[发明专利]一种基于深度学习的手术照明系统

说明书

本发明提供一种基于深度学习的手术照明系统。首先通过影像采集模块采集实时的手术画面，数据处理模块通过训练好的自适应卷积神经网络模型对获得的实时数据进行识别，并标注出需要进行手术的部位，同时计算标记位置中心点的坐标，灯光控制模块根据获得的深度学习标注的结果数据和手术台的位置坐标信息，结合聚光灯的位置坐标计算出聚光灯的角度和聚光灯透镜的焦距，控制灯光照射模块聚光灯的照射，将需要进行手术的标记位置标记出来。本发明有效地解决了通过人为的根据经验来判断手术部位的弊端，避免由于人的经验不足或者疲劳等因素的影响而产生的失误，可以更清晰的分辨出来病变区域。

技术领域

本发明设计医疗设备技术和计算机技术和立体定向技术和图像处理技术，特别涉及医疗设备技术。适用于各种手术中，特别适合诊断困难和手术操作困难的手术。如恶性肿瘤切割，甲状腺切除手术以及各种存在切除困难的手术等等。

背景技术

即使在人工智能快速发展的今天，在医学诊断中，依旧十分依赖专家的判断这种依赖存在严重的问题，如：需要耗费大量的时间，并且人在疲劳的时候很容易出现判断失误等因素。

在目前的医疗技术中用于医学成像的技术主要有CT、B超、X光等，它们呈现的主要是静态的2D图像，医生根据静态的图像来构想患者病变的部位，以此来完成手术，但是这种方法在实践中会有很多的困难。在实际的操作中由于肌肉组织都是在动的，不会像静态图片中那样，因此会造成切割的困难。

现如今在肿瘤治疗中普遍使用的手术刀有两种，一种为传统式手术刀，这种手术刀依靠医生的手腕力量进行切割，切割力度深度以及精度都很难把握，操作比较困难。第二种手术刀是高频电刀，这种高频电刀通过高频高压电流与机体接触时对组织进行加热，实现手术中对组织分离和凝固的目的，以此达到切割和止血的目的。但是这种高频电刀也会有相应的缺点，如：在使用中会产生热量，这就不可避免的在使用中会产生烟雾，这就会对医生的视觉造成影响从而对手术造成很大的影响，尤其是在很精密的手术中这种缺陷影响尤为明显。如：会因为视觉的原因对组织或者神经造成损伤。

在切割肿瘤的操作中由于肿瘤本身的一些原因，如：在皮肤镜像图中对比对会变低，病变与皮肤之间的灰度值变化平滑，从而导致切割失败，并且这种切割很容易受到噪声(如毛发、皮肤纹理)的影响，在分割点的周围产生错误的分割结果，这种情况在传统医疗手术中只能依靠医生的经验来判断的方法中，很容易会有切割不干净，不能根除病灶的情况，导致患者再次复发。

最近手术导航系统的出现为医学手术方面带来了很大的影响，对于手术的操作带了了很多的便利之处，但是该技术仍旧对手术操作者有较大的依赖，并不会对这种问题有太好的效果。

基于深度特征学习的图像自适应目标识别算法构建-《太原理工大学学报》-2018年7月-第49卷第4期-作者：张骞予,管姝,谢红薇,强彦,刘爱媛；(太原理工大学计算机科学与技术学院,太原030024；2.山西大医院,太原030000)

发明内容

本发明的目的在于针对现在医学手术中存在的不足，提出的一种基于深度学习的手术照明系统。这种系统结合灯光控制技术和深度学习技术，可以实现在手术中对手术的部位进行实时的侦测，通过将采集到的手术中的实时信息利用深度学习处理后，标明出要处理的位置和范围后，并结合灯光控制系统，结合手术台的位置坐标等信息，控制灯的照射的角度和范围，可以将要手术的部位清楚地标注出来，有效的解决了由于高频电刀发热引起的冒烟导致做手术的医生视觉受到影响的问题，以及组织滑动导致手术困难加大等问题，并且通过数据采集系统和数据处理系统将采集到的图片进行标记处理，这里将要做手术的部位进行特殊的标记可以和周围的肌肉组织神经清晰地分隔开，实时的展现在显示屏幕上，供医生来直观的进行观察，这样在手术时可以很清晰地知道要手术的部位，以及操作的方案，并且在手术中还可以直接通过观看标记来观察手术是否彻底的完成，是否会伤害到旁边的神经组织，以及是否完全根除病灶。而不用再像以前的时候只能根据提前定好的方案来想象需要进行手术的部位，并且根据经验来判断是否完全根除病灶。