申请/专利权人：南京道壹生物医学科技有限公司

申请日：2023-09-11

公开（公告）日：2024-06-18

公开（公告）号：CN117338378B

主分类号：A61B17/29

分类号：A61B17/29;A61B17/00;A61B17/94;A61B90/00;A61B90/30;A61B34/10;G06V10/26;G06V10/774;G06V10/82;G06N3/0455;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2024.01.23#实质审查的生效;2024.01.05#公开

摘要：本发明提出铰接式腹腔镜钳及基于SBBU‑NET的腹腔图像快速分割方法，该腹腔镜钳的物理结构部分包括手柄、壳体、弓形梁、导管以及工作端，还包括摄像头，弓形梁上设置有冷光源通用接口，摄像头对称安装在工作端上，摄像头通过连接线路依次穿过导管和弓形梁连接在冷光源通用接口上，结构上采用上下对称摄像头的安装方式并集合算法，使图像呈现3D效果，并保证减少盲区的同时图像不失真，且摄像头可以随工作端偏转并永远处于工作端中心位置。针对摄像头采集的术中图像，提出了SBBU‑NET模型，该模型通过提出的SBB多注意力模块和融合边缘特征的损失函数，使得模型能够充分提取多尺度语义特征和加快模型的收敛，最终实现图像的快速且精准的分割，保证手术的质量。

主权项：1.铰接式腹腔镜钳，包括手柄1、壳体2、弓形梁3、导管4以及工作端5，所述壳体2安装在手柄1上方，所述弓形梁3的一端固定安装在壳体2上，所述导管4连接在弓形梁3的另一端，所述工作端5活动安装在导管4的端部，其特征在于：还包括摄像头，所述弓形梁3上设置有冷光源通用接口8，所述摄像头对称安装在工作端5上，所述摄像头通过连接线路依次穿过导管4和弓形梁3连接在冷光源通用接口上，所述冷光源通用接口8上接冷光源，通过摄像头配合腹腔图像快速分割方法使摄像头拍摄的图像呈现3D效果；还包括扣手6，所述扣手6活动安装在壳体2上且位于手柄1的上方，所述扣手6对称设置有两个，两个扣手6分别穿过壳体2、弓形梁3以及导管4连接工作端5，当手指插入扣手6中时，控制其开合即可实现控制工作端5张合；还包括拉杆7，所述拉杆7活动安装在手柄1上，所述拉杆7上设置有防滑凸起，当拉杆7远离手柄1时，所述工作端5锁死，当拉杆7靠近手柄1时，所述工作端5在以导管4为轴线的空间里上下左右90°转动；所述工作端5包括铰接式钳体，所述摄像头包括第一摄像头和第二摄像头，所述第一摄像头和第二摄像头分别对称安装在铰接式钳体上相对的两侧；所述铰接式腹腔镜钳工作方法如下，包括如下步骤：步骤1，采集模型训练数据，通过摄像头采集各不同病理和不同方位下的腹腔图像，并制作标签图像和病灶边缘标签；步骤2，图像预处理，将步骤1得到的图像按最大最小值处理归一化至[0，1]；步骤3，模型离线训练，利用步骤2归一化的数据，对SBBU-NET训练至模型收敛；步骤3中SBBU-NET模型的结构和对应的训练过程可表示为：步骤3.1.搭建各模块：SBBU-NET由编码模块、SBB模块和解码模块组成，其中编码模块由四个编码单元组成E1、E2、E3和E4，解码模块由边缘分割解码单元S1、S2和S3和病灶分割解码单元D1、D2、D3和D4组成；步骤3.2.连接各模块：E1在经过S1和S2两层提取后，将Ss进行双线性插值上采样，并分别与D2、D3和D4进行连接，E2和D2、E3和D3进行跳跃连接，E4和D4间，利用提出的SBB单元进行连接；步骤3.3.利用步骤3.1～步骤3.2搭建的SBBU-NET进行采集图像的处理，其中SBB模块的结构和对应的处理细节为：SBB的输入为E4，输出为D4，E4在此处分为两个注意力模块：步骤3.3.1.利用空间注意力模块进行特征提取，假设输入的数据为Fl∈Θc×H×w×D，C表示通道数，H、W和D分别表示各通道的规格，集合{F1，F2，F3}∈Θc×H×w×D表示在图像三个维度上进行卷积处理后得到的数据，接着将H、W和D三维数据转换成一维数据，转换后的数据记为θc×M，其中MM＝H×W×D表示各通道元素总数，为强化特征和加快网络的收敛速度，提出了加权的Softmax处理算法，具体表现为：步骤3.3.1.1.求解F1的转置F1和F2间的空间特征图ξ，其中ξji具体表达式为： 式中，F1i表示F1的第i维特征向量，F2j表示F2的第j维特征向量，ξji表示F1i和F2j间空间特征系数，Wji表示F1i和F2j间的权重系数，具体的表达式为： 式中，||||1表示L1范式；步骤3.3.1.2.将ξT与F3相乘后将所得特征还原为ΘC×H×W×D，再与Fl求和得到特征F，过程可表示为： Fj表示F的第j维特征，F3i表示F3的第i维特征，Flj表示Fl的第j维特征；步骤3.3.2.利用通道注意力模块进行特征提取，处理过程为：将Fls的转置与其相乘，然后经过加权的Softmax处理得到通道特征图而后再还原至为ΘC×H×W×D，最后和输入特征Fls求和得到步骤3.4.迭代训练模型，直至模型收敛，模型收敛的条件为训练次数达到3000次或损失函数小于等于1e-4，其中参数更新方法选用随机梯度下降，考虑到边缘信息对于分割任务能够提供有效的约束作用，边缘损失函数采用二值交叉熵损失BCE函数Te，具体表达式如下： 式中，Te为输入的病灶边缘标签，Pe为SBBU-NET得到的边缘概率图像，i和j分别表示输入图像的像素点在W和H维度的序号；在解码单元的训练中，通过直接上采样对各编码单元进行处理至标签图像规格，而后与标签图像计算损失，考虑到边缘信息对于分割任务能够提供有效的约束作用，此处提出融合边缘特征的损失函数LeSeg： 式中，P表示解码单元的个数，其中为3，ηi表示第i个解码单元的加权系数，本专利中根据模型调参，分别设置为1.2，1.10和1.06，Di表示第i个解码单元的输出，T为标签图像，·表示点积步骤4，模型实时分割，将步骤3训练所得的模型集成于上位机，对摄像头采集的腹腔图像进行实时分割，并显示于显示器。

全文数据：

权利要求：

百度查询： 南京道壹生物医学科技有限公司 铰接式腹腔镜钳及基于SBB U-NET的腹腔图像快速分割方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD