申请/专利权人：中国科学院苏州生物医学工程技术研究所

申请日：2024-01-02

公开（公告）日：2024-04-09

公开（公告）号：CN117494058B

主分类号：G06F18/25

分类号：G06F18/25;A61B17/34;A61B5/113;A61B34/30;A61B34/32;G06F18/214;G06F18/15;G06N3/0455;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2024.02.23#实质审查的生效;2024.02.02#公开

摘要：本发明提供辅助手术机器人穿刺的呼吸运动预测方法、设备及介质，该方法包括步骤：获取采集的人体生理信号；对人体生理信号进行预处理，制作多源数据集；基于FEDformer模型通过预处理后的人体生理信号进行呼吸运动预测，得到目标的位置变化预测结果；根据目标的位置变化预测结果，控制手术机器人机械臂跟随目标的位置变化。针对穿刺手术机器人辅助穿刺下呼吸运动预测算法长时间预测时精度差的问题，本发明搭建了呼吸信号多源信息采集平台，以获取更丰富的呼吸数据，采用基于频域增强的FEDformer模型用于多源信息融合的呼吸运动预测，通过频域增强模块和频域注意力机制提高模型的预测表现。

主权项：1.一种辅助手术机器人穿刺的呼吸运动预测方法，其特征在于，包括以下步骤：获取采集的人体生理信号；其中，所述人体生理信号包括心电信号、胸部呼吸应变信号、腹部呼吸信号；对所述人体生理信号进行预处理，制作多源数据集；基于FEDformer模型通过预处理后的人体生理信号进行呼吸运动预测，得到目标的位置变化预测结果；根据所述目标的位置变化预测结果，控制手术机器人机械臂跟随目标的位置变化；所述FEDformer模型的训练包括以下步骤：对采集的人体生理信号进行预处理，制作多源数据集；将腹部变化幅度最大的标记点位置列为目标列，将非目标列的信号列为特征学习列；提取出时间列制作为包含时、分、秒、毫秒四个维度的时间标签，对时间标签进行编码；将非时间列的数据列划分为训练集、验证集和测试集，分别进入编码器中；在编码器架构中将输入序列划分为周期项和趋势项；将周期项传入频域增强模块，将原始时域上的输入序列映射到频域，然后在频域上进行随机采样；在特征学习阶段，将序列传入全连接层，作为可学习的参数，最后经由频域补全，投影回时域，进入混合专家分解模块；反复使用混合专家分解模块将序列分解为周期项和趋势项，将周期项交给后续的层进行学习，并最终传给解码器；在解码器中，解码器的输入经过混合专家分解模块将信号分解为周期项和趋势项，周期项传递给后续的层进行学习，通过频域注意力模块对编码器和解码器的周期项进行频域关联性学习；通过全连接层将趋势项进行累加并回给周期项，得到输出序列；所述对所述人体生理信号进行预处理包括以下步骤：对所述胸部呼吸应变信号和所述心电信号，采用巴特沃斯滤波器进行处理，去除信号中的随机噪声并解决基线漂移问题；对所述腹部呼吸信号中的异常值点和尖锐的峰值，采用四分位法去除异常值，将所有数据按升序排列，计算得到四个四分位数，找到上四分位数和下四分位数，异常值表述为如下公式： ，其中，为上四分位数，为下四分位数，μ为异常系数，X为腹部呼吸信号中的数据，为异常值；采用Savitzky-Golay滤波器平滑所述心电信号、胸部呼吸应变信号、腹部呼吸信号，平滑后的数据表述为如下公式： ，其中，x为待拟合的数据，y为拟合后的输出数据，为卷积系数；对所述心电信号、胸部呼吸应变信号、腹部呼吸信号进行重采样操作，使所述心电信号、胸部呼吸应变信号、腹部呼吸信号在相同的时间点上对齐；对所述心电信号、胸部呼吸应变信号、腹部呼吸信号进行归一化处理。

全文数据：

权利要求：

百度查询： 中国科学院苏州生物医学工程技术研究所 辅助手术机器人穿刺的呼吸运动预测方法、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD