[发明专利]手术质量检测方法及装置

权利要求书

1.一种手术质量检测方法，其特征在于，所述方法包括：

获取记录待检测手术过程的视频数据；

基于所述视频数据，针对所述待检测手术的至少两种评价路径，分别提取与各所述评价路径相关的特征数据；

基于所述特征数据和预设的评价函数，分别确定各评价路径在所述待检测手术过程不同时刻的质量评估值，及基于所述特征数据和预设的权重函数，分别确定各评价路径的各质量评估值对应的权重系数；

根据各评价路径的所有质量评估值及对应的权重系数，确定所述待检测手术过程的质量检测结果；

其中，所述基于所述特征数据和预设的评价函数，分别确定各评价路径在所述待检测手术过程不同时刻的质量评估值，包括：

基于预设的与各评价路径对应的嵌入函数，对各评价路径的各特征数据进行特征嵌入；

将特征嵌入结果输入各评价路径的评价函数，分别计算各评价路径的各特征数据在待检测手术过程不同时刻的质量评估值，并形成各评价路径的评估值序列；

其中，所述基于所述特征数据和预设的权重函数，分别确定各评价路径的各质量评估值对应的权重系数，包括：

对所有评价路径的特征数据进行特征融合；

将特征融合结果输入各评价路径的权重函数，分别计算各评价路径的各质量评估值对应的权重系数，并形成各评价路径的权重序列；

其中，所述根据各评价路径的所有质量评估值及对应的权重系数，确定所述待检测手术过程的质量检测结果，包括：

根据各评价路径的权重序列，对相应的评估值序列进行加权平均，计算整个所述待检测手术过程各评价路径对应的子质量检测结果；

根据预设的总权重系数对所有所述子质量检测结果进行加权平均，计算整个所述待检测手术过程的质量检测结果。

2.根据权利要求1所述的方法，其特征在于，所述预设的评价函数为回归函数，所述方法还包括：

通过回归损失函数对所述回归函数进行模型训练；或者，

所述预设的评价函数为分类函数，所述方法还包括：

通过分类损失函数对所述分类函数进行模型训练。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

基于历史数据，采用如下的自监督对比损失函数对所述回归函数或所述分类函进行辅助模型训练：

其中，表示自监督对比损失函数模型，表示时间帧i附近的一个邻域，表示与评价路径m相关的在时间i处的特征嵌入结果，表示与评价路径m相关的在时间i-1处的特征嵌入结果，表示与评价路径m相关的在时间j处的特征嵌入结果，σ_m表示与评价路径m相关的预测函数，L表示所述视频数据的时间帧数。

4.根据权利要求1所述的方法，其特征在于，各评价路径的特征数据均具有统一的格式，所述统一的格式均为的特征矩阵，其中，L为所述视频数据的时间帧数，D为各评价路径的特征维度大小。

5.根据权利要求1所述的方法，其特征在于，所述视频数据通过置于被手术对象内部的内置摄像装置或置于被手术对象外部的外置摄像装置摄制而成。

6.根据权利要求1所述的方法，其特征在于，所述评价路径包括手术事件分布、手术器械使用情况及手术视野质量。

7.根据权利要求6所述的方法，其特征在于，与所述手术事件分布相关的特征数据包括各时刻下的手术阶段、正常手术事件及不良事件；

与所述手术器械使用情况相关的特征数据包括各时刻下的手术器械的种类及手术器械的空间位置分布；

与所述手术视野质量相关的特征数据包括各时刻下的视野清晰度和图像颜色。

8.一种手术质量检测装置，其特征在于，所述装置包括：

数据获取模块，用于获取记录待检测手术过程的视频数据；

特征提取模块，用于基于所述视频数据，针对所述待检测手术的至少两种评价路径，分别提取与各所述评价路径相关的特征数据；

第一计算模块，用于基于所述特征数据和预设的评价函数，分别确定各评价路径在所述待检测手术过程不同时刻的质量评估值，及基于所述特征数据和预设的权重函数，分别确定各评价路径的各质量评估值对应的权重系数；

第二计算模块，用于根据各评价路径的所有质量评估值及对应的权重系数，确定所述待检测手术过程的质量检测结果；

所第一计算模块，具体用于：

基于预设的与各评价路径对应的嵌入函数，对各评价路径的各特征数据进行特征嵌入；

将特征嵌入结果输入各评价路径的评价函数，分别计算各评价路径的各特征数据在待检测手术过程不同时刻的质量评估值，并形成各评价路径的评估值序列；

所第一计算模块，进一步用于：

对所有评价路径的特征数据进行特征融合；

将特征融合结果输入各评价路径的权重函数，分别计算各评价路径的各质量评估值对应的权重系数，并形成各评价路径的权重序列；

所第二计算模块，具体用于：

根据各评价路径的权重序列，对相应的评估值序列进行加权平均，计算整个所述待检测手术过程各评价路径对应的子质量检测结果；

根据预设的总权重系数对所有所述子质量检测结果进行加权平均，计算整个所述待检测手术过程的质量检测结果。