買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉貴黔國際醫(yī)院管理有限公司申請的專利一種基于神經(jīng)內(nèi)鏡的手術(shù)機(jī)器人導(dǎo)航系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120168109B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510305204.4，技術(shù)領(lǐng)域涉及：A61B34/20；該發(fā)明授權(quán)一種基于神經(jīng)內(nèi)鏡的手術(shù)機(jī)器人導(dǎo)航系統(tǒng)是由王曉江;張國東;樊銀春設(shè)計(jì)研發(fā)完成，并于2025-03-14向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于神經(jīng)內(nèi)鏡的手術(shù)機(jī)器人導(dǎo)航系統(tǒng)在說明書摘要公布了：本發(fā)明屬于手術(shù)導(dǎo)航技術(shù)領(lǐng)域，具體是指一種基于神經(jīng)內(nèi)鏡的手術(shù)機(jī)器人導(dǎo)航系統(tǒng)，其中，所述系統(tǒng)包括手術(shù)機(jī)器人、神經(jīng)內(nèi)鏡、高分辨率特征提取模塊、熒光透視配準(zhǔn)模塊和增強(qiáng)現(xiàn)實(shí)顯示設(shè)備。本方案提出熒光透視配準(zhǔn)方法，優(yōu)化傳統(tǒng)熒光透視方法，對比患者血管結(jié)構(gòu)特征，實(shí)現(xiàn)術(shù)前造影圖像序列和術(shù)中熒光造影圖像的精確配準(zhǔn)，提高了圖像引導(dǎo)導(dǎo)航系統(tǒng)的精確性和穩(wěn)定性；提出高分辨率特征提取方法，通過視覺詞匯表有效捕捉圖像中的細(xì)節(jié)信息，融合左右視圖的特征，提高神經(jīng)內(nèi)鏡采集目標(biāo)手術(shù)區(qū)域的視圖精度，重建高分辨率圖像，幫助醫(yī)生準(zhǔn)確導(dǎo)航到目標(biāo)手術(shù)區(qū)域。

本發(fā)明授權(quán)一種基于神經(jīng)內(nèi)鏡的手術(shù)機(jī)器人導(dǎo)航系統(tǒng)在權(quán)利要求書中公布了：1.一種基于神經(jīng)內(nèi)鏡的手術(shù)機(jī)器人導(dǎo)航系統(tǒng)，其特征在于，包括手術(shù)機(jī)器人、神經(jīng)內(nèi)鏡、高分辨率特征提取模塊、熒光透視配準(zhǔn)模塊和增強(qiáng)現(xiàn)實(shí)顯示設(shè)備； 所述手術(shù)機(jī)器人，控制神經(jīng)內(nèi)鏡在患者體內(nèi)的姿態(tài)與位置； 所述神經(jīng)內(nèi)鏡，包括左右兩個置于神經(jīng)內(nèi)鏡尖端的微型相機(jī)，手術(shù)機(jī)器人將神經(jīng)內(nèi)鏡送入患者體內(nèi)，兩個微型相機(jī)負(fù)責(zé)捕捉同一場景的不同視角，形成低分辨率原始圖像，所述低分辨率原始圖像包括左視圖和右視圖； 所述高分辨率特征提取模塊，采用高分辨率特征提取方法，提高神經(jīng)內(nèi)鏡采集目標(biāo)手術(shù)區(qū)域的視圖精度； 所述熒光透視配準(zhǔn)模塊，采用熒光透視配準(zhǔn)方法優(yōu)化傳統(tǒng)熒光透視方法，獲取術(shù)前造影圖像序列和術(shù)中熒光造影圖像，實(shí)現(xiàn)術(shù)前造影圖像序列和術(shù)中熒光造影圖像的配準(zhǔn)，通過增強(qiáng)現(xiàn)實(shí)顯示設(shè)備，幫助醫(yī)生準(zhǔn)確導(dǎo)航到目標(biāo)手術(shù)區(qū)域； 所述高分辨率特征提取方法具體包括以下步驟： 步驟A1：對低分辨率原始圖像進(jìn)行特征提取，具體操作如下： 步驟A11：預(yù)處理，對低分辨率原始圖像進(jìn)行預(yù)處理操作； 步驟A12：提取紋理特征，從低分辨率原始圖像中提取紋理特征，所述紋理特征由特征向量形式表示； 步驟A13：提取特征頻率，用于將低分辨率原始圖像中的紋理特征轉(zhuǎn)換為文本形式的描述，具體為，使用K-means聚類算法將所述紋理特征聚類成簇，將每個簇位于質(zhì)心的特征向量作為代表該簇的視覺詞匯，以視覺詞匯為列，以視覺詞匯的出現(xiàn)頻率為行，構(gòu)建視覺詞匯表； 步驟A2：從低分辨率原始圖像中重建高分辨率特征圖像，具體操作如下： 步驟A21：提取原始特征，用于采用神經(jīng)網(wǎng)絡(luò)提取原始特征，具體為，通過實(shí)例歸一化操作，標(biāo)準(zhǔn)化低分辨率原始圖像中每個通道的特征信息，使用擴(kuò)張卷積擴(kuò)大神經(jīng)網(wǎng)絡(luò)卷積層的感受野，首先對低分辨率原始圖像的每個通道依次進(jìn)行卷積，其次對所有通道同時(shí)進(jìn)行卷積，最后通過sigmoid函數(shù)生成門控信號，門控信號用于抑制低分辨率原始圖像中不重要的特征信息，獲得原始特征； 步驟A22：遮擋處理,用于處理遮擋關(guān)系，具體為，通過縮放雙曲正切函數(shù)計(jì)算有效掩碼，基于有效掩碼忽略遮擋區(qū)域原始特征； 步驟A23：跨視圖特征交互，用于融合左視圖和右視圖，具體為，首先計(jì)算左視圖和右視圖之間的視差注意力向量； 步驟A24：采用注意力機(jī)制將左右視圖的原始特征進(jìn)行融合，輸出融合特征； 步驟A25：重構(gòu)，具體為，將所述視覺詞匯表和所述融合特征進(jìn)行鏈接操作，輸出特征圖，采用條帶池化操作將特征圖分割成多個條帶，并對每個條帶進(jìn)行池化，使用亞像素卷積層重新排列特征圖的像素，增加特征分辨率，輸出高分辨率特征圖像； 步驟A26：計(jì)算高分辨率損失，通過最小化高分辨率損失訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人貴黔國際醫(yī)院管理有限公司，其通訊地址為：550018 貴州省貴陽市烏當(dāng)區(qū)東風(fēng)鎮(zhèn)1號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。