[发明专利]一种基于FPGA的前列腺增生双极电切术智能预警方法

说明书

本发明属于医疗手术智能辅助技术领域，公开了一种基于FPGA的前列腺增生双极电切术智能预警方法，包括以下步骤：以Squeezenet网络为基础，构建部署于FPGA的前列腺包膜组织检测模块；获取手术实时图像，并将所述手术实时图像传送至FPGA；利用所述前列腺包膜组织检测模块对所述手术实时图像进行前列腺包膜组织进行检测，从而得到预警信息。本发明能够在前列腺增生双极电切手术中辅助医生操作，及时给出预警信息，避免过度切除，降低手术失误率。

技术领域

本发明涉及医疗手术智能辅助技术领域，尤其涉及一种基于FPGA的前列腺增生双极电切术智能预警方法。

背景技术

前列腺增生(BPH)是引起中老年男性排尿障碍的最为常见的良性疾病之一，随全球人口老年化发病逐渐增多。针对BPH，目前主要的外科手术方法是经尿道前列腺电切术。其中，经尿道前列腺等离子双极电切术(TUPKP)的使用较为广泛。TUKEP将前列腺于包膜内切除，更加符合前列腺解剖结构。但手术操作过程对医生经验水平要求较高，在内窥镜配合下实施切除有时存在不精准现象，术中过度切除往往会对术后患者生活质量造成不良影响。

目前，世界范围内存在着医疗资源供需严重失衡以及地域分配不均等问题，我国，印度等发展中国家尤为严重。手术主刀医师是一个理论性、实践性极高的职业，中国最好的医生70％分布在北上广等一线城市，而二三线城市、基层卫生工作者在实践能力和诊断经验方面相较于前者存在较为明显的差距。经验不足的医生在手术中表现出的生疏性和风险低警惕性，往往增加了手术相应失误率。手术失误往往会引发一系列后遗症，降低患者术后生活质量。

近年来，人工智能发展迅速，成为当代医疗变革的技术动力。人工智能在精准医疗、医学影像、药效挖掘、新药研发、健康管理等领域都留下了自己的足迹。其中，深度学习是在该趋势中最流行的技术。基于大量的医疗图像数据训练出的神经网络模型使医疗手术中特定目标检测成为可能，并具有识别速度快，准确率高等优良性能。

发明内容

针对前列腺增生双极电切手术操作过程对医生经验水平要求较高，在内窥镜配合下实施切除有时存在不精准的问题，本发明提供一种基于FPGA的前列腺增生双极电切术智能预警方法，旨在术中辅助医生操作，及时给出预警信息，避免过度切除，降低手术失误率。

本申请实施例提供一种基于FPGA的前列腺增生双极电切术智能预警方法，包括以下步骤：

以Squeezenet网络为基础，构建部署于FPGA的前列腺包膜组织检测模块；

获取手术实时图像，并将所述手术实时图像传送至FPGA；

利用所述前列腺包膜组织检测模块对所述手术实时图像进行前列腺包膜组织进行检测，并反馈预警信息。

优选的，所述以Squeezenet网络为基础，构建部署于FPGA的前列腺包膜组织检测模块包括以下步骤：

采集前列腺增生双极电切手术图像数据，建立数据集；

构建Squeezenet网络；

利用所述数据集对所述squeezenet网络进行迭代训练，得到量化模型及权重参数；

利用Vivado把所述量化模型进行综合进而生成加速IP核；

将所述权重参数和所述加速IP核加载至FPGA。

优选的，所述Squeezenet网络包括Fire模型，所述Fire模型由压缩层和扩张层构成，所述压缩层为1×1卷积核的卷积层，所述扩张层为1×1和3×3卷积核的卷积层。

优选的，所述Squeezenet网络将欠采样操作延后。

优选的，所述获取手术实时图像，并将所述手术实时图像传送至FPGA包括：