[发明专利]一种血管介入训练安全防护方法

说明书

本发明公开了一种血管介入训练安全防护方法，涉及血管介入训练技术领域，包括以下步骤：记录血管介入手术训练操作过程中，导丝的多个位置值，建立用于训练神经网络的第一数据集；进行数据预处理，得到第二数据集；建立基于长短时记忆神经网络的预测模型，进行模型训练并保存模型权重；在使用者使用导航系统时，读取导丝的当前位置值，加载模型权重并使用预测模型进行预测；使用Kdtree数据结构计算出所述预测值与血管中心线的偏移距离；当偏移距离大于阈值时，进行安全风险提示。该方法能够在血管介入手术训练过程中进行行为预测，预先进行安全防护风险提示。

技术领域

本发明涉及血管介入训练技术领域，尤其涉及一种血管介入训练安全防护方法。

背景技术

血管介入治疗技术是使用现代高科技手段，通过结合使用CT或数字减影血管造影技术在手术过程中获取实时影像，但是医生无法获取一个相对清晰的内部情况，只能在获取静态的体绘制影像或二维减影图像，所以在手术过程中就很容易出现各种危险情况，如导丝误将血管捅破造成出血甚至病人死亡，为此医生需要大量的训练才能获取足够经验以对病人进行手术操作。

在目前的研究中，陶丽等人在论文《Safety Protection Based onElectromagnetic Navigation in Robot-assisted Vascular Interventional Surgery》中提出了基于使用基尔霍夫弹性杆和电磁导航技术的手术安全防护方式进行介入手术的安全防范。郭建等人提出的一种血管介入手术操作的安全性预警系统中通过在手术导管中放置前端碰撞力传感器以及在运动过程中使用阻力传感器来记录受力情况，同时安置导管径向轴向的运动传感器，能够更精确的获得运动量和阻力值，当数值到达安全预警区时进行安全提示。吴健等人提出一种基于机器学习的经皮冠状动脉介入治疗心血管不良事件的预测装置，主要是通过接收待测的临床特征数据来进行在心血管介入手术过程中预测不良事件，其数据主要来自于临床特征。

上述三种安全防护方式均是基于当前的行为或术前的临床特征进行预警，而无法预判未来的行为，不能充分考虑到当前的行为对未来行为的风险提示。

因此，本领域的技术人员致力于开发一种血管介入训练安全防护方法，以供使用者在血管介入训练过程中，结合当前行为来预测未来行为，从而进行安全风险防护提示。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是如何通过当前的血管介入手术训练行为来预测未来行为，从而提供安全防护提示和预警。

为实现上述目的，本发明提供了一种血管介入训练安全防护方法，包括：

步骤1、记录使用者进行手术血管介入手术训练操作过程中，导丝在移动过程中的多个位置值，根据所述多个位置值建立用于训练神经网络的第一数据集；

步骤2、对所述第一数据集进行数据预处理，得到第二数据集；

步骤3、建立基于长短时记忆神经网络的预测模型，在所述第二数据集上进行模型训练并保存模型权重；

步骤4、在使用者使用导航系统时，读取所述导丝在磁导航空间下的当前坐标值，加载所述模型权重并使用所述预测模型进行预测，得到所述导丝在所述磁导航空间的第一预测坐标值；将所述第一预测坐标值通过变换矩阵转换为第二预测坐标值；

步骤5、使用Kdtree数据结构计算出所述第二预测坐标值与血管中心线的偏移距离；

步骤6、当所述偏移距离大于术前规定阈值时，进行安全风险提示；否则使所述导丝继续移动到下一步并读取所述导丝的当前位置值，以及转入步骤4继续执行。

进一步地，所述导丝包括附着有磁导航传感器的导丝。

进一步地，所述步骤2中的所述数据预处理包括滤波平滑和归一化。