技术领域
[0001] 本发明涉及穿刺引导技术领域，尤其涉及一种基于掌上超声设备的血管穿刺系统及方法。
相关背景技术
[0002] 在医疗领域，血管穿刺是一项常见且重要的操作，广泛应用于诊断、治疗及急救等场景。传统上，血管穿刺主要依赖于医护人员的经验和技术水平，通过手动操作超声探头和穿刺针来完成。然而，随着医疗技术的不断进步和患者需求的日益提高，对血管穿刺的精确性、安全性和效率提出了更高的要求。因此，超声引导穿刺系统应运而生，旨在通过实时超声成像技术辅助医护人员更准确地定位血管，提高穿刺成功率。现有技术中存在传统超声引导穿刺系统和机器人辅助超声引导穿刺系统。
[0003] 传统超声引导穿刺系统主要由超声探头、显示器和穿刺针组成。该系统通过超声探头实时获取血管的超声图像，并在显示器上显示出来，供医护人员观察和操作。然而，这种系统存在明显的局限性。首先，它高度依赖于医护人员的经验和手动操作技能，容易因人为因素导致操作失误。其次，医护人员在操作过程中需要同时观察显示器和手动操作穿刺针，这对他们的协调性和注意力提出了很高的要求。此外，在复杂或困难的穿刺情况下(如深部血管、小口径血管等)，传统系统往往难以保证穿刺的准确性和成功率。
[0004] 为了克服传统系统的局限性，机器人辅助超声引导穿刺系统应运而生。该系统通过机械臂和控制算法实现了穿刺操作的自动化或半自动化。机械臂可以精确控制穿刺针的运动和角度，同时超声探头也安装在机械臂上以便实时获取血管图像。控制系统则负责处理图像并执行控制算法以实现自动化穿刺。然而，这种系统也存在一些问题。首先，系统复杂度高且成本昂贵，限制了其在临床上的广泛应用。其次，系统体积较大且不便携带，不适合在床旁或紧急情况下使用。此外，虽然机器人辅助系统提高了穿刺的精确性和成功率，但仍需要特殊培训的专业操作人员来操作和维护系统。
[0005] 综上所述，现有技术中的超声引导穿刺系统均存在不同程度的局限性。传统系统依赖于医护人员的经验和手动操作技能，容易受到人为因素的影响；而机器人辅助系统虽然提高了穿刺的精确性和成功率，但系统复杂度高、成本昂贵且不便携带。
具体实施方式
[0042] 下面结合附图和具体实施例对本发明进行详细说明。本发明并不限定于该实施方式，只要符合本发明的主旨，则其他实施方式也可以属于本发明的范畴。
[0043] 本发明的较佳的实施例中，基于现有技术中存在的上述问题，现提供一种基于掌上超声设备的血管穿刺系统，包括：
[0044] 图像获取模块1，用于获取掌上超声设备对患者的待穿刺部位的实时超声图像，并识别出实时超声图像中的血管边界以及中心线；
[0045] 穿刺模块2，连接图像获取模块1，用于根据血管边界和中心线计算得到最佳穿刺路线，随后根据最佳穿刺路线调整穿刺定位装置的穿刺针的针尖位置进行血管穿刺。
[0046] 具体的，本实施例中，在掌上超声设备中添加穿刺定位装置100，在掌上超声设备中配置了图像获取模块1和穿刺模块2，在对超声图像进行图像识别处理得到最佳的穿刺路线时调整穿刺定位装置中的穿刺针进行穿刺，不仅解决了传统系统依赖于医护人员的经验和手动操作技能，容易受到人为因素的影响的问题；对比机器人辅助系统不仅能够有很接近的穿刺的精确性和成功率，并且本发明的系统复杂度低、成本低且方便携带。
[0047] 本实施例中的穿刺针定位装置100安装在掌上超声设备的超声探头上，具体的，其中包括位置调节结构110和推进机构，位置调节机构主要用于调整穿刺针针头在患者皮肤表面上的穿刺点的位置和穿刺针的角度，如图2所示，包括两轴驱动机构1110和固定在两轴驱动结构上的角度调节机构1120，两者驱动机构用于调整穿刺针针头120在患者皮肤表面上的穿刺点的位置，角度调节机构用于改变穿刺针的倾斜角度以改变穿刺针和皮肤表面之间的夹角角度；推进机构主要用于在确定了穿刺点和最佳穿刺路径之后推动穿刺针扎入患者的皮肤进行血管穿刺。
[0048] 本发明的较佳的实施例中，图像获取模块1包括：
[0049] 图像处理单元11，用于获取掌上超声设备对患者的待穿刺部位的实时超声图像并对实时超声图像进行图像预处理得到预处理后图像；
[0050] 图像识别单元12，用于采用血管识别模型对预处理后图像进行图像识别，识别出预处理后图像中所有血管的血管边界，随后对于识别得到的每一条血管，根据医护人员输入的选择指令标识出其中的待穿刺血管，并且计算得到待穿刺血管的中心线。
[0051] 本实施例中的，图像处理单元11包括：
[0052] 对比度增强子单元111，用于采用自适应对比度网络模型对实时超声图像进行对比度调节，随后将实时超声图像更新为对比度调节后的实时超声图像；
[0053] 分辨率重建子单元112，连接对比度增强子单元111，用于采用对抗网络模型对实时超声图像进行超分辨率重建，随后将实时超声图像更新为分辨率重建后的实时超声图像；
[0054] 图像去噪子单元113，连接分辨率重建子单元112，用于采用卷积神经网络对实时超声图像进行去噪处理，随后将实时超声图像更新为去噪处理后的实时超声图像；
[0055] 边缘增强子单元114，连接图像去噪子单元113，用于采用边缘增强网络模型对实时超声图像进行边缘增强，随后将边缘增强后的实时超声图像作为预处理后图像。
[0056] 具体的，在血管穿刺的医疗实践中，图像处理单元的应用可以显著提高超声引导下血管穿刺的精确性和安全性。以下是一个具体的实施例，说明上述图像处理单元如何在血管穿刺过程中发挥作用：
[0057] 实施例背景
[0058] 在血管穿刺(如中心静脉置管、动脉采血等)过程中，医生依赖超声图像来定位血管，确保穿刺针准确进入目标血管。然而，传统的超声图像可能受到低对比度、分辨率不足以及噪声干扰等问题的影响，导致血管边界模糊，增加穿刺难度和风险。
[0059] 图像处理单元应用步骤
[0060] 在血管穿刺准备阶段，医生首先获取患者的实时超声图像。
[0061] 对比度增强子单元利用自适应对比度网络模型对图像进行处理，自动调整图像中血管与周围组织的对比度，使血管边界更加清晰。
[0062] 更新后的图像显示在超声仪屏幕上，医生可以更容易地识别血管的位置和深度。
[0063] 接着，分辨率重建子单元采用对抗网络模型对已经对比度增强的图像进行超分辨率重建。
[0064] 通过学习大量高分辨率图像的特征，该模型能够生成具有更高分辨率和更多细节的超声图像，进一步细化血管结构，减少模糊和伪影。
[0065] 分辨率提升后的图像为医生提供了更加精细的血管结构信息，有助于更精确地规划穿刺路径。
[0066] 在图像传输或采集过程中，可能会引入噪声，影响图像质量。
[0067] 图像去噪子单元利用卷积神经网络对图像进行去噪处理，有效去除图像中的随机噪声和斑点噪声，保持血管轮廓的完整性和清晰度。
[0068] 去噪后的图像更加干净、平滑，为医生提供了更清晰的视觉引导。
[0069] 最后，边缘增强子单元采用边缘增强网络模型对图像进行进一步处理。
[0070] 该模型能够强化血管边缘的对比度，使血管轮廓更加突出，提高图像的视觉效果和可读性。
[0071] 经过边缘增强的图像中，血管与周围组织的界限更加分明，医生可以更加准确地判断穿刺点和穿刺方向。
[0072] 通过上述图像处理单元的综合应用，医生在血管穿刺过程中能够获得更加清晰、准确、高分辨率的超声图像。这不仅提高了穿刺的成功率，还减少了因误穿而导致的并发症风险。同时，图像处理技术的自动化和智能化也减轻了医生的工作负担，提高了医疗服务的效率和质量。
[0073] 在图像预处理之后，需要识别出图像中的血管的血管边界和血管的中心线；
[0074] 经过预处理后的图像被更新并显示在超声设备的屏幕上，供医护人员进一步分析和操作。
[0075] 图像识别单元接收预处理后的图像，并采用血管识别模型对其进行图像识别。该模型经过大量训练，能够自动识别图像中的血管结构，并标记出血管的边界。
[0076] 对于识别出的每一条血管，图像识别单元会进一步计算其中心线。中心线计算基于血管的边界信息，通过算法处理得到血管的几何中心路径。
[0077] 对于这一步，在计算血管中心线的过程中，图像识别单元会利用血管的边界信息，通过一系列图像处理和算法分析步骤来提取血管的几何中心路径。以下是一个具体的实施例，说明这个计算中心线的过程：
[0078] 实施例背景：在超声图像中，血管通常呈现为具有一定宽度和长度的暗色区域，其边界由血管壁与周围组织之间的对比度差异形成。为了进行精确的血管穿刺或其他医疗操作，需要确定血管的中心线，即血管的几何中心路径。
[0079] 中心线计算过程：
[0080] 1、边界提取：
[0081] 图像识别单元首先使用边缘检测算法(如Canny边缘检测器)对预处理后的超声图像进行处理，以提取血管的边界。这一步骤会生成一个二值图像，其中血管边界被标记为白色(或高亮)，其余部分为黑色(或低亮)。
[0082] 2、边界细化：
[0083] 接下来，对提取出的血管边界进行细化处理。细化算法(如Zhang‑Suen细化算法)用于将边界像素减少到单个像素宽度，形成血管的骨架。这一步骤的结果是一个更细的线条，它大致代表了血管的中心位置，但可能包含一些毛刺和分支。
[0084] 3、中心线提取：
[0085] 在细化后的骨架上，需要进一步处理以提取出平滑的中心线。这通常涉及去除毛刺、平滑曲线以及处理分支点等步骤。
[0086] 一种常用的方法是使用形态学操作(如腐蚀和膨胀)来平滑骨架线条，并使用连接组件分析来识别和处理分支点。在分支点处，可以根据血管的实际形态和穿刺需求选择主要分支或忽略某些分支。
[0087] 另一种方法是采用基于图论或路径搜索的算法(如Dijkstra算法或A*算法)，在骨架上搜索从血管一端到另一端的最短路径或最优路径，该路径即为所求的中心线。
[0088] 4、后处理：
[0089] 最后，对提取出的中心线进行后处理，以确保其平滑性和准确性。这可能包括去除孤立的短线段、平滑曲线上的微小波动以及调整中心线的位置以更好地反映血管的几何中心。
[0090] 经过上述步骤处理后，图像识别单元会输出一条或多条平滑的曲线，这些曲线代表了超声图像中血管的几何中心路径。医护人员可以根据这些中心线信息来规划穿刺路径，确保穿刺针能够沿着血管的中心进入，从而提高穿刺的准确性和安全性。
[0091] 需要注意的是，由于血管的形态和超声图像的质量可能因患者而异，因此在实际应用中，可能需要根据具体情况对算法参数进行调整和优化，以获得最佳的中心线提取效果。
[0092] 进一步的，医护人员根据超声设备屏幕上显示的血管图像和中心线信息，输入选择指令以标识出待穿刺血管。这通常是通过触摸屏或外部控制器完成的，医护人员可以选择最清晰、最直且易于穿刺的血管作为目标。
[0093] 待穿刺血管被明确标识出来，其中心线也清晰可见。这为后续的穿刺操作提供了精确的视觉引导。
[0094] 通过应用包含图像处理单元和图像识别单元的图像获取模块，血管穿刺过程变得更加精确、高效和安全。医护人员可以直观地看到血管的边界和中心线信息，从而更容易地选择最佳穿刺点和穿刺路径。这不仅提高了穿刺的成功率，还减少了因误穿而导致的并发症风险。同时，该模块的应用也减轻了医护人员的工作负担，提高了医疗服务的效率和质量。
[0095] 本发明的较佳的实施例中，穿刺模块2包括：
[0096] 路径计算单元21，用于接收医护人员在实时超声图像中的皮肤表面划出的穿刺起始区域以及待穿刺血管中的穿刺目标点，随后在穿刺起始区域中选择若干起始点与穿刺目标点进行连线得到多条穿刺路径，随后从所有穿刺路径中筛选出不与其他血管交叉的穿刺路径，随后再从各不与其他血管交叉的各穿刺路径中筛选出与皮肤表面的夹角最小且小于预设角度范围的穿刺路径作为最佳穿刺路径；
[0097] 针头调节单元22，连接路径计算单元21，用于将穿刺定位装置的穿刺针的针尖移动到最佳穿刺路径的起始点，并将穿刺针与皮肤表面的夹角调整为最佳穿刺路径与皮肤表面的夹角随后进行血管穿刺。
[0098] 具体的，在血管穿刺的实施过程中，应用包含路径计算单元和针头调节单元的穿刺模块可以极大地提高穿刺的精确性和安全性。以下是一个具体的实施例，详细说明这些模块在血管穿刺时的应用过程：
[0099] 患者需要进行精确的血管穿刺操作，如中心静脉置管。医护人员使用结合了实时超声图像的穿刺系统，该系统包括图像处理单元、图像识别单元以及穿刺模块。
[0100] 1.路径计算单元的应用
[0101] 步骤一：选择穿刺起始区域和目标点
[0102] 医护人员通过超声设备的触摸屏或外部控制器，在实时超声图像中患者的皮肤表面划定一个穿刺起始区域。
[0103] 同时，在待穿刺血管内部选择一个清晰的穿刺目标点，该点通常是血管的中心或易于穿刺的部位。
[0104] 步骤二：生成并筛选穿刺路径
[0105] 路径计算单元接收起始区域和目标点的信息后，自动在起始区域内选择若干起始点，并与目标点进行连线，生成多条可能的穿刺路径。
[0106] 随后，路径计算单元利用图像处理单元提供的血管边界信息，筛选出那些不与其他血管交叉的穿刺路径。
[0107] 在这些不交叉的路径中，进一步筛选出与皮肤表面的夹角最小且小于预设角度范围(如30度)的路径作为候选路径。
[0108] 最终，选择夹角最小且符合所有条件的路径作为最佳穿刺路径。
[0109] 2.针头调节单元的应用
[0110] 步骤三：调整穿刺针位置
[0111] 针头调节单元接收路径计算单元计算出的最佳穿刺路径信息，包括起始点位置和穿刺角度。
[0112] 针头调节单元驱动穿刺定位装置(前述实施例中的两轴驱动机构和固定在两轴驱动结构上的角度调节机构)，将穿刺针的针尖精确移动到最佳穿刺路径的起始点。
[0113] 步骤四：调整穿刺角度
[0114] 针头调节单元还负责调整穿刺针与皮肤表面的夹角，确保该夹角与最佳穿刺路径与皮肤表面的夹角一致。
[0115] 调整完成后，如图3所示，穿刺针处于起始区域A中最佳穿刺路径的穿刺点B和与皮肤的夹角角度α，向穿刺目标点C进行穿刺操作。
[0116] 步骤五：执行穿刺操作
[0117] 医护人员确认穿刺针位置和角度无误后，启动穿刺操作。
[0118] 穿刺针沿着最佳穿刺路径进入血管，由于路径规划精确且角度合适，穿刺过程更加顺畅和安全。
[0119] 实施效果：通过应用包含路径计算单元和针头调节单元的穿刺模块，血管穿刺过程变得更加智能化和精确化。医护人员无需凭借经验和手感进行穿刺操作，而是依靠系统提供的最佳穿刺路径和精确的角度调整来实现穿刺。这不仅提高了穿刺的成功率，还减少了因误穿而导致的并发症风险。同时，该模块的应用也减轻了医护人员的工作负担，提高了医疗服务的效率和质量。
[0120] 本发明还提供一种基于掌上超声设备的血管穿刺方法，应用于上述的血管穿刺系统，如图4所示，包括：
[0121] 步骤S1，血管穿刺系统获取掌上超声设备对患者的待穿刺部位的实时超声图像，并识别出实时超声图像中的血管边界以及中心线；
[0122] 步骤S2，血管穿刺系统根据血管边界和中心线计算得到最佳穿刺路线，随后根据最佳穿刺路线调整穿刺定位装置的穿刺针的针尖位置进行血管穿刺。
[0123] 本发明的较佳的实施例中，如图5所示，步骤S1包括：
[0124] 步骤S11，血管穿刺系统获取掌上超声设备对患者的待穿刺部位的实时超声图像并对实时超声图像进行图像预处理得到预处理后图像；
[0125] 步骤S12，血管穿刺系统采用血管识别模型对预处理后图像进行图像识别，识别出预处理后图像中所有血管的血管边界，随后对于识别得到的每一条血管，根据医护人员输入的选择指令标识出其中的待穿刺血管，并且计算得到待穿刺血管的中心线。
[0126] 本发明的较佳的实施例中，如图6所示，步骤S11包括：
[0127] 步骤S111，血管穿刺系统采用自适应对比度网络模型对实时超声图像进行对比度调节，随后将实时超声图像更新为对比度调节后的实时超声图像；
[0128] 步骤S112，血管穿刺系统采用对抗网络模型对实时超声图像进行超分辨率重建，随后将实时超声图像更新为分辨率重建后的实时超声图像；
[0129] 步骤S113，血管穿刺系统采用卷积神经网络对实时超声图像进行去噪处理，随后将实时超声图像更新为去噪处理后的实时超声图像；
[0130] 步骤S114，血管穿刺系统采用边缘增强网络模型对实时超声图像进行边缘增强，随后将边缘增强后的实时超声图像作为预处理后图像。
[0131] 本发明的较佳的实施例中，如图7所示，步骤S2包括包括：
[0132] 步骤S21，血管穿刺系统接收医护人员在实时超声图像中的皮肤表面划出的穿刺起始区域以及待穿刺血管中的穿刺目标点，随后在穿刺起始区域中选择若干起始点与穿刺目标点进行连线得到多条穿刺路径，随后从所有穿刺路径中筛选出不与其他血管交叉的穿刺路径，随后再从各不与其他血管交叉的各穿刺路径中筛选出与皮肤表面的夹角最小且小于预设角度范围的穿刺路径作为最佳穿刺路径；
[0133] 步骤S22，血管穿刺系统将穿刺定位装置的穿刺针的针尖移动到最佳穿刺路径的起始点，并将穿刺针与皮肤表面的夹角调整为最佳穿刺路径与皮肤表面的夹角随后进行血管穿刺。
[0134] 以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。
