СПОСОБ И СИСТЕМА РЕГУЛИРОВАНИЯ ТЕМПЕРАТУРЫ ЛЕЗВИЯ УЛЬТРАЗВУКОВОГО СКАЛЬПЕЛЯ НА ОСНОВЕ МОДЕЛИ ФУНКЦИИ РАСПРЕДЕЛЕНИЯ ТЕМПЕРАТУРЫ Российский патент 2024 года по МПК A61B17/32 G05D23/20 G05D23/27 G06F18/214 G06F30/27 G06N20/00 G06N3/45 

JБЛАСТЬ ПРИМЕНЕНИЯ ИЗОБРЕТЕНИЯ

[0001] Настоящее изобретение относится к области медицинских инструментов, в частности, к способу регулирования и системе для ультразвукового скальпеля, и, более конкретно, к способу и системе регулирования температуры лезвия ультразвукового скальпеля на основе модели функции распределения температуры, а также к генератору, ультразвуковому хирургическому инструменту-скальпелю, и системе ультразвукового скальпеля, поставляемой с системой.

УРОВЕНЬ ТЕХНИКИ

[0002] Хирургическая система ультразвуковой резки и гемостаза (сокращенно называемая системой ультразвукового скальпеля) мягких тканей относится к инструменту, который дополнительно усиливает ультразвуковые колебания, получаемые пьезоэлектрическим преобразователем (электрическая энергия передается на пьезоэлектрический преобразователь с помощью генератора энергии, который преобразует электрическую энергию в механическую), и использует усиленные ультразвуковые колебания на лезвие ультразвукового скальпеля для разрезания и коагуляции мягких тканей. Клиническое применение этого инструмента позволяет добиться резекции очага поражения при более низких температурах с меньшим кровотечением и обеспечить минимальное боковое термическое повреждение тканей. С популяризацией минимально инвазивной хирургии ультразвуковой скальпель стал обычным хирургическим инструментом.

[0003] Система ультразвукового скальпеля в основном включает в себя генератор, преобразователь и лезвия ультразвукового скальпеля. Как показано на фиг. 1, преобразователь 11 ультразвукового скальпеля совмещен с корпусом 12 ультразвукового скальпеля. Втулка 13 расположена на дистальном конце корпуса 12 ультразвукового скальпеля, а лезвия 14 ультразвукового скальпеля на самом дальнем конце соединен с преобразователем 11 внутри втулки 13. Преобразователь 11 соединен с генератором (не показан) через кабель 15. Ток ультразвуковой частоты в генераторе передается на преобразователь. Преобразователь преобразует электрическую энергию в механическую энергию для передней и задней вибрации и позволяет, посредством передачи и усиления ультразвукового сигнала, кончику лезвия (также называемого режущей головкой) ультразвукового скальпеля вибрировать на определенной частоте (например, 55,6 кГц). Под действием тепла, выделяемого при трении, вода в клетках тканей, соприкасающихся с кончиком лезвия, испаряется, водородные связи белков разрываются, клетки распадаются и рекомбинируют, и ткань разрезается после коагуляции. При разрезании кровеносного сосуда лезвие ультразвукового скальпеля соприкасается с белками ткани. В результате механической вибрации выделяется тепло, что приводит к разрушению коллагеновой структуры ткани. В результате происходит коагуляция белков, кровеносный сосуд запаивается, и цель гемостаза достигается.

[0004] Из-за быстрого теплового эффекта во время операции режущая головка лезвия ультразвукового скальпеля может образовать локальную высокотемпературную область выше 300°C за короткий промежуток времени. Тепло в основном рассеивается через лезвие ультразвукового скальпеля, ткани и атмосферу. Чрезмерно высокая температура режущей головки ультразвукового скальпеля может ускорить разрушение режущей головки, особенно прокладки, и вызвать термическое повреждение окружающих тканей, что негативно сказывается на восстановлении раны и даже может вызвать различные осложнения. Чрезмерно низкая температура режущей головки ультразвукового скальпеля может привести к чрезмерно медленному разрезанию, что серьезно снижает эффективность работы хирурга во время операции.

[0005] В китайском патенте CN111542281A раскрыт метод определения температуры ультразвукового скальпеля. Температура ультразвукового скальпеля определяется по разнице между фактической резонансной частотой и эталонной резонансной частотой ультразвуковой электрической системы. Недостатки этого метода заключаются в следующем. Во-первых, эталонные резонансные частоты различных скальпелей значительно отличаются друг от друга и могут меняться в зависимости от потери скальпелей и условий окружающей среды. В данном патенте не отражено, как эталонная резонансная частота изменяется в зависимости от рабочего состояния и других параметров. Поэтому нельзя с достаточной точностью определить температуру ультразвукового скальпеля на основе разницы между фактической резонансной частотой и эталонной резонансной частотой. Кроме того, в практической работе воздействие на рабочее состояние ультразвукового скальпеля представляет собой сложную функцию состояния, а разность фаз является лишь прямым фактором, влияющим на резонансную частоту в реальном времени. На рабочее состояние и температуру ультразвукового скальпеля в реальном времени могут влиять многие другие характеристики, такие как напряжение, ток и мощность в реальном времени; характеристики физической структуры лезвия, длина лезвия, форма и импеданс; а также факторы окружающей среды, такие как температура и влажность. Эти состояния должны быть непосредственно учтены в модели функции распределения температуры, чтобы получить относительно точное распределение температуры в реальном времени.

КРАТКОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯ

[0006] Для решения вышеуказанных проблем в предшествующем уровне техники настоящее изобретение обеспечивает способ и систему регулирования температуры лезвия ультразвукового скальпеля на основе модели функции распределения температуры, а также генератор, ультразвуковой хирургический инструмент-скальпель и систему ультразвукового скальпеля, поставляемой с системой.

[0007] Для решения вышеуказанных технических проблем настоящее изобретение предлагает следующие технические решения.

[0008] Способ регулирования температуры лезвия ультразвукового скальпеля на основе модели функции распределения температуры, включающий следующие этапы:

[0009] S1) сохранение модели функции распределения температуры и по меньшей мере одного порогового значения;

[0010] S2) ввод соответствующего входного признака в модель функции распределения температуры и вывод соответствующей информации о температурных данных;

[0011] S3) сравнение, по меньшей мере, одного значения информации о температурных данных с пороговым значением; и

[0012] S4) регулировка, на основе результата сравнения, уровня мощности, подаваемой на преобразователь ультразвукового скальпеля для модуляции температуры лезвия ультразвукового скальпеля.

[0013] Предпочтительно, модель функции распределения температуры представляет собой модель алгоритма нейронной сети, включающую в себя одну или комбинацию более чем одной модели алгоритма нейронной сети с прямой передачей, нейронной сети с памятью и нейронной сети внимания; а способ обучения модели представляет собой одну или комбинацию более чем одного из видов контролируемого обучения, полуконтролируемого обучения, неконтролируемого обучения и обучения с подкреплением.

[0014] Предпочтительно, способ обучения модели включает в себя: извлечение входного признака из обучающего набора и ввод его в модель алгоритма нейросети для вычисления промежуточного значения и значения градиента для каждого нейрона, где функция потерь модели представляет собой среднеквадратичную ошибку MSE или среднюю абсолютную ошибку MAE; обновление веса методом градиентного спуска; повторение вышеописанных процессов до тех пор, пока модель не выполнит заранее определенное условие остановки; и прекращение обучения и сохранение модели после выполнения условия остановки.

[0015] Предпочтительно, входной признак модели функции распределения температуры включает один или комбинацию более чем одного из параметров обратной связи в реальном времени, характеристики физической структуры и параметра окружающей среды.

[0016] Предпочтительно, параметр обратной связи в реальном времени включает, но не ограничивается этим, напряжение U в реальном времени, ток I в реальном времени, мощность P, импеданс R и частоту отклика f в реальном времени; параметр характеристики физической структуры включает, но не ограничивается этим, материал лезвия ультразвукового скальпеля и длину лезвия; и параметр окружающей среды включает, но не ограничивается этим, температуру окружающей среды и влажность окружающей среды.

[0017] Предпочтительно, информация о температуре включает в себя значение температуры в реальном времени в любой точке на лезвие ультразвукового скальпеля, и/или максимальное значение температуры, минимальное значение температуры и среднюю температуру определенной области на лезвие ультразвукового скальпеля.

[0018] Предпочтительно, модель функции распределения температуры состоит из слоев, соответствующих нейронов и весов; при этом весовые параметры и прикладные программы сохраняются в памяти генератора; память состоит из флэш-памяти, EEPROM или другого энергонезависимого устройства хранения; прикладная программа выполняется в процессоре; процессор состоит из ARM, DSP, FPGA, CPU, GPU или ASI-чипа, имеющегося в генераторе, или является удаленным сервером, подключенным через сеть.

[0019] Предпочтительно, на этапе S2 выходная информация о температурных данных формирует одномерное пространственное распределение температуры T(l) вдоль лезвия ультразвукового скальпеля, которое является решением уравнения .

[0020] Настоящее изобретение далее раскрывает систему регулирования температуры лезвия ультразвукового скальпеля, основанную на модели функции распределения температуры, включающую:

[0021] блок памяти, сконфигурированный для сохранения модели функции распределения температуры и, по меньшей мере, одного порогового значения;

[0022] блок обработки, сконфигурированный для ввода соответствующего входного признака в модель функции распределения температуры и вывода соответствующей информации о температурных данных;

[0023] блок сравнения, сконфигурированный для сравнения по меньшей мере одного значения информации о температурных данных с пороговым значением; и

[0024] блок регулировки, сконфигурированный для регулировки, на основе результата сравнения, уровня мощности, подаваемой на преобразователь ультразвукового скальпеля для модуляции температуры лезвия ультразвукового скальпеля.

[0025] Настоящее изобретение далее раскрывает генератор для регулирования температуры на основе модели функции распределения температуры, включающий:

[0026] схему регулирования, соединенную с памятью, при этом схема регулирования сконфигурирована таким образом, чтобы иметь возможность:

[0027] сохранять модель функции распределения температуры и по меньшей мере одно пороговое значение;

[0028] вводить соответствующий входной признака в модель функции распределения температуры и выводить соответствующую информацию о температурных данных;

[0029] сравнивать по меньшей мере одно значение информации о температурных данных с пороговым значением; и

[0030] регулировать, на основе результата сравнения, уровень мощности, подаваемый на преобразователь ультразвукового скальпеля, для модуляции температуры лезвия ультразвукового скальпеля.

[0031] Предпочтительно, схема регулирования сконфигурирована таким образом, что входной признак, вводимый в модель функции распределения температуры, включает один или комбинацию более чем одного из параметров обратной связи в реальном времени, параметра характеристики физической структуры и параметра окружающей среды.

[0032] Предпочтительно, параметр обратной связи в реальном времени включает, но не ограничивается этим, напряжение U в реальном времени, ток I в реальном времени, мощность P, импеданс R и частоту отклика f в реальном времени; параметр характеристики физической структуры включает, но не ограничивается этим, материал лезвия ультразвукового скальпеля и длину лезвия; и параметр окружающей среды включает, но не ограничивается этим, температуру окружающей среды и влажность окружающей среды.

[0033] Предпочтительно, информация о температурных данных включает в себя значение температуры в реальном времени в любой точке на лезвие ультразвукового скальпеля, и/или максимальное значение температуры, минимальное значение температуры и среднюю температуру определенной области на лезвие ультразвукового скальпеля.

[0034] Настоящее изобретение далее раскрывает ультразвуковой хирургический инструмент-скальпель на основе модели функции распределения температуры, включая:

[0035] ультразвуковую электромеханическую систему, включающую ультразвуковой преобразователь, соединенный с ультразвуковым скальпелем через ультразвуковой волновод; и

[0036] генератор, сконфигурированный для подачи питания на ультразвуковой преобразователь, при этом генератор включает схему регулирования, сконфигурированную для возможности:

[0037] сохранять модель функции распределения температуры и по меньшей мере одно пороговое значение;

[0038] вводить соответствующий входной признак в модель функции распределения температуры и выводить соответствующую информацию о температурных данных;

[0039] сравнивать по меньшей мере одного значение информации о температурных данных с пороговым значением;

[0040] регулировать, на основе результата сравнения, уровень мощности, подаваемый на преобразователь ультразвукового скальпеля, для модуляции температуры стрежня лезвия ультразвукового скальпеля.

[0041] Предпочтительно, схема регулирования сконфигурирована таким образом, что входной признак, вводимый в модель функции распределения температуры, включает один или комбинацию более чем одного из параметров обратной связи в реальном времени, параметра характеристики физической структуры и параметра окружающей среды; где параметр обратной связи в реальном времени включает, но не ограничивается этим, напряжение в реальном времени U, ток в реальном времени I, мощность P, импеданс R и частоту отклика в реальном времени f; параметр характеристики физической структуры включает в себя, но не ограничивается этим, материал лезвия ультразвукового скальпеля и длину лезвия; а параметр окружающей среды включает в себя, но не ограничивается этим, температуру окружающей среды и влажность окружающей среды.

[0042] Предпочтительно, информация о температурных данных включает в себя значение температуры в реальном времени в любой точке на лезвия ультразвукового скальпеля, и/или максимальное значение температуры, минимальное значение температуры и среднюю температуру определенной области на лезвие ультразвукового скальпеля.

[0043] Настоящее изобретение далее раскрывает систему ультразвукового скальпеля, основанную на модели функции распределения температуры, включающую процессор и энергонезависимое запоминающее устройство, содержащее прикладную программу, где прикладная программа, при выполнении процессором, позволяет процессору:

[0044] сохранять модель функции распределения температуры и по меньшей мере одно пороговое значение;

[0045] вводить соответствующий входной признак в модель функции распределения температуры и выводить соответствующую информацию о температурных данных;

[0046] сравнивать по меньшей мере одно значение информации о температурных данных с пороговым значением; и

[0047] регулировать, на основе результата сравнения, уровень мощности, подаваемый на преобразователь ультразвукового скальпеля, для модуляции температуры лезвия ультразвукового скальпеля.

[0048] Предпочтительно, модель функции распределения температуры состоит из слоев, соответствующих нейронов и весов; при этом весовые параметры и прикладная программа сохраняются в памяти генератора; память состоит из флэш-памяти, EEPROM или другого энергонезависимого устройства хранения; прикладная программа выполняется в процессоре; процессор состоит из ARM, DSP, FPGA, CPU, GPU или ASIC-чипа, имеющегося в генераторе, или представляет собой удаленный сервер, подключенный через сеть.

[0049] Преимущества настоящего изобретения в основном заключаются в следующем. Когда лезвие ультразвукового скальпеля работает, фактическая температура лезвия распределяется по одномерному пространству лезвия. Распределение температуры на лезвие определяется набором параметров обратной связи в реальном времени, характеристики физической структуры и окружающей среды лезвия ультразвукового скальпеля. Каждое распределение температуры соответствует решению функции распределения температуры, и эта функция может быть аппроксимирована машинным алгоритмом. Когда лезвие ультразвукового скальпеля работает, распределение температуры на лезвие ультразвукового скальпеля в реальном времени может быть оценено путем ввода в модель алгоритма машинного обучения таких параметров, как резонансная частота в реальном времени, напряжение, ток, импеданс, мощность и форма лезвия ультразвукового скальпеля, а также параметр окружающей среды. Далее регулирование мощности осуществляется на основе расчетной температуры, что является точным и эффективным.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

[0050] ФИГ. 1 представляет собой схему структурной конфигурации ультразвукового скальпеля предшествующего уровня техники;

[0051] ФИГ. 2 представляет собой структурную схему типичной многослойной нейронной сети с прямолинейным движением;

[0052] ФИГ. 3 представляет собой структурную схему нейрона LSTM с гейтами;

[0053] ФИГ. 4 представляет собой схему способа создания, обучения и сохранения модели в соответствии с настоящим изобретением;

[0054] ФИГ. 5 представляет собой блок-схему прогнозирования температуры на основе модели функции распределения температуры в соответствии с настоящим изобретением;

[0055] ФИГ. 6 представляет собой диаграмму сравнения температуры, спрогнозированную на основе модели функции распределения температуры, и фактической температуры в соответствии с настоящим изобретением;

[0056] ФИГ. 7 представляет собой блок-схему прогнозирования температуры на основе модели функции распределения температуры в соответствии с первым вариантом осуществления настоящего изобретения;

[0057] ФИГ. 8 представляет собой блок-схему прогнозирования температуры на основе модели функции распределения температуры в соответствии со вторым вариантом осуществления настоящего изобретения; и

[0058] ФИГ. 9 представляет собой блок-схему выполнения последующего регулирования на основе температуры, спрогнозированной на основе модели функции распределения температуры в соответствии с настоящим изобретением.

ПОДРОБНОЕ ОПИСАНИЕ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ ИЗОБРЕТЕНИЯ

[0059] Настоящее изобретение будет подробно описано ниже со ссылкой на конкретные варианты осуществления, показанные на сопроводительных чертежах. Однако настоящее изобретение не ограничивается этими реализациями, и изменения в структуре, способе или функции, которые могут быть сделаны специалистами в данной области на основе этих реализаций, попадают в объем защиты настоящего изобретения.

[0060] В системе ультразвукового скальпеля используется алгоритм с фазовой блокировкой для изменения рабочей частоты преобразователя во время работы, так что преобразователь работает в состоянии с максимальной эффективности, то есть в резонансном состоянии. В резонансном состоянии распространение звуковой волны на лезвие ультразвукового скальпеля должно удовлетворять условию стоячей волны. Если предположить, что длина лезвия ультразвукового скальпеля равна L, длина звуковой волны равна λ, скорость звука равна v, а частота отклика равна f, то в резонансном состоянии должно быть выполнено следующее условие работы:

(1),

[0061] где n - целое положительное число.

[0062] Если предположить, что период звуковой волны равен τ, то выполняется следующая формула:

(2).

[0063] может быть достигнуто, что:

(3).

[0064] В реальной работе тепло распространяется вдоль заданного направления лезвия ультразвукового скальпеля, и поэтому температура может изменяться в различных положениях лезвия ультразвукового скальпеля. Температура t в различных положениях выражается как:

(4),

[0065] где T(l) - функция распределения температуры на лезвие, l находится в диапазоне 0~L, а положение вершины на одной стороне кончика лезвия является началом координат.

[0066] Температура может влиять на модуль Юнга лезвия и, наконец, на скорость звука. Скорость звука v в различных положениях лезвия скальпеля может быть выражена как функция температуры:

(5).

[0067] Формула (1) может быть выражена как:

(6).

[0068] Формула (6) может быть выражена как:

(7).

[0069] Формула (7) представляет собой интегральное уравнение. Для определенного момента времени f представляет собой определенную частоту отклика, а на температуру T(l) влияют такие параметры, как напряжение, ток, мощность, импеданс, форма лезвия и параметры окружающей среды. Когда n, f, и L определены, функция распределения температуры T(l) интегрального уравнения может иметь бесконечное число решений. Для разных лезвий может быть больше различных распределений температуры.

[0070] С учетом вышеизложенного, настоящее изобретение раскрывает модель алгоритма машинного обучения, в частности модель алгоритма нейронной сети. Модель алгоритма искусственной нейронной сети - это математическая модель, созданная на основе человеческого мозга и нервной системы. Подобно биологическим нейронам, модель алгоритма искусственной нейронной сети состоит из множества узлов (искусственных нейронов), которые соединены друг с другом, и могут быть использованы для моделирования сложных отношений между данными. Связям между различными узлами присваиваются различные веса, и каждый вес представляет собой степень влияния одного узла на другой. Каждый узел представляет собой определенную функцию. Информация от другого узла комплексно вычисляется на основе соответствующего веса узла и вводится в функцию активации для получения нового значения активации. Функция активации используется для введения нелинейного элемента и улучшения способности нейронной сети к выражению. Обычные функции активации включают Sigmaid, Tanh, ReLU и т.п.

[0071] С точки зрения системы, искусственный нейрон представляет собой адаптивную нелинейную динамическую систему, состоящую из большого количества нейронов, соединенных чрезвычайно богатыми и полными связями. Наиболее часто используемым алгоритмом обучения нейронной сети на данный момент является алгоритм обратного распространения, а методом оптимизации - алгоритм градиентного спуска. Теоретически любая функция может быть аппроксимирована с помощью двухслойной нейронной сети. Увеличение количества слоев сети может повысить способность нейронной сети к представлению информации при том же количестве нейронов. В настоящее время широко используемые модели нейронных сетей включают в себя модель нейронной сети с прямой передачей данных, модель нейронной сети с памятью, модель нейронной сети с вниманием и т. п. Многослойный персептрон (MLP) и сверточная нейронная сеть (CNN) представляют собой модели нейронных сетей с прямолинейным движением. Рекуррентная нейронная сеть (RNN) представляет собой модель нейронной сети с памятью. Часто используемые модели RNN включают в себя управляемый рекуррентный блок (GRU) и сеть долгой краткосрочной памяти (LSTM). Модель нейронной сети внимания включает в себя трансформатор и тому подобное.

[0072] На фиг. 2 показана типичная модель многослойной нейронной сети с прямолинейным движением, которая включает в себя входной слой, несколько скрытых слоев и один выходной слой. Входная информация X передается через каждый слой, чтобы в итоге получить выходной сигнал y.

[0073] Формула распространения информации на каждом слое имеет вид:

(8),

[0074] где представляет собой вход l слоя, представляет собой выход l слоя, представляет функцию активации нейрона на l слое, представляет весовую матрицу от (l-1) слоя к l слою, и представляет собой смещение от (l-1) слоя к l слою.

[0075] На основе нейронной сети с прямолинейным движением модель нейронной сети с памятью дополняется возможностью запоминания, которая обычно используется для обработки данных временных рядов. Обычно используемые нейронные сети с памятью включают RNN, GRU, LSTM и т.п. GRU и LSTM обладают возможностями долговременной памяти и могут обрабатывать длительные последовательности.

[0076] Структура стробирующего нейрона типичной модели нейронной сети с долгой краткосрочной памятью (LSTM) показана на фиг. 3. Нейрон LSTM контролирует путь передачи информации через стробирующий механизм. Три гейта соответственно являются входным гейтом i, гейтом забвения f, и выходным гейтом o. Функции трех гейтов следующие: входной гейт i управляет количеством состояний-кандидатов которые необходимо сохранить в текущий момент; гейт забвения f управляет количеством информации, которую необходимо забыть во внутреннем состоянии в предыдущий момент; а выходной гейт o управляет объемом информации, которую необходимо вывести к внешнему состоянию во внутреннем состоянии в текущий момент. С помощью рекуррентного модуля LSTM во всей нейронной сети может быть установлена зависимость временной последовательности на большие расстояния.

[0077] Тремя гейтами соответственно являются:

(9);

(10);

(11).

[0078] Формулы для обновления внутренних состояний следующие:

(12);

(13);

(14).

[0079] Модель функции распределения температуры в настоящем изобретении может быть основана на модели алгоритма машинного обучения и включает одну или комбинацию более чем одной модели алгоритма. Входной признак включает один или комбинацию более чем одного из параметров обратной связи в реальном времени, параметра характеристики физической структуры и параметра окружающей среды. Параметр обратной связи в реальном времени включает, но не ограничивается этим, напряжение U в реальном времени, ток I в реальном времени, мощность P, импеданс R и частоту отклика в реальном времени f. Параметр характеристики физической структуры включает, но не ограничивается этим, материал и длину лезвия ультразвукового скальпеля. Параметр окружающей среды включает, но не ограничивается температурой окружающей среды и влажностью окружающей среды.

[0080] Более полный входной признак указывает на более высокую способность нейросетевой модели к аппроксимации. В модели настоящего изобретения напряжение U и ток I получены путем выборки генератором в реальном времени, а мощность P и импеданс R могут быть рассчитаны в реальном времени в соответствии со следующими формулами:

(15); и

(16).

[0081] Частота f в реальном времени рассчитывается по следующей формуле:

(17),

[0082] где k определяется функциональной зависимостью между напряжением U в реальном времени и током I:

(18).

[0083] Параметры характеристики физической структуры, такие как материал и длина лезвия ультразвукового скальпеля, могут быть сохранены в микросхеме памяти ультразвукового скальпеля или генератора. Генератор может напрямую считывать соответствующую микросхему памяти для получения этих параметров. Параметры окружающей среды могут быть измерены в режиме реального времени датчиком.

[0084] Модель функции распределения температуры по настоящему изобретению может одновременно оценивать одну или несколько температурных данных, включая, но не ограничиваясь этим, значение температуры в реальном времени в любой точке лезвия ультразвукового скальпеля, и/или максимальное значение температуры, минимальное значение температуры и среднюю температуру определенной области лезвия ультразвукового скальпеля.

[0085] Смоделированный метод обучения по настоящему изобретению включает в себя контролируемое обучение, полуконтролируемое обучение, неконтролируемое обучение или обучение с подкреплением и т.д. При контролируемом обучении вся входная информация о характеристиках и обучающие метки модели должны быть собраны в определенный интервал времени, где интервал времени может составлять 1 мс или 10 мс; и температура в реальном времени измеряется, чтобы использоваться в качестве контрольной обучающей метки. Температура в месте разрева в реальном времени может быть измерена встроенным или внешним датчиком температуры или инфракрасным термометром. Для получения обучающего набора данных S собирается большое количество помеченных данных.

[0086] Процесс обучения нейросетевой модели, реализованный посредством контролируемого обучения модели, показан на фиг. 4. Входной признак извлекается из обучающего набора данных S и вводится в нейросетевую модель для вычисления промежуточного значения и значения градиента для каждого нейрона. Функция потерь модели может представлять собой среднеквадратичную ошибку MSE или среднюю абсолютную ошибку MAE. Вес обновляется методом градиентного спуска. Вышеописанный процесс повторяется до тех пор, пока модель не выполнит заранее заданное условие остановки, например, точность прогнозирования достигнет целевого значения или потери перестанут уменьшаться. После выполнения условия остановки обучение прекращается, и модель сохраняется. Эта модель может представлять собой функцию распределения температуры на лезвие, включая кончик лезвия, во время работы всех целевых ультразвуковых скальпелей.

[0087] Обученная модель состоит из различных слоев, соответствующих нейронов и весов. Весовые параметры и прикладные программы сохраняются в памяти генератора. Память может представлять собой флэш-память, EEPROM или другое энергонезависимое устройство хранения данных. Прикладная программа запускается в процессоре. Процессор может представлять собой ARM, DSP, FPGA, CPU, GPU или ASIC-чип, имеющийся в генераторе, или удаленный сервер, подключенным через сеть.

[0088] Способ оценки температуры с использованием модели функции распределения температуры по настоящему изобретению показан на фиг. 5. В модель вводится набор параметров X ультразвукового скальпеля в режиме реального времени, и модель может найти наиболее вероятное распределение температуры на лезвие на основе входного набора характеристик. Целевая температура T может быть получена из распределения температуры, и T - это целевое значение температуры в реальном времени.

[0089] Как показано на фиг. 6, кривая на рисунке представляет собой кривую изменения температуры ультразвукового скальпеля, когда он используется для разрезания шкуры крупного рогатого скота. Сплошная линия представляет собой фактическую температуру, которая измеряется инфракрасным термометром в режиме реального времени. Пунктирная линия представляет собой расчетную температуру модели в режиме реального времени. Температура в реальном времени оценивается каждые 10 мс, всего около 1500 точек прогнозирования температуры. Диапазон прогнозирования температуры составляет 60-350°C. Видно, что модель может точно предсказать значение температуры, и небольшие отклонения температуры могут быть только в точке начала разрезания и вблизи точки 350°C.

[0090] Согласно настоящему изобретению, метод регулирования температуры лезвия ультразвукового скальпеля на основе модели функции распределения температуры заключается в управлении выходной энергией ультразвукового скальпеля на основе прогнозируемой температуры в реальном времени. Как показано на фиг. 9, способ включает в себя следующие этапы:

[0091] ввод соответствующего входного признака в модель функции распределения температуры и вывод соответствующей информации о температурных данных;

[0092] сравнение по меньшей мере одного значения информации о температурных данных с пороговым значением; и

[0093] регулировка, на основе результата сравнения, уровня мощности, подаваемой на преобразователь ультразвукового скальпеля, для модуляции температуры стрежня лезвия ультразвукового скальпеля.

[0094] Один вариант осуществления показан на фиг. 7. Предварительно устанавливается пороговое значение температуры T₀, где T₀ может соответствовать пороговому значению высокой температуры. Когда прогнозируемая температура в реальном времени превышает пороговое значение, выходная мощность может быть снижена путем постепенного уменьшения напряжения или тока, тем самым эффективно снижая температуру. Один из методов снижения мощности заключается в уменьшении тока на 5% каждые 200 мс. Мощность может быть отрегулирована таким образом, чтобы она увеличивалась, уменьшалась или оставалась неизменной. Регулирование мощности может быть реализовано путем регулирования выходного напряжения или тока, а временной интервал и амплитудное значение для регулирования могут не ограничиваться текущими значениями. Пороговое значение регулирования мощности может включать множество пороговых значений температуры, причем пороговые значения температуры могут быть любыми в пределах 0-600°C.

[0095] Другой вариант осуществления показан на фиг. 8. Способ регулирования включает первое пороговое значение температуры Т₁ и второе пороговое значение температуры Т₂. Выходная мощность увеличивается, когда прогнозируемая температура в реальном времени ниже первого порогового значения температуры Т₁. Мощность поддерживается постоянной, когда температура находится между первым пороговым значением температуры T₁ и вторым пороговым значением температуры T₂. Мощность уменьшается, когда температура выше второго порогового значения температуры Т₂. Способ регулирования выходной мощностью не ограничивается вышеупомянутым способом регулирования, который также может быть другим способом регулирования, соответствующим данной схеме регулирования.

[0096] Настоящее изобретение далее раскрывает генератор, включающий:

[0097] схему регулирования, соединенную с памятью, при этом схема регулирования сконфигурирована таким образом, чтобы иметь возможность:

[0098] сохранять модель функции распределения температуры и по меньшей мере одно пороговое значение;

[0099] вводить соответствующий входной признак в модель функции распределения температуры и выводить соответствующую информацию о температурных данных;

[00100] сравнивать по меньшей мере одно значение информации о температурных данных с пороговым значением; и

[00101] регулировать, на основе результата сравнения, уровень мощности, подаваемый на преобразователь ультразвукового скальпеля, для модуляции температуры лезвия ультразвукового скальпеля.

[00102] Настоящее изобретение далее раскрывает ультразвуковой скальпель хирургического инструмента, включающий:

[00103] ультразвуковую электромеханическую систему, включающую ультразвуковой преобразователь, соединенный с ультразвуковым скальпелем через ультразвуковой волновод; и

[00104] генератор, сконфигурированный для подачи питания на ультразвуковой преобразователь, при этом генератор включает схему регулирования, сконфигурированную для того, чтобы иметь возможность:

[00105] сохранять модель функции распределения температуры и по меньшей мере одно пороговое значение;

[00106] вводить соответствующий входной признак в модель функции распределения температуры и выводить соответствующую информацию о температурных данных;

[00107] сравнивать по меньшей мере одно значение информации о температурных данных с пороговым значением; и

[00108] регулировать, на основе результата сравнения, уровень мощности, подаваемый на преобразователь ультразвукового скальпеля, для модуляции температуры лезвия ультразвукового скальпеля.

[00109] Настоящее изобретение далее раскрывает систему ультразвукового скальпеля, включающую процессор и энергонезависимое запоминающее устройство, включающее прикладную программу, где прикладная программа, при выполнении процессором, позволяет процессору:

[00110] сохранять модель функции распределения температуры и по меньшей мере одно пороговое значение;

[00111] вводить соответствующий входной признак в модель функции распределения температуры и выводить соответствующую информацию о температурных данных;

[00112] сравнивать по меньшей мере одно значение информации о температурных данных с пороговым значением; и

[00113] регулировать, на основе результата сравнения, уровень мощности, подаваемый на преобразователь ультразвукового скальпеля, для модуляции температуры лезвия ультразвукового скальпеля.

[00114] Вышеприведенные описания являются лишь предпочтительными вариантами осуществления настоящего изобретения. Следует отметить, что вышеприведенные предпочтительные варианты осуществления не должны рассматриваться как ограничения настоящего изобретения, и объем охраны настоящего изобретения должен быть ограничен объемом, определенным в формуле изобретения. Специалистами в данной области могут быть сделаны усовершенствования и модификации, не отступающие от сущности и объема настоящего изобретения. Эти усовершенствования и модификации также должны рассматриваться как входящие в объем настоящего изобретения.

Изобретение раскрывает способ и систему регулирования температуры лезвия ультразвукового скальпеля на основе модели функции распределения температуры. Система включает в себя лезвие ультразвукового скальпеля и преобразователь, которые соединены друг с другом и подключены к генератору через кабель. Когда лезвие ультразвукового скальпеля работает, фактическая температура лезвия распределяется вдоль одномерного пространства лезвия. Распределение температуры на лезвие определяется набором параметров обратной связи в реальном времени, параметров характеристики физической структуры и параметров окружающей среды лезвия. Каждое распределение температуры соответствует решению функции распределения температуры, и эта функция может быть аппроксимирована машинным алгоритмом. Когда лезвие ультразвукового скальпеля работает, распределение температуры на лезвие в реальном времени может быть оценено путем ввода в модель алгоритма машинного обучения таких параметров, как резонансная частота в реальном времени, напряжение, ток, импеданс, мощность, форма и параметры окружающей среды лезвия. Технический результат – повышение точности и эффективности регулирования температуры лезвия ультразвукового скальпеля. 2 н. и 9 з.п. ф-лы, 9 ил.

1. Способ регулирования температуры лезвия ультразвукового скальпеля на основе модели функции распределения температуры, включающий следующие этапы:

S1) сохранение модели функции распределения температуры и по меньшей мере одного порогового значения;

S2) ввод соответствующего входного признака в модель функции распределения температуры и вывод соответствующей информации о температурных данных;

S3) сравнение по меньшей мере одного значения информации о температурных данных с пороговым значением; и

S4) регулирование, на основе результата сравнения, уровня мощности, подаваемой на преобразователь ультразвукового скальпеля, для модуляции температуры лезвия ультразвукового скальпеля,

при этом входной признак модели функции распределения температуры включает один или комбинацию более чем одного из параметра обратной связи в реальном времени, параметра характеристики физической структуры и параметра окружающей среды, и

параметр обратной связи в реальном времени включает в себя, но не ограничивается этим, напряжение U в реальном времени, ток I в реальном времени, мощность P, импеданс R и частоту отклика f в реальном времени; параметр характеристики физической структуры включает в себя, но не ограничивается этим, материал лезвия ультразвукового скальпеля и длину лезвия; и параметр окружающей среды включает в себя, но не ограничивается этим, температуру окружающей среды и влажность окружающей среды.

2. Способ по п. 1, отличающийся тем, что модель функции распределения температуры представляет собой модель алгоритма нейронной сети, включающую одну или комбинацию более чем одной модели алгоритма нейронной сети с прямой передачей, нейронной сети с памятью и нейронной сети внимания; а метод обучения модели представляет собой одну или комбинацию более чем одного из контролируемого обучения, полуконтролируемого обучения, неконтролируемого обучения и обучения с подкреплением.

3. Способ по п. 2, отличающийся тем, что метод обучения модели конкретно включает: извлечение входного признака из обучающего набора и ввод его в модель нейросетевого алгоритма для вычисления промежуточного значения и значения градиента для каждого нейрона, где функция потерь модели представляет собой среднеквадратичную ошибку MSE или среднюю абсолютную ошибку MAE; обновление веса методом градиентного спуска; повторение вышеописанного процесса до тех пор, пока модель не выполнит заранее определенное условие остановки; и прекращение обучения и сохранение модели после выполнения условия остановки.

4. Способ по п. 1, отличающийся тем, что информация о температуре включает в себя значение температуры в реальном времени в любой точке на лезвие ультразвукового скальпеля, и/или максимальное значение температуры, минимальное значение температуры и среднюю температуру определенной области на лезвии ультразвукового скальпеля.

5. Способ по п. 1, отличающийся тем, что модель функции распределения температуры состоит из слоев, соответствующих нейронов и весов; где весовые параметры и прикладные программы сохраняют в памяти генератора; память состоит из флэш-памяти, EEPROM или другого энергонезависимого устройства хранения; прикладная программа запускается в процессоре; и процессор состоит из ARM, DSP, FPGA, CPU, GPU или ASIC-чипа, имеющегося в генераторе, или является удаленным сервером, подключенным через сеть.

6. Способ по любому из пп. 1-7, отличающийся тем, что на этапе S2 информация о выходных температурных данных формирует одномерное пространственное распределение температуры T(l) вдоль лезвия ультразвукового скальпеля, которое является решением уравнения.

7. Генератор для регулирования температуры на основе модели функции распределения температуры, включающий:

схему регулирования, соединенную с памятью, при этом схема регулирования сконфигурирована таким образом, чтобы иметь возможность:

сохранять модель функции распределения температуры и по меньшей мере одно пороговое значение;

вводить соответствующий входной признак в модель функции распределения температуры и выводить соответствующую информацию о температурных данных;

сравнивать по меньшей мере одно значение информации о температурных данных с пороговым значением; и

регулировать, на основе результата сравнения, уровень мощности, подаваемый на преобразователь ультразвукового скальпеля, для модуляции температуры лезвия ультразвукового скальпеля,

при этом схема регулирования сконфигурирована таким образом, что входной признак, вводимый в модель функции распределения температуры, включает один или комбинацию более чем одного из параметра обратной связи в реальном времени, параметра характеристики физической структуры и параметра окружающей среды, и

параметр обратной связи в реальном времени включает в себя, но не ограничивается этим, напряжение U в реальном времени, ток I в реальном времени, мощность P, импеданс R и частоту отклика f в реальном времени; параметр характеристики физической структуры включает в себя, но не ограничивается этим, материал лезвия ультразвукового скальпеля и длину лезвия; и параметр окружающей среды включает в себя, но не ограничивается этим, температуру окружающей среды и влажность окружающей среды.

8. Генератор по п. 7, отличающийся тем, что информация о температурных данных включает в себя значение температуры в реальном времени в любой точке на лезвие ультразвукового скальпеля, и/или максимальное значение температуры, минимальное значение температуры и среднюю температуру определенной области лезвия ультразвукового скальпеля.

9. Генератор по п. 7, отличающийся тем, что дополнительно присоединен к ультразвуковой электромеханической системе ультразвукового хирургического инструмента-скальпеля, основанного на модели функции распределения температуры, причем ультразвуковая электромеханическая система включает ультразвуковой преобразователь, соединенный с ультразвуковым скальпелем через ультразвуковой волновод; и генератор сконфигурирован для подачи питания на ультразвуковой преобразователь.

10. Генератор по п. 7, отличающийся тем, что схема регулирования сконфигурирована так, что входной признак, вводимый в модель функции распределения температуры, включает один или комбинацию более чем одного из параметра обратной связи в реальном времени, параметра характеристики физической структуры и параметра окружающей среды; где параметр обратной связи в реальном времени включает в себя, но не ограничивается этим, напряжение U в реальном времени, ток I в реальном времени, мощность P, импеданс R и частоту отклика f в реальном времени; параметр характеристики физической структуры включает в себя, но не ограничивается этим, материал лезвия ультразвукового скальпеля и длину лезвия; и параметр окружающей среды включает в себя, но не ограничивается этим, температуру окружающей среды и влажность окружающей среды.

11. Генератор по п. 7, отличающийся тем, что информация о температурных данных включает в себя значение температуры в реальном времени в любой точке на лезвии ультразвукового скальпеля, и/или максимальное значение температуры, минимальное значение температуры и среднюю температуру определенной области лезвия ультразвукового скальпеля.