可控转向的胃转流支架输送器及其方法与流程

本技术涉及医疗辅助设备领域，且更为具体地，涉及一种可控转向的胃转流支架输送器及其方法。

背景技术：

1、胃转流支架是一种用于临床肥胖治疗的医疗器械，其原理为：由于绝大多数营养由肠道吸收，胃转流支架通过一层生物相容性良好的薄膜覆盖在一部分肠道，达到食物与部分肠道隔绝，从而减少所摄入食物的吸收。

2、在通过胃转流支架输送器将胃转流支架传输至体腔内时，因传输路径弯折常需要进行转向操作，然而现有的胃转流支架输送器在转向操作方便表现较差，需要将胃转流支架输送器的整体进行倾斜来调整胃转流支架的位姿，这种方式不仅操作不便，且调整角度有限，会给用户带来额外的痛苦。

3、因此，期待一种优化的胃转流支架输送器。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种可控转向的胃转流支架输送器及其方法，其中，所述可控转向的胃转流支架输送器的后部增加一段转向控制区域，该转向控制区域由第一至第四齿条形气囊构成，并且所述第一至第四齿条形气囊后端接气管。其配置自动转向控制模块，能够挖掘包含胃转流支架与目标区的探测图像中两者之间的相对位置的隐含关系，进而基于所述隐含关系来控制所述第一至第四齿条形气囊的气压，从而控制所述胃转流支架输送器的头部的弯曲角度，实现输送器的可控转向功能。

2、相应地，根据本技术的一个方面，提供了一种可控转向的胃转流支架输送器，其包括：数据监控与采集单元，用于获取可控转向的胃转流支架输送器的第一至第四齿条形气囊的第一至第四气压值以及由电子摄像头采集的包含胃转流支架与目标区的探测图像；图像语义分割单元，用于对所述包含胃转流支架与目标区的探测图像进行图像语义分割以得到包含所述胃转流支架的第一感兴趣区域和包含所述目标区的第二感兴趣区域；待调节齿条形气囊确定单元，用于基于所述第一感兴趣区域和所述第二感兴趣区域在所述探测图像中的相对位置关系，确定所述第一至第四齿条形气囊中待调节齿条形气囊；图像特征提取单元，用于将所述第一感兴趣区域和所述第二感兴趣区域分别通过作为过滤器的第一卷积神经网络模型以得到胃转流支架图像特征向量和目标区图像特征向量；相对位置关系特征提取单元，用于计算所述胃转流支架图像特征向量与所述目标区图像特征向量之间的转移矩阵；气压特征提取单元，用于将所述第一至第四气压值排列为输入向量后通过包含多个全连接层的气压特征提取器以得到气压特征向量；转移单元，用于计算所述气压特征向量相对于所述转移矩阵的转移向量作为解码特征向量；以及气压调整结果生成单元，用于将所述解码特征向量通过解码器进行解码回归以得到解码值，所述解码值用于表示待调节齿条形气囊的气压调整值。

3、在上述一种可控转向的胃转流支架输送器中，所述待调节齿条形气囊确定单元，进一步用于：响应于所述第一感兴趣区域位于所述第二感兴趣区域的左方，确定所述第一齿条形气囊为所述待调节齿条形气囊；响应于所述第一感兴趣区域位于所述第二感兴趣区域的右方，确定所述第四齿条形气囊为所述待调节齿条形气囊；响应于所述第一感兴趣区域位于所述第二感兴趣区域的上方，确定所述第二齿条形气囊为所述待调节齿条形气囊；以及响应于所述第一感兴趣区域位于所述第二感兴趣区域的下方，确定所述第三齿条形气囊为所述待调节齿条形气囊。

4、在上述一种可控转向的胃转流支架输送器中，所述图像特征提取单元，进一步用于：使用所述第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络模型的最后一层的输出为所述胃转流支架图像特征向量或目标区图像特征向量，所述第一卷积神经网络模型的第一层的输入为所述第一感兴趣区域或所述第二感兴趣区域。

5、在上述一种可控转向的胃转流支架输送器中，所述相对位置关系特征提取单元，进一步用于：以如下公式计算所述胃转流支架图像特征向量与所述目标区图像特征向量之间的转移矩阵；其中，所述公式为：

6、

7、其中表示所述胃转流支架图像特征向量，表示所述目标区图像特征向量，表示所述转移矩阵，表示矩阵相乘。

8、在上述一种可控转向的胃转流支架输送器中，所述气压特征提取单元，进一步用于使用所述包含多个全连接层的气压特征提取器对由所述第一至第四气压值排列得到的输入向量进行全连接编码以得到所述气压特征向量。

9、在上述一种可控转向的胃转流支架输送器中，所述转移单元，进一步用于：以如下公式计算所述气压特征向量相对于所述转移矩阵的转移向量作为解码特征向量；其中，所述公式为：

10、其中表示所述气压特征向量，表示所述转移矩阵，表示所述解码特征向量，表示矩阵相乘。

11、在上述一种可控转向的胃转流支架输送器中，所述气压调整结果生成单元，进一步用于：使用所述解码器以如下公式对所述解码特征向量进行解码回归以获得所述解码值；其中，所述公式为：，其中是所述解码特征向量，是所述解码值，是权重矩阵，表示矩阵乘。

12、在上述一种可控转向的胃转流支架输送器中，还包括用于对所述作为过滤器的第一卷积神经网络模型、所述包含多个全连接层的气压特征提取器和所述解码器进行训练的训练模块；其中，所述训练模块，包括：训练数据监控与采集单元，用于获取训练数据，所述训练数据包括：可控转向的胃转流支架输送器的第一至第四齿条形气囊的第一至第四训练气压值以及由电子摄像头采集的包含胃转流支架与目标区的训练探测图像，以及，训练待调节齿条形气囊的气压调整值的真实值；训练图像语义分割单元，用于对所述包含胃转流支架与目标区的训练探测图像进行图像语义分割以得到包含所述胃转流支架的第一训练感兴趣区域和包含所述目标区的第二训练感兴趣区域；训练待调节齿条形气囊确定单元，用于基于所述第一训练感兴趣区域和所述第二训练感兴趣区域在所述训练探测图像中的相对位置关系，确定所述第一至第四齿条形气囊中训练待调节齿条形气囊；训练图像特征提取单元，用于将所述第一训练感兴趣区域和所述第二训练感兴趣区域分别通过作为过滤器的第一卷积神经网络模型以得到训练胃转流支架图像特征向量和训练目标区图像特征向量；训练相对位置关系特征提取单元，用于计算所述训练胃转流支架图像特征向量与所述训练目标区图像特征向量之间的训练转移矩阵；训练气压特征提取单元，用于将所述第一至第四训练气压值排列为训练输入向量后通过包含多个全连接层的气压特征提取器以得到训练气压特征向量；训练转移单元，用于计算所述训练气压特征向量相对于所述训练转移矩阵的转移向量作为训练解码特征向量；解码损失单元，用于将所述训练解码特征向量通过解码器以得到解码损失函数值；序列对序列响应规则内在化学习损失单元，用于计算所述训练解码特征向量和所述训练气压特征向量之间的序列对序列响应规则内在化学习损失函数值；以及，训练单元，用于计算所述解码损失函数值和所述序列对序列响应规则内在化学习损失函数值的加权和作为损失函数值，对所述作为过滤器的第一卷积神经网络模型、所述包含多个全连接层的气压特征提取器和所述解码器进行训练。

13、在上述一种可控转向的胃转流支架输送器中，所述序列对序列响应规则内在化学习损失单元，进一步用于：以如下公式计算所述解码特征向量和所述气压特征向量之间的序列对序列响应规则内在化学习损失函数；其中，所述公式为：

14、

15、

16、

17、其中，和分别是所述解码特征向量和所述气压特征向量，且和分别是解码器对于和的权重矩阵，和分别是所述解码特征向量和所述气压特征向量的中间向量，是所述序列对序列响应规则内在化学习损失函数，表示激活函数，表示激活函数 ，表示矩阵相乘 ，表示两个向量之间的欧式距离。

18、根据本技术的另一方面，还提供了一种可控转向的胃转流支架输送器的方法，其包括：获取可控转向的胃转流支架输送器的第一至第四齿条形气囊的第一至第四气压值以及由电子摄像头采集的包含胃转流支架与目标区的探测图像；对所述包含胃转流支架与目标区的探测图像进行图像语义分割以得到包含所述胃转流支架的第一感兴趣区域和包含所述目标区的第二感兴趣区域；基于所述第一感兴趣区域和所述第二感兴趣区域在所述探测图像中的相对位置关系，确定所述第一至第四齿条形气囊中待调节齿条形气囊；将所述第一感兴趣区域和所述第二感兴趣区域分别通过作为过滤器的第一卷积神经网络模型以得到胃转流支架图像特征向量和目标区图像特征向量；计算所述胃转流支架图像特征向量与所述目标区图像特征向量之间的转移矩阵；将所述第一至第四气压值排列为输入向量后通过包含多个全连接层的气压特征提取器以得到气压特征向量；计算所述气压特征向量相对于所述转移矩阵的转移向量作为解码特征向量；以及将所述解码特征向量通过解码器进行解码回归以得到解码值，所述解码值用于表示待调节齿条形气囊的气压调整值。

19、在上述一种可控转向的胃转流支架输送器的方法中，所述待基于所述第一感兴趣区域和所述第二感兴趣区域在所述探测图像中的相对位置关系，确定所述第一至第四齿条形气囊中待调节齿条形气囊，包括：响应于所述第一感兴趣区域位于所述第二感兴趣区域的左方，确定所述第一齿条形气囊为所述待调节齿条形气囊；响应于所述第一感兴趣区域位于所述第二感兴趣区域的右方，确定所述第四齿条形气囊为所述待调节齿条形气囊；响应于所述第一感兴趣区域位于所述第二感兴趣区域的上方，确定所述第二齿条形气囊为所述待调节齿条形气囊；以及，响应于所述第一感兴趣区域位于所述第二感兴趣区域的下方，确定所述第三齿条形气囊为所述待调节齿条形气囊。

20、在上述一种可控转向的胃转流支架输送器的方法中，所述计算所述气压特征向量相对于所述转移矩阵的转移向量作为解码特征向量，包括：以如下公式计算所述气压特征向量相对于所述转移矩阵的转移向量作为解码特征向量；其中，所述公式为：

21、

22、其中表示所述气压特征向量，表示所述转移矩阵，表示所述解码特征向量，表示矩阵相乘。

23、在上述一种可控转向的胃转流支架输送器的方法中，所述将所述解码特征向量通过解码器进行解码回归以得到解码值，所述解码值用于表示待调节齿条形气囊的气压调整值，包括：使用所述解码器以如下公式对所述解码特征向量进行解码回归以获得所述解码值；其中，所述公式为：，其中是所述解码特征向量，是所述解码值，是权重矩阵，表示矩阵乘。

24、在上述一种可控转向的胃转流支架输送器的方法中，还包括对所述作为过滤器的第一卷积神经网络模型、所述包含多个全连接层的气压特征提取器和所述解码器进行训练；其中，所述对所述作为过滤器的第一卷积神经网络模型、所述包含多个全连接层的气压特征提取器和所述解码器进行训练，包括步骤：获取训练数据，所述训练数据包括：可控转向的胃转流支架输送器的第一至第四齿条形气囊的第一至第四训练气压值以及由电子摄像头采集的包含胃转流支架与目标区的训练探测图像，以及，训练待调节齿条形气囊的气压调整值的真实值；对所述包含胃转流支架与目标区的训练探测图像进行图像语义分割以得到包含所述胃转流支架的第一训练感兴趣区域和包含所述目标区的第二训练感兴趣区域；基于所述第一训练感兴趣区域和所述第二训练感兴趣区域在所述训练探测图像中的相对位置关系，确定所述第一至第四齿条形气囊中训练待调节齿条形气囊；将所述第一训练感兴趣区域和所述第二训练感兴趣区域分别通过作为过滤器的第一卷积神经网络模型以得到训练胃转流支架图像特征向量和训练目标区图像特征向量；计算所述训练胃转流支架图像特征向量与所述训练目标区图像特征向量之间的训练转移矩阵；将所述第一至第四训练气压值排列为训练输入向量后通过包含多个全连接层的气压特征提取器以得到训练气压特征向量；计算所述训练气压特征向量相对于所述训练转移矩阵的转移向量作为训练解码特征向量；将所述训练解码特征向量通过解码器以得到解码损失函数值；计算所述训练解码特征向量和所述训练气压特征向量之间的序列对序列响应规则内在化学习损失函数值；以及，计算所述解码损失函数值和所述序列对序列响应规则内在化学习损失函数值的加权和作为损失函数值，对所述作为过滤器的第一卷积神经网络模型、所述包含多个全连接层的气压特征提取器和所述解码器进行训练。

25、与现有技术相比，本技术提供的一种可控转向的胃转流支架输送器及其方法，其中，所述可控转向的胃转流支架输送器的后部增加一段转向控制区域，该转向控制区域由第一至第四齿条形气囊构成，并且所述第一至第四齿条形气囊后端接气管。其配置自动转向控制模块，能够挖掘包含胃转流支架与目标区的探测图像中两者之间的相对位置的隐含关系，进而基于所述隐含关系来控制所述第一至第四齿条形气囊的气压，从而控制所述胃转流支架输送器的头部的弯曲角度，实现输送器的可控转向功能。