(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202211266436.6
(22)申请日 2022.10.17
(71)申请人 成都与睿创新科技有限公司
地址 610000 四川省成 都市高新区益州大
道中段1858号G5 栋1008号
(72)发明人 刘杰 石歆竹 朱宗斌 王玉贤
(74)专利代理 机构 北京天奇智新知识产权代理
有限公司 1 1340
专利代理师 王大刚
(51)Int.Cl.
G16H 20/40(2018.01)
G06V 20/40(2022.01)
G06V 10/82(2022.01)
G06V 10/80(2022.01)
G06V 10/764(2022.01)G06N 3/04(2006.01)
G06N 3/08(2006.01)
(54)发明名称
用于手术质量的控制方法
(57)摘要
本发明公开了用于手术质量的控制方法, 涉
及人工智能技术领域, 包括S1构建手术要素量化
模型; S2手术数据库导入手术要素量化模型获取
量化数据; S3分析量化数据输出不同手术要素、
对应变量的统计学信息; S4构建手术管理知识
库; S5构建手术管理系统, 手术数据库导入手术
管理系统进行分析, 获得手术质量的控制建议;
采用人工智能计算机模型识别手术器材、 解剖结
构、 手术阶段、 器械轨迹、 术中异常事件、 解剖处
理质量、 疾病严重程度等多重手术要素, 结合统
计分析功能建立手术视频自动分析和质量控制
系统, 通过 实时或者术后对手术视频的手术要素
进行提取整理, 并进行成组分析, 实现手术信息
的准确高效提取及质量分析。
权利要求书2页 说明书6页 附图2页
CN 115359873 A
2022.11.18
CN 115359873 A
1.用于手术质量的控制方法, 其特 征在于, 包括:
S1、 构建手术要素量 化模型;
S2、 手术数据库导入手术要素量 化模型获取手术要素的量 化数据;
S3、 将手术要素的量化数据输入到统计分析模型进行分析, 输出不同手术要素、 对应变
量的统计学信息;
S4、 利用知识图谱算法根据统计学信 息与手术质量和管理建议之间的对应关系构建手
术管理知识库;
S5、 手术要素量化模型、 统计分析模型和手术管理知识库组合形成手术管理系统, 医院
的手术数据库导入手术管理系统进行分析, 并根据分析 结果获得手术质量的控制建议。
2.根据权利要求1所述的用于手术质量的控制方法, 其特征在于, 手术要素量化模型包
括器械运动轨迹识别模型、 解剖结构识别模型、 解剖结构处理状态分类模型、 手术阶段及异
常事件识别模型和器官病变情况分类模型, 手术要素的量化数据包括器械运动轨迹识别模
型的识别结果、 解剖结构识别模 型的识别结果、 解剖结构处理状态分类模型的分类结果、 手
术阶段及异常事 件识别模型的识别结果和器官病变情况分类模型的分类结果。
3.根据权利要求2所述的用于手术质量的控制方法, 其特 征在于,
构建器械运动轨迹识别模型: 标记手术视频中不同器械及其对应的运动轨迹, 并储存
标记得到器械运动轨迹数据库; 通过器械运动轨迹数据库利用基于KCF跟踪算法训练得到
用于识别视频图片序列中不同器械及其视野下运动轨 迹的器械运动轨 迹识别模型;
构建解剖结构识别模型: 使用含有解剖结构的手术视频图片和完整手术视频, 对图片
中出现的解剖结构进行标记, 并储存标记得到解剖结构识别数据库; 通过解剖结构识别数
据库利用神经网络训练得到解剖结构识别模型;
构建手术阶段及异常事件识别模型: 使用含有解剖结构的手术视频图片和完整手术视
频, 对视频片段中对应的手术阶段和异常事件进行标记进行标记, 并储存标记得到手术阶
段及异常事件识别数据库; 通过手术阶段及异常事件识别数据库利用神经网络训练得到手
术阶段及异常事 件识别模型;
构建解剖结构处理状态分类模型和器官病变情况分类模型: 根据图片中解剖结构的处
理状态、 器官的病变情况, 标记含有解剖结构的手术图片, 获得解剖处理状态分类数据库和
器官病变情况分类数据库; 分别使用解剖处理状态分类数据库和器官病变情况分类数据
库, 利用图像分类算法模型, 训练得到解剖结构处理状态分类模型和器官病变情况分类模
型。
4.根据权利要求3所述的用于手术质量的控制方法, 其特征在于, 图像分类算法模型为
KNN分类算法模型, KN N分类算法模型 具体包括:
1) 计算待分类点与已知类别的点之间的距离;
2) 按照距离递增次序排序;
3) 选取与待分类点距离最小的K个点;
4) 确定前 K个点所在类别的出现次数;
5) 返回前 K个点出现次数最高的类别作为待分类点的预测分类。
5.根据权利 要求3所述的用于手术质量的控制方法, 其特征在于, 神经网络为FCN ‑8s全
卷积网络, FCN ‑8s全卷积网络依次包括全卷积部分和反卷积部分, 全卷积部分用于提取特权 利 要 求 书 1/2 页
2
CN 115359873 A
2征, 全卷积部分包括7组卷积池化层, 一组卷积池化层包括一个卷积层和池化层, 反卷积部
分用于通过上采样得到原尺寸的语义分割图像, 在FCN ‑8s全卷积网络中, 输入图片在经过
全卷积部 分之后, 对第七组的卷积层进 行上采样2 倍再和第四组的池化层相加, 相加之后再
上采样2倍, 再和第三组的池化层相加, 最后再 上采样8倍到原来的尺寸。
6.根据权利要求2所述的用于手术质量的控制方法, 其特征在于, 在S4中, 构建手术管
理知识库包括:
S41、 根据通用数据标准建立所需手术管理知识库的基础架构;
S42、 将基础架构中的各个实体之间的关系 进行统一规范, 得到具有标准规范的标准字
典表;
S43、 获取与手术管理知识库中的内容相关的半结构化数据;
S44、 从半结构化数据中抽取关键实体的实体信息;
S45、 根据标准字典表将实体信息进行 数据融合, 形成结构化数据;
S46、 将结构化数据生成对应的数据结构对, 并述数据结构对存储形成手术管理知识
库。权 利 要 求 书 2/2 页
3
CN 115359873 A
3
专利 用于手术质量的控制方法
文档预览
中文文档
11 页
50 下载
1000 浏览
0 评论
0 收藏
3.0分
温馨提示:本文档共11页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 SC 于 2024-02-18 22:24:35上传分享