[发明专利]目标识别和针引导系统在审

专利信息
申请号: 202111396212.2 申请日: 2021-11-23
公开(公告)号: CN114533266A 公开(公告)日: 2022-05-27
发明(设计)人: S·梅瑟利;A·K·米森纳;S·索厄德斯;W·R·麦克劳克林 申请(专利权)人: 巴德阿克塞斯系统股份有限公司
主分类号: A61B34/20 分类号: A61B34/20;A61B8/08;A61M25/01;A61M25/06
代理公司: 北京市联德律师事务所 11361 代理人: 黄大正;张来光
地址: 美国*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 目标 识别 引导 系统
【说明书】:

本申请公开了目标识别和针引导系统。控制台可以被配置为实例化用于识别患者的解剖目标,例如血管的目标识别过程和用于使用由控制台接收的超声成像数据引导针插入解剖目标的针引导过程。该系统可以基于人工智能(AI)执行目标识别,可以训练其基于超声图像识别目标。超声探头可以被配置为向控制台提供对应于超声成像数据的电信号。超声探头可以包括换能器阵列,以及可选地磁性传感器阵列,分别被配置为将来自患者的反射超声信号和磁化时来自针的磁性信号转换为电信号。

优先权

本申请要求2020年11月24日提交的美国专利申请号63/117,883的优先权,该申请的全部内容通过引用结合到本申请中。

技术领域

本申请涉及医疗器械领域,更具体地涉及目标识别和针引导系统。

发明内容

在导管插入期间,超声成像出现的一个潜在问题是识别适当的目标。例如,挑战可以包括区分静脉和动脉,找到适合导管插入的血管,或找到特定的血管。定位正确的目标可能会消耗临床时间和资源,并且错误可能会导致潜在的危险并发症。

第二个潜在问题是定位和引导针尖,特别是在它接近目标血管时。例如,当插入外周插入的中心导管(PICC)时,必须将针以大的距离从其外周插入部位通过静脉或动脉引导到目标,并且正确跟踪或估计针的位置可能具有挑战性。此外,目标可能常常是重要的中央血管,例如上腔静脉(SVC)或其室房交界处(CAJ)。因此,准确地知道针的位置和方向是很重要的,以便以微创的方式和最小的伤害风险来瞄准导管插入。

其他潜在的问题包括在插入期间导管尖端(例如,PICC尖端)的导航,以及插入后尖端位置的确认。特别是,跟踪PICC、中心静脉导管(CVC)、另一导管或另一医疗设备的位置是非常重要的,以便以微创和最小的风险执行植入。同样重要的是,确认医疗设备,例如PICC,已经植入正确的目标,例如SVC。然而,一些尖端跟踪和确认方法需要透视或X线暴露,也可能需要暴露于有害的造影剂。

本文公开了一种目标识别和针引导系统。该目标识别和针导向系统包括:包括存储器和处理器的控制台,以及超声探头。控制台被配置为实例化:目标识别过程,用于通过将人工智能模型应用于超声成像数据中的候选目标的特征以确定识别分数而识别患者的解剖目标。控制台进一步被配置为实例化:针引导过程,用于使用由控制台接收的超声成像数据引导针插入解剖目标。超声探头被配置为向控制台提供对应于超声成像数据的电信号。超声探头包括换能器阵列(可选地是压电的),换能器阵列被配置为将来自患者的反射超声信号转换为电信号的超声成像部分。

在一些实施方案中,人工智能模型包括基于先前识别的训练目标训练的监督学习模型。

在一些实施方案中,识别分数包括与超声成像数据中的候选目标的分类相关联的概率或置信度。

在一些实施方案中,人工智能包括下列监督学习方法中的一个或多个:逻辑回归;其他线性分类器;支持向量机;二次分类器;核估计(kernel estimation);决策树;神经网络;或者学习向量量化。

在一些实施方案中,人工智能模型包括逻辑回归,并且分数被确定为候选目标的特征的加权和。

在一些实施方案中,人工智能模型包括神经网络,并且分数是基于候选目标的特征的一个或多个非线性激活函数来确定的。

在一些实施方案中,与先前识别的训练目标的实际分类相比,对于由候选模型预测的分类,通过迭代地最小化误差而训练监督学习模型。

在一些实施方案中,解剖目标包括血管。

在一些实施方案中,血管包括上腔静脉。

在一些实施方案中,超声探头在针的插入之前提供第一超声图像。人工智能模型部分基于针的轨迹。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于巴德阿克塞斯系统股份有限公司,未经巴德阿克塞斯系统股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111396212.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top