本发明涉及肢体固定支架管理,更具体地说,本发明涉及一种用于冠状动脉介入术的肢体固定支架管理系统。
背景技术:
1、在心血管内科中,经桡动脉的冠状动脉介入手术是一种常见的微创手术,通过桡动脉路径进入冠状动脉,使用导管等器械对病变区域进行诊断和治疗。在该过程中,患者的手臂需保持稳定,以避免不必要的运动对手术器械操作的干扰。手术中,保持患者肢体的固定对手术精度、安全性以及术中器械操作的稳定性至关重要。因此,开发一种高效的肢体固定支架管理系统,能够满足对患者肢体定位和支撑的需求,对于手术成功具有重要意义。
2、文献1(colapinto,r.f.,harty,p.w.,&cook,inc.(1988).femora l arterycompress ion dev ice for outpat ient angi ography.radiology,166(3),890-891.)介绍了一种新型肢体定位装置的应用,通过支架结构支撑患者下肢,帮助医生在手术中维持肢体的特定位置。这种固定支架设备能够有效减少助手的工作量,提高医生的操作便利性,确保手术视野的清晰和手术操作的稳定性。研究指出,肢体固定支架不仅能减轻术中医护人员的体力消耗,还可增强患者的肢体支撑稳定性,提高手术的整体效率和安全性。这表明肢体固定支架在手术中的应用不仅能优化手术操作,还能提升术者的操作舒适度。
3、文献2(henderson,e.r.,pr ioresch i,b.,mata-fi nk,a.,&be l l,j.e.(2014).use of the spider l imb pos it ioner i nonco l ogi c l ower extremitysurgery.expert review of medical devices,11(6),581-585.)中描述了现有的一种蜘蛛形肢体定位器,其具有多关节设计,通过气动控制方式对患者的肢体进行动态支撑。该装置的主要优势在于其能够实现三维空间的灵活定位,支持复杂的肢体调整需求。该肢体定位器在肿瘤下肢手术中的使用为医生提供了较大的操作自由度,同时减少了因肢体位置变动导致的手术中断。通过自动化的控制,该定位器可以实现较精确的肢体调整,有效减少了手术助手的需求,优化了手术流程。
4、然而,现有技术中仍然存在一些局限性。文献2提到的肢体定位器虽然在肢体支撑与定位上有显著优势,但其定位调整缺乏对患者动态运动的智能预测和实时控制能力,难以满足手术中突发的肢体不自主运动的应对需求。
5、为了解决上述问题,现提供一种技术方案。
技术实现思路
1、为了克服现有技术的上述缺陷,本发明提供了一种用于冠状动脉介入术的肢体固定支架管理系统,通过计算机视觉模块和传感器数据融合模块获取患者手臂的多维运动数据,利用动态趋势分析模块对运动趋势进行分析与预测,实现支架的实时智能调整,从而有效应对手术过程中患者手臂的突发不自主运动,解决了现有技术中无法对肢体动态进行预测和实时调整的问题,提升了手术的安全性。
2、为实现上述目的,本发明提供如下技术方案:
3、一种用于冠状动脉介入术的肢体固定支架管理系统,包括计算机视觉模块、传感器数据融合模块、动态趋势分析模块和运行监控模块,其中,计算机视觉模块与传感器数据融合模块相连接,传感器数据融合模块与动态趋势分析模块相连接,动态趋势分析模块与运行监控模块相连接,所述动态趋势分析模块用于通过对患者手臂的运动状态数据进行处理和分析,预测手臂的未来运动趋势,对肢体固定支架进行调整和控制,包括运动趋势预测单元和控制策略生成单元,所述运动趋势预测单元用于基于手臂当前和历史运动状态数据,运用转换器模型中的自注意力机制生成时间依赖性趋势特征,并计算获得未来时间点的时间序列运动趋势数据,其中,计算获得未来时间点的手臂位置预测值的公式为:
4、
5、式中,pt+δt为未来时间t+δt的手臂位置预测值,pt为当前时间点手臂的位置坐标,vt为当前时间点手臂的速度向量,at为当前手臂的加速度向量,δt为时间步长,tt为转换器模型生成的时间依赖性趋势特征;
6、所述控制策略生成单元用于基于未来时间点的手臂运动趋势预测数据和当前手臂的运动状态数据,通过强化学习生成支架的位置调整量和力度调整量,并实时调整支架的位置和力度。
7、作为本发明进一步的方案,所述运动趋势预测单元用于基于患者手臂的运动数据生成未来运动趋势预测,包括以下步骤:
8、步骤a1,从传感器数据融合模块中获取手臂的视觉数据和惯性传感器数据,所述手臂的视觉数据包括患者手臂的三维位置信息;所述手臂的惯性传感器数据包括手臂的线性加速度和角速度数据;
9、步骤a2,通过有限差分法从视觉数据中计算速度和加速度信息,通过数值积分法从惯性传感器数据推导位置信息;
10、步骤a3,对视觉数据和惯性传感器数据分别在空间和时间上进行预处理,所述视觉数据中的三维位置信息通过空间滤波器平滑处理;所述惯性传感器数据中的加速度和角速度通过时间滤波器平滑处理;
11、步骤a4,对平滑后的视觉数据和惯性传感器数据分别进行加权处理,权重系数的和等于1;
12、步骤a5,计算连续两个时间点的视觉数据在某方向上的位置变化率以及惯性传感器数据在相同方向上的加速度变化率,计算两者的变化率差异值;
13、步骤a6,将差异值与预设的阈值进行比较,当差异值小于或等于预设阈值时,认为视觉数据与惯性数据的变化趋势一致,将视觉数据的权重系数增加固定值,并相应减小惯性数据的权重系数;当差异值大于预设阈值时,认为视觉数据与惯性数据的变化趋势不一致,将视觉数据的权重系数减少固定值,并相应增加惯性数据的权重系数;
14、步骤a7,对获取的视觉数据和惯性传感器数据进行计算,生成手臂的加权运动状态数据;其中,手臂的加权运动状态数据通过视觉数据与惯性传感器数据的加权组合生成,其公式为:
15、
16、式中,vty和分别为视觉数据提供的三维位置信息的分量,vtvy和为视觉数据提供的速度分量,vtay和为视觉数据提供的加速度分量,和分别为惯性传感器数据提供的三维位置信息的分量,和为惯性传感器数据提供的速度分量,和为惯性传感器数据提供的加速度分量;
17、步骤a8,将连续时间点的手臂加权运动状态数据输入至转换器模型中,提取该加权运动状态数据中反映时间依赖的运动趋势特征;
18、步骤a9,获得手臂的时间依赖性趋势特征后,结合当前时间点的手臂位置、速度和加速度,计算未来时间点的手臂位置预测值。
19、作为本发明进一步的方案,转换器模型使用自注意力机制对手臂在不同时间点的加权运动状态数据进行时间依赖性分析,提取加权运动状态数据中反映时间依赖的运动趋势特征,具体包括以下步骤:
20、步骤b1,将手臂在每个时间点的加权运动状态数据分别转化为查询向量、键向量和值向量;
21、步骤b2,计算每个查询向量与其他所有时间点键向量之间的相似度分数;
22、步骤b3,每个时间点的相似度分数进行归一化处理,获得归一化相似度分数;
23、步骤b4,将所有时间点的相似度分数与对应的值向量进行加权求和,并对各时间点的加权和进行序列分析,生成当前时间点手臂的时间依赖性运动趋势特征。
24、作为本发明进一步的方案,所述未来时间点的时间序列运动趋势数据包括未来时间点的手臂位置预测值以及未来时间点的手臂速度预测值和加速度预测值;所述未来时间点的手臂速度预测值基于当前时间点的手臂位置与未来时间点的手臂位置预测值通过有限差分法计算得到,所述未来时间点的手臂加速度预测值基于当前时间点的手臂速度与未来时间点的手臂速度预测值通过有限差分法计算得到。
25、作为本发明进一步的方案,所述控制策略生成单元用于基于未来运动趋势预测数据和当前运动状态数据,通过强化学习算法生成当前时刻支架的位置调整量和力度调整量。
26、作为本发明进一步的方案,所述控制策略生成单元通过以下步骤生成支架的位置调整量和力度调整量:
27、步骤c1,将运动趋势预测单元生成的未来运动趋势预测数据,包括未来时间点的手臂位置、速度和加速度预测值,以及当前时刻的运动状态数据,包括当前时刻的手臂位置、速度和加速度数据,输入强化学习算法的状态输入层;
28、步骤c2,通过深度确定性策略梯度模型中的价值函数,结合当前手术环境中支架的实际位置和力度参数,将当前状态数据和假设动作输入到价值函数中,生成当前时刻的策略评估值;所述状态数据包括手臂的运动状态和支架当前的实际参数,所述假设动作包括支架位置和力度的调整建议;
29、步骤c3,强化学习算法根据策略评估值生成目标支架位置调整量和力度调整量,其位置调整公式为:
30、
31、式中,δl为支架位置的即时调整量,q为策略评估值,pt+δt为未来时间t+δt的手臂位置预测值,lt为当前支架的位置,γ为位置调整的调节因子;
32、力度调整公式为:
33、
34、式中,δf为支架力度的即时调整量,at+δt为未来时间t+δt的手臂加速度预测值,ft为当前支架的力度,m为患者手臂的质量,用于推导所需的支架支撑力度,λ为力度调整的调节因子,q为策略评估值;
35、步骤c4,根据生成的支架位置调整量和力度调整量,实时调整支架的位置和力度。
36、作为本发明进一步的方案,所述计算机视觉模块通过安装在手术台周围的深度摄像头和红外摄像头对患者手臂进行成像,获取手臂的三维位置信息,并通过低通滤波与卡尔曼滤波对数据进行预处理,结合卷积神经网络模型识别手臂姿态规定点位置,生成手臂的三维位置信息并传递至传感器数据融合模块。
37、作为本发明进一步的方案,所述传感器数据融合模块包括加速度传感器和陀螺仪,用于采集手臂的线性加速度和角速度数据,通过粒子滤波将平滑后的视觉数据与惯性传感器数据融合,生成手臂的三维位置、速度和加速度信息,并将融合后的运动状态数据传递至动态趋势分析模块。
38、作为本发明进一步的方案,所述运行监控模块用于记录支架位置和力度调整的具体时间、调整幅度和调整次数,生成手术过程操作日志。
39、与现有技术相比,本发明一种用于冠状动脉介入术的肢体固定支架管理系统的有益效果在于:
40、本发明中的肢体固定支架管理系统通过计算机视觉和传感器数据融合,实现对患者手臂运动状态的实时监测与分析。该系统不仅能够获取手臂的三维位置,还可以提取其速度和加速度数据,并通过动态趋势分析模块对未来运动趋势进行预判,从而实现支架的实时调整。相比之下,文献1中的固定装置虽然能够提供稳定的支撑,但缺乏对患者手臂动态状态的跟踪与预测,无法实现对突发运动的灵活应对。本发明提高了支架响应速度和操作的实时性,降低了手术过程中患者不自主运动带来的风险。
41、本发明中的动态趋势分析模块采用自注意力机制,使得该系统能够根据手臂当前及历史的运动数据,生成时间依赖性趋势特征,从而预测未来运动,这种机制在应对患者突发不自主运动时具有优势,能够有效避免如文献2中的蜘蛛形肢体定位器在操作过程中对突发运动的反应滞后。