[发明专利]一种组合式骨肿瘤微创切开活检器及控制方法

摘要

本发明属于医疗技术领域，公开了一种组合式骨肿瘤微创切开活检器及控制方法，组合式骨病变微创切开活检器包括：摄像模块、病变预测模块、主控模块、病变分布检测模块、探照模块、切片模块、钻动模块、缝合模块。本发明通过病变预测模块根据收集不同类型恶性病变用户的历史病变数据建立数据库，进而建立比例风险函数，再对待检用户的数据进行转换和缺失值填充，然后将填充后的数值代入比例风险函数中，建立病变预测的模型，可以较准确的进行病变的预测，满足用户的使用需求；同时通过病变分布检测模块可以准确的确定病变分布区域，有利于提高手术的位置精度，提升手术效果。

主权项

1.一种组合式骨肿瘤微创切开活检器控制方法，其特征在于，所述组合式骨肿瘤微创切开活检器控制方法包括：采集不同类型骨肿瘤用户的多幅彩色高分辨率病变历史数据的图像；将高分辨率自然图像从红、绿、蓝RGB颜色空间转换到亮度、蓝色色度、红色色度YCbCr颜色空间；收集所有亮度图像作为高分辨率训练图像集其中表示第p幅高分辨率亮度图像，n表示图像的数量；将高分辨率训练图像集中所有图像按从上到下、从左到右的顺序分成相互重叠的方形图像块；将所有方形图像块分别用列矢量表示；收集所有列矢量生成高分辨率训练图像块集其中表示中的第p个列矢量，N_s表示训练图像块的数量，与一一对应；对低分辨率输入图像块集X_T中的每个图像块对应的高分辨率输出图像块由如下公式求得：其中表示待求的高分辨率输出图像块；表示与对应的高分辨率训练图像块；表示与对应的高分辨率K近邻；w_qp是求得的重建系数，其中，用低分辨率K近邻线性表示求得重建系数w保证如下公式中的重建误差最小：st.w_qp≥0，其中ε^q表示重建误差；x_t^q表示输入低分辨率图像块；表示x_t^q的低分辨率K近邻；表示的第p个近邻；w_qp是第p个近邻的重建系数；w_qp≥0表示系数需要满足非负要求；将所有得到的高分辨率输出图像块拼接起来，重叠区域像素取平均值，得到最终的高分辨率输出亮度图像将高分辨率训练图像集中所有图像按从上到下、从左到右的顺序分成相互重叠的方形图像块，得到的彩色图像的色变图像和插值放大到与同样的大小，得到和联合高分辨率亮度图像由YCbCr颜色空间转换到RGB颜色空间，将转换结果作为高分辨率输出图像T_HR；根据采集的图像数据建立病变数据库；根据病变数据库通过卡尔曼滤波器、有限元和神经网络算法建立用于描述用户与死亡概率之间的比例风险函数，对不同的历史病变数据设定不同的影响因子，各种影响因子的和为1；获取待检用户的基因表达数据、生活习惯数据和CT影像，对待检用户的数据进行转换，得到转换后的新检测样本数据；将转换后的新检测样本进行缺失值填充，得到不含缺失值的检测样本数据；将不含缺失值的检测样本数据代入比例风险函数中，得到病变预测的风险数值，风险数值越接近1风险越大，风险数值越接近0风险越小；利用不含缺失值的检测样本数据进行待检用户的病变组织样本数据检测；用多体素1H MRS方法对待检用户的病变组织样本数据中的特异性代谢因子含量进行检测；对所述特异性代谢因子含量进行成像处理，获得特异性代谢因子含量‑分布图像模型：s.t.Xi＝XiAi+Ei,i＝1,…,K其中α是大于0的系数，用来度量噪声和野点带来的误差；等价为以下模型：基于特异性代谢因子含量‑分布图像，确定病变组织图像的边界为CAF细胞的边界图像，并进行定位；确定CAF细胞的边界图像区域的上下边界：其中c(i,j)为c(i,j)＝LBP8,1(i,j)‑LBP8,1(i,j‑1)上两式中i＝1,2,3,4,…N,j＝2,3,4,…M，因此任意一行i的跳变次数和S(i)为：