您所在的位置: 首页 >>医院管理 >>专利展示 >>授权专利 >> 正文

专利展示

授权专利

一种基于深度学习的手术解剖部位识别标注方法

发布时间:2024-09-18 浏览次数:
字号:
+-14

  公开(公告)号: CN116863469B

  摘要附图:

图片53.jpg

  标题: 一种基于深度学习的手术解剖部位识别标注方法

  专利类型: 授权发明

  申请日: 2023-06-27

  公开(公告)日: 2024-05-14

  发明人: 韩威 | 牛旭 | 何平 | 刘元新 | 郝少龙 | 孙海涛 | 邱枫

  当前申请(专利权)人: 首都医科大学附属北京潞河医院

  IPC分类号: G06V20/70 | G06T7/00 | G06V10/56 | G06V10/762 | G06V10/82 | G06V20/40

  法律状态/事件: 授权

  技术功效语段: [0055](1)本发明旨在开发人工智能解剖标识系统,训练深度学习模型,识别胆囊切除术中重要人体重要解剖标志以及解剖的安全和危险区域,即使用安全性关键术野,减少术中胆管损伤的发生率,并由具有丰富经验的外科专家评估其结果的有效性。对外科手术医师初学者在掌握手术技能,学习CVS技术提供一定的辅助和提高。[0056](2)以腹腔镜手术录像等图像数据为基础,深度学习的图像识别技术作为依托,完成腹腔镜手术术中标识软件的开发,并利用软件引导低年资青年医师掌握学习CVS技术,提高关键解剖点的认知,进行腹腔镜胆囊切除手术,缩短腹腔镜手术学习曲线,降低因经验不足所致医源性胆道损伤的几率。

  摘要: 本发明涉及图像处理技术领域,公开了一种基于深度学习的手术解剖部位识别标注方法,包括:基于安全性关键术野技术标准的手术录像中提取关键帧图像,对关键帧图像按照第一颜色区间的像素贡献比进行K‑means聚类分组得到若干个第一图像簇,对第一图像簇按照第二颜色区间的像素贡献比进行K‑means聚类得到若干个第二图像簇,对第二图像簇按照第三颜色区间的像素贡献比进行K‑means聚类得到若干个第三图像簇,融合第三图像簇的中心图像,得到第一数据集,对第一数据集的图像进行标注,得到第二数据集,基于第二数据集训练区域识别标注模型,利用训练后的区域识别标注模型对手术录像中提取的图像进行识别标注。


Baidu
map