[发明专利]一种基于深度学习的手术照明系统

权利要求书

1.一种基于深度学习的手术照明系统，其特征在于，包括影像采集模块、数据处理模块、数据库模块、数据传输模块、红外测距模块、灯光控制模块，灯光照射模块；

所述的影像采集模块包括与手术刀固定的图像采集设备和安装在手术台上方的摄像头；通过与手术刀固定的图像采集设备，实时采集患病者进行手术的区域的图像数据；同时在手术台的上方安装一个能够拍摄到以手术台为全景的摄像头，该摄像头用来拍摄手术台实时的全景信息，最后通过数据传输模块将采集得到的患病者进行手术的区域的图像数据和手术台实时的全景信息传输给数据处理模块；

数据处理模块：为搭载NVIDIA计算芯片的计算机，在数据处理模块中装有提前使用大量的医学图像数据训练好的深度学习识别模型，在本系统中采用基于深度特征学习的图像自适应目标识别算法构建的自适应卷积神经网络模型CNN-BN-PReLU，该模型首先对每层网络的特征图进行归一化处理，然后利用参数线性修正单元对参数进行调节；该模型与传统深度学习模型相比显著的提高了图像识别率降低了癌细胞肿瘤的误判率和漏诊率；采用该模型针对不同的数据来进行大量的训练，将训练好的模型装入数据处理模块的主机中，同时通过获得的手术台实时的全景信息计算标注点的位置坐标，将手术台看成是坐标系里的一片区域，将手术台的中心点作为坐标原点，将同一时刻的标注图片通过图像识别的方式在全景图中标记，而此时就能够通过计算标记位置中心点在全景图中的平面坐标，并发送给红外测距模块和灯光控制模块，然后计算标记位置的最大半径并发送给灯光控制模块，并通过计算机的显示器显示深度学习标注的结果数据；

数据库模块：储存用于训练深度学习识别模型的医学图像数据和当前产生的实时数据，所述的当前产生的实时数据包括影像采集模块采集到的实时数据和数据处理模块处理后的深度学习标注的结果数据，用于给数据处理模块提供训练深度学习识别模型的数据，以便训练出更好的深度学习识别模型，收集的医学图像数据和处理后的图像数据能够供医生进行学习；

数据传输模块：数据传输模块采用无线数据传输模块，连接影像采集模块、数据处理模块、数据库模块、红外测距模块和灯光控制模块，用于将影像采集模块获得的实时数据传输给数据处理模块进行处理，并且将数据处理模块获得的标记位置中心点在全景图中的确切坐标传输给红外测距模块和灯光控制模块；

所述的红外测距模块通过机械臂固定在距离手术台平面高度h1处，可在此平面内移动，根据获得的标记位置中心点在全景图中的平面坐标(x，y)移动并进行测距，红外测距模块测量得到的距离为H；通过数据传输模块将测量得到的距离发送给灯光控制模块；

灯光照射模块采用聚光灯，将聚光灯安装在手术台的设定的原点位置上方h处的位置，通过灯光控制模块的控制来做出相应的转动和焦距调节；聚光灯是点状光源，照明比较均匀，投射出去的光线可根据需要调节其聚光和散光，在一定范围内，可使光区放大或缩小，它可产生很亮的高光区和线条鲜明，影调深暗的阴影区；

灯光控制模块根据数据处理模块发送的标记位置中心点在全景图中的确切坐标、标记位置的最大半径、聚光灯的位置坐标和红外测距模块测量得到的距离计算灯光控制模块的角度和焦距；灯光控制模块的控制芯片采用STM32，通过控制舵机来控制聚光灯的角度；

灯光控制模块的角度和焦距计算方式如下：

已知聚光灯的位置坐标为(0，0，h),而标记位置中心点在全景图中的确切坐标为(x，y，h2)，h2能够通过红外测距模块测量得到的距离和红外测距的安装高度计算得到，公式如下：h2＝h1–H；通过聚光灯的位置坐标和标记位置中心点在全景图中的确切坐标后可计算出灯光照射路径与垂直线的夹角tanα＝y/x，和为光束照射路径在(x,y)平面的投影和x轴的夹角tanβ＝(x²+y²)^1/2/(h–h2),计算出来这两个角度值后就能够确定聚光灯的角度，通过单片机的控制就能够实现灯的控制，而在标记的区域范围内调节聚光灯的亮度使其高亮照射，而区域之外将光线调暗，造成阴影区域，使得手术区域轮廓更加明显；

标记位置的最大半径为聚光灯的照射半径，通过计算聚光灯透镜的焦距调节聚光灯照射范围，公式如下：

其中λ为入射光的波长，f需要计算的聚光灯透镜的焦距，ω为已知的射到透镜表面光斑半径，ω′为聚光灯的照射半径即标记位置的最大半径，计算出聚光灯透镜的焦距，控制灯光照射模块进行相应的调节。