应对呼吸、心跳、肌肉抽动等多类型不自主运动的叠加干扰,即使在微小运动场景下,仍能维持机械手臂的高精度姿态控制,降低手术风险。

1.一种基于患者体位识别的神经内镜机械手臂姿态控制系统,其特征在于,所述系统包括:

2.根据权利要求1所述的一种基于患者体位识别的神经内镜机械手臂姿态控制系统,其特征在于,所述不自主运动强度系数的获取方法包括:

3.根据权利要求2所述的一种基于患者体位识别的神经内镜机械手臂姿态控制系统,其特征在于,所述整体不自主运动强度因子的获取方法包括:

4.根据权利要求1所述的一种基于患者体位识别的神经内镜机械手臂姿态控制系统,其特征在于,所述强度持续系数的获取方法包括:

5.根据权利要求1所述的一种基于患者体位识别的神经内镜机械手臂姿态控制系统,其特征在于,所述移动量修正时序数据的获取方法包括:

6.根据权利要求5所述的一种基于患者体位识别的神经内镜机械手臂姿态控制系统,其特征在于,所述加权傅里叶变换的公式模型包括:

7.根据权利要求5所述的一种基于患者体位识别的神经内镜机械手臂姿态控制系统,其特征在于,所述增强调整因子的获取方法包括:

8.根据权利要求1所述的一种基于患者体位识别的神经内镜机械手臂姿态控制系统,其特征在于,所述利用患者头部点位对应的移动量修正时序数据进行头部位置移动预测,从而对神经内镜机械手臂进行姿态控制,包括:

9.根据权利要求1所述的一种基于患者体位识别的神经内镜机械手臂姿态控制系统,其特征在于,所述移动量时序数据的获取方法包括:

10.根据权利要求8所述的一种基于患者体位识别的神经内镜机械手臂姿态控制系统,其特征在于,所述时序预测算法为卡尔曼滤波。