(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211164596.X (22)申请日 2022.09.23 (71)申请人 上海奥朋医疗科技有限公司 地址 201321 上海市浦东 新区琥珀路215弄 3号2层 (72)发明人 刘栋　韩重阳　奥雪　朱亚君　 吕东杰　 (74)专利代理 机构 上海锻创知识产权代理有限 公司 314 48 专利代理师 韩冰 (51)Int.Cl. G16H 20/40(2018.01) G16H 30/20(2018.01) G16H 30/40(2018.01) G16H 40/67(2018.01)G06V 10/26(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) A61B 34/32(2016.01) A61B 34/20(2016.01) (54)发明名称 介入式手术医疗器 械的分类方法及系统 (57)摘要 本发明提供了一种介入式手术医疗器械的 分类方法及系统， 包括： 从介入式手术病例数据 库系统中获取整体手术的DSA 影像， 将DSA 影像转 换为图片文件后用软件工具界定标注， 将影像以 标准像素尺 寸统一输出； 将数据集的分类标准定 义为三类； 建立医疗器械 图像分割的Unet模型， 得到像素级别的像素点到像素点的分类； 基于训 练后的收敛模型， 在测试集上验证其准确性， 并 对结果进行融合。 本发明通过借助计算机和机器 人技术大幅提高手术操作的精度与稳定性， 同时 能够有效降低放射线对介入医生的伤害， 降低术 中事故的发生几率。 权利要求书2页 说明书7页 附图4页 CN 115440340 A 2022.12.06 CN 115440340 A 1.一种介入式手术医疗器械的分类方法， 其特 征在于， 所述方法包括如下步骤： 步骤S1： 从介入式手术病例数据库系统中获取整体手术的DSA影像， 将DSA影像转换为 图片文件后用软件工具界定标注， 将影 像以标准像素尺寸统一输出； 步骤S2： 定义数据集的分类标准； 步骤S3： 建立医疗器械图像分割的Unet模型， 得到像素级别的像素点到像素点的分类； 步骤S4： 基于训练后的收敛模型， 在测试集上验证其 准确性， 并对结果进行融合。 2.根据权利要求1所述的介入式手术医疗器械的分类方法， 其特征在于， 所述步骤S1从 影像数据库获取介 入式手术病例， 将介 入式手术器械的DSA影像以标准像素尺 寸统一输出， 全部拟定为单通道的灰度阈值图片数据集； 将DSA影像转换为常用的图片文件格式后用软 件工具对数据集展开标记， 数据集涉及到多种介入式手术器械； 整体数据集整合方式如下： 步骤S1.1： 将D SA影像转化成常用的图片文件格式存档； 步骤S1.2： 初步筛 选， 保留有区分度的图片； 步骤S1.3： 将透 视图和减影图区分开； 整体数据集分为原始图像和标注图像， 两种图像之间一一对应； 将数据集以特定比例 划分为训练集和 测试集； 其中原 始图像存 储为三通道格式， 标注图像存 储为单通道图片。 3.根据权利要求1所述的介入式手术医疗器械的分类方法， 其特征在于， 所述步骤S2中 的定义数据集的分类标准分别为： 介入导丝导管等诊断器械为第一类； 球囊支架等治疗器 械为第二类； 其 他器械为第三类。 4.根据权利要求1所述的介入式手术医疗器械的分类方法， 其特征在于， 所述步骤S3建 立医疗器械图像分割的Encoder ‑Decoder结构； 深度学习模型为Unet网络， 模型神经元之间 相互连接的权值初始化采用高斯分布， 分布的标准差为(N/2)^0.5， N为每个神经元的输入 节点数量， 得到像素级别的像素点到像素点的分类； 模型使用通用参数进行初始化； 并使用高斯分布初始化Unet模型的初始权值， 使用上 述制作的训练集训练模型， 硬件配备两个高性能GPU。 5.根据权利要求1所述的介入式手术医疗器械的分类方法， 其特征在于， 所述步骤S4将 分割结果显示模块的配置为： 当前帧的原始图和分类结果的目标物高亮显示的叠加， 不同 目标物用不同的高亮 颜色代表。 6.一种介入式手术医疗器械的分类系统， 其特 征在于， 所述系统包括如下模块： 模块M1： 从介入式手术病例数据库系统中获取整体手术的DSA影像， 将DSA影像转换为 图片文件后用软件工具界定标注， 将影 像以标准像素尺寸统一输出； 模块M2： 定义数据集的分类标准； 模块M3： 建立医疗器械图像分割的Unet模型， 得到像素级别的像素点到像素点的分类； 模块M4： 基于训练后的收敛模型， 在测试集上验证其 准确性， 并对结果进行融合。 7.根据权利要求6所述的介入式手术医疗器械的分类系统， 其特征在于， 所述模块M1从 影像数据库获取介 入式手术病例， 将介 入式手术器械的DSA影像以标准像素尺 寸统一输出， 全部拟定为单通道的灰度阈值图片数据集； 将DSA影像转换为常用的图片文件格式后用软 件工具对数据集展开标记， 数据集涉及到多种介入式手术器械； 整体数据集整合方式如下：权　利　要　求　书 1/2 页 2 CN 115440340 A 2模块M1.1： 将D SA影像转化成常用的图片文件格式存档； 模块M1.2： 初步筛 选， 保留有区分度的图片； 模块M1.3： 将透 视图和减影图区分开； 整体数据集分为原始图像和标注图像， 两种图像之间一一对应； 将数据集以特定比例 划分为训练集和 测试集； 其中原 始图像存 储为三通道格式， 标注图像存 储为单通道图片。 8.根据权利要求6所述的介入式手术医疗器械的分类系统， 其特征在于， 所述模块M2中 的定义数据集的分类标准分别为： 介入导丝导管等诊断器械为第一类； 球囊支架等治疗器 械为第二类； 其 他器械为第三类。 9.根据权利要求6所述的介入式手术医疗器械的分类系统， 其特征在于， 所述模块M3建 立医疗器械图像分割的Encoder ‑Decoder结构； 深度学习模型为Unet网络， 模型神经元之间 相互连接的权值初始化采用高斯分布， 分布的标准差为(N/2)^0.5， N为每个神经元的输入 节点数量， 得到像素级别的像素点到像素点的分类； 模型使用通用参数进行初始化； 并使用高斯分布初始化Unet模型的初始权值， 使用上 述制作的训练集训练模型， 硬件配备两个高性能GPU。 10.根据权利要求6所述的介入式手术医疗器械的分类系统， 其特征在于， 所述模块M4 将分割结果显示模块的配置为： 当前帧的原始图和分类结果的目标物高亮显示的叠加， 不 同目标物用不同的高亮 颜色代表。权　利　要　求　书 2/2 页 3 CN 115440340 A 3