[发明专利]评估甲状旁腺存活率的系统及方法

说明书

本发明提供一种评估甲状旁腺存活率的系统和方法，评估甲状旁腺存活率的系统包括：存储单元、信息提取器以及处理器。存储单元用于存储由近红外传感器检测到的受试者甲状旁腺的图像；信息提取器用于从图像中提取特征信息；以及处理器包括可输入特征信息的机器学习模型，并根据机器学习模型从特征信息生成甲状旁腺的血流指数。借此，本发明的评估甲状旁腺存活率的系统，可以准确的评估甲状旁腺的存活率。

技术领域

本发明关于一种评估组织的存活率，更具体地，关于一种用于在甲状腺区域手术期间评估甲状旁腺存活率的系统和方法。

背景技术

甲状旁腺是附着于甲状腺的内分泌器官，并且通常由甲状腺的上、下、左和右区域中的四个小组织所组成。甲状旁腺分泌甲状旁腺激素并调节体液中钙和磷的代谢。当甲状旁腺不正常活动或被清除时，血液中的钙减少，全身所有部位都会发生个别的肌肉痉挛。

在对甲状旁腺进行手术时，需要准确地识别甲状旁腺的位置。通常，在允许患者服用造影剂后，通过向甲状腺区域照射特定波长的光来识别甲状旁腺的位置，但这具有使患者感到心理负担的问题。

此外，在手术过程中，可能有必要根据甲状旁腺的存活率来确定是否去除甲状旁腺。在这种情况下，评估甲状旁腺的存活率完全取决于操作者的经验判断。因此，根据操作者的个人经验差异可能得出不同的结果，并且可能导致由于不适当的判断而使可靠性大大降低的问题。

尤其，准确的识别、存活率评估和组织解剖结构的仔细保存对于减少并发症和改善手术结果至关重要。人类的视野有限，无法清楚地区分这些结构和状态。意外和/或无法识别的组织损伤会导致短期和长期的发病率以及可避免的死亡率。因此，在许多临床情况下，准确识别组织类型和精确评估组织灌注/存活率至关重要，目前依靠个别医生的经验进行视觉检查和触诊的标准存在局限性。

并且，患病组织的手术切除是普通外科手术中的常见程序。确认切除的确切范围仅基于组织的存活率和充足的血液供应。例如，在没有明确的界限和不确定的存活率的情况下，通常难以确定肠切除的边缘。如果病变广泛且容易患上短肠综合症、急性肠系膜缺血和坏死性小肠结肠炎，则外科医生往往会做出艰难的手术决定。肠切除不足会因为残留的坏死性肠导致败血症，而大肠切除会导致短肠综合症。如果血液供应不足，可能会发生吻合口漏和狭窄。因此，准确的术中组织存活率评估至关重要。但是，目前尚无标准化，也没有可用的实际设备。

因此，在本领域中存在迄今未解决的需要以解决前述的缺陷和不足。

发明内容

本发明的目的在于提供一种评估甲状旁腺存活率的系统和方法，其能够准确的评估甲状旁腺的存活率。

为实现上述目的，本发明一方面提供了一种评估甲状旁腺存活率的系统，包括用于存储由近红外传感器检测到的受试者的甲状旁腺的图像的存储单元；信息提取器，用于从图像中提取特征信息；以及处理器，包括可输入特征信息的机器学习模型，并基于所述机器学习模型从特征信息生成甲状旁腺的血流指数。

在本发明的一实施方式中，评估甲状旁腺存活率的系统进一步包括光源单元，将780nm至840nm波长带范围中选定波长的光照射到所述受试者的甲状旁腺区域。

在本发明的一实施方式中，特征信息包括具有关于血流信息的斑点对比度值(K)、甲状旁腺区域被近红外光照射的点和通过近红外传感器检测到的甲状旁腺区域之间的距离(r)，以及甲状旁腺区被近红外光照射的时间(T)。

在本发明的一实施方式中，特征信息包括受试者的临床信息，临床信息包括受试者的年龄、性别、病史、运动习惯、饮食习惯、吸烟和饮酒中的任一项。

在本发明的一实施方式中，机器学习模块可以包括深度神经网络(DNN)、卷积神经网络(CNN)和递归神经网络(RNN)中的至少一个。