CN112716559A - 用于变速截骨的方法和装置 - Google Patents
用于变速截骨的方法和装置 Download PDFInfo
- Publication number
- CN112716559A CN112716559A CN202110061351.3A CN202110061351A CN112716559A CN 112716559 A CN112716559 A CN 112716559A CN 202110061351 A CN202110061351 A CN 202110061351A CN 112716559 A CN112716559 A CN 112716559A
- Authority
- CN
- China
- Prior art keywords
- signal
- power
- tissue
- frequency component
- osteotomy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/14—Surgical saws ; Accessories therefor
- A61B17/142—Surgical saws ; Accessories therefor with reciprocating saw blades, e.g. with cutting edges at the distal end of the saw blades
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B2017/00017—Electrical control of surgical instruments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Health & Medical Sciences (AREA)
- Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Dentistry (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Prostheses (AREA)
- Surgical Instruments (AREA)
Abstract
本申请公开了一种变速截骨的方法和装置,其中该方法包括:控制骨锯以第一速度在第一组织中进行截骨作业;获取所述截骨作业过程中的所述骨锯的功率表征信号;处理所述功率表征信号以获取所述功率表征信号的高频分量和低频分量;基于预定义阈值对所述高频分量进行去噪处理,以获得去噪后的高频分量;对所述去噪后的高频分量和所述低频分量进行重构,以获得去噪后的功率表征信号;基于所述去噪后功率表征信号判断所述骨锯是否从所述第一组织进入与所述第一组织具有不同性质的第二组织;以及当确定所述骨锯从所述第一组织进入所述第二组织时,控制所述骨锯以第二速度在所述第二组织中进行截骨作业。
Description
技术领域
本申请涉及医疗器械技术领域,更具体地,涉及一种用于手术机器人的变速截骨的方法和装置。
背景技术
在骨科临床中,截骨操作比较普遍。例如,在人工关节置换术中,需要利用人工生物材料置换人体病变关节,以恢复关节的正常生理功能。在手术中,医生需要对患者的关节进行特征化截骨,以匹配人工关节假体。但是,在截骨操作中,骨锯需要在不同的组织(例如,肌肉组织、密质骨和松质骨等)之中进给,这些不同组织的密度、硬度以及与骨锯的接触面积差异会导致骨锯与组织之间接触力的变化,从而导致截骨速度难以控制。
因此,需要一种安全并高效的截骨速度控制方法。
发明内容
本申请的一个目的在于提供一种用于变速截骨的方法,能够基于骨锯的功率表征信号获得截骨状态,从而实现变速截骨。
根据本申请的一些方面,提供了一种用于变速截骨的方法。该方法包括:控制骨锯以第一速度在第一组织中进行截骨作业;获取所述截骨作业过程中的所述骨锯的功率表征信号;处理所述功率表征信号以获取所述功率表征信号的高频分量和低频分量;基于预定义阈值对所述高频分量进行去噪处理,以获得去噪后的高频分量;对所述去噪后的高频分量和所述低频分量进行重构,以获得去噪后的功率表征信号;基于所述去噪后的功率表征信号判断所述骨锯是否从所述第一组织进入与所述第一组织具有不同性质的第二组织;以及当确定所述骨锯从所述第一组织进入所述第二组织时,控制所述骨锯以第二速度在所述第二组织中进行截骨作业。
根据本申请的另一些方面,提供了用于变速截骨的装置。该装置包括:第一控制单元,用于控制骨锯以第一速度在第一组织中进行截骨作业;获取单元,用于获取所述截骨作业过程中的所述骨锯的功率表征信号;处理单元,用于处理所述功率表征信号以获取所述功率表征信号的高频分量和低频分量;去噪单元,用于基于预定义阈值对所述高频分量进行去噪处理,以获得去噪后的高频分量;重构单元,用于对所述去噪后的高频分量和所述低频分量进行重构,以获得去噪后的功率表征信号;判断单元,用于基于所述去噪后的功率表征信号判断所述骨锯是否从所述第一组织进入与所述第一组织具有不同性质的第二组织;以及第二控制单元,用于当确定所述骨锯从所述第一组织进入所述第二组织时,控制所述骨锯以第二速度在所述第二组织中进行截骨作业。
根据本申请的又一些方面,提供了一种电子设备。该电子设备包括:处理器;和存储装置,用于存储能够在所述处理器上运行的计算机程序;其中,当所述计算机程序被所述处理器执行时,使得所述处理器执行上述的用于变速截骨的方法。
根据本申请的又一些方面,提供了一种非易失性计算机可读存储介质,所述非易失性计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述的用于变速截骨的方法。
根据本申请的又一些方面,提供了一种用于检测截骨状态的方法。所述方法包括:控制骨锯进行截骨作业;获取所述截骨作业过程中的所述骨锯的功率表征信号;处理所述功率表征信号以获取所述功率表征信号的高频分量和低频分量;基于预定义阈值对所述高频分量进行去噪处理,以获得去噪后的高频分量;对所述去噪后的高频分量和所述低频分量进行重构,以获得去噪后的功率表征信号;以及基于所述去噪后的功率表征信号确定所述骨锯的截骨状态。
以上为本申请的概述,可能有简化、概括和省略细节的情况,因此本领域的技术人员应该认识到,该部分仅是示例说明性的,而不旨在以任何方式限定本申请范围。本概述部分既非旨在确定所要求保护主题的关键特征或必要特征,也非旨在用作为确定所要求保护主题的范围的辅助手段。
附图说明
通过下面说明书和所附的权利要求书并与附图结合,将会更加充分地清楚理解本申请内容的上述和其他特征。可以理解,这些附图仅描绘了本申请内容的若干实施方式,因此不应认为是对本申请内容范围的限定。通过采用附图,本申请内容将会得到更加明确和详细地说明。
图1出了根据本申请实施例的用于变速截骨的方法的流程图;
图2示出了根据本申请实施例的对骨锯的电机电流进行采样所获得电流信号示意图;
图3示出了根据本申请实施例的对电流信号进行3层离散化的示意图;
图4(a)、图4(b)和图4(c)分别示出了根据本申请实施例的原始信号、硬阈值处理后信号和软阈值处理后信号的示意图;
图5示出了根据本申请实施例的原电流信号和去噪后电流信号的示意图;
图6(a)和图6(b)示出了根据本申请实施例的在不同截骨参数下的原电流信号、去噪后电流信号和归一化电流信号的示意图;
图7示出了根据本申请实施例基于归一化电流信号判断截骨状态的示意图;以及
图8示出了根据本申请实施例的用于变速截骨的装置的框图。
具体实施方式
在下面的详细描述中,参考了构成其一部分的附图。在附图中,类似的符号通常表示类似的组成部分,除非上下文另有说明。详细描述、附图和权利要求书中描述的说明性实施方式并非旨在限定。在不偏离本申请的主题的精神或范围的情况下,可以采用其他实施方式,并且可以做出其他变化。可以理解,可以对本申请中一般性描述的、在附图中图解说明的本申请内容的各个方面进行多种不同构成的配置、替换、组合,设计,而所有这些都明确地构成本申请内容的一部分。
本申请的发明人发现,骨锯在具有不同性质的组织之中进给时,这些组织力学性质的不同会导致骨锯与组织之间接触力的大小不同,而骨锯与组织之间接触力的大小与骨锯电机的功率大小理论上是相互关联的。因此,对表征骨锯电机的功率大小信号的检测能够用于实现截骨状态的识别,例如,骨锯是否由肌肉组织进入骨组织、或者是否由松质骨进入密质骨等。但是,仅利用检测的骨锯电机的功率表征信号大小难以准确识别截骨状态,这是因为在功率表征信号的检测和获取过程中,常常会在获取的功率表征信号中出现信号突变。这些信号突变可能来自于电路滤波缺陷、外部电磁波干扰等原因。这些偶然突变严重影响了对截骨状态真实情况的判断,导致功率表征信号难以被直接用于识别截骨状态。
基于上述对现有技术的研究以及其中存在问题的发现,本申请的发明人在本申请中提供了一种变速截骨方法。该方法中,截骨作业过程中骨锯的功率表征信号被获取并被处理,从而得到功率表征信号的高频分量和低频分量。然后,基于预定义阈值可以对高频分量进行去噪处理,以获得去噪后的高频分量;再对去噪后的高频分量和低频分量进行重构获得去噪后的功率表征信号。这样,各种外界因素在功率表征信号中引入的信号突变会被消除或有效抑制,避免其影响后续截骨状态的判断和识别。之后,可以基于去噪后功率表征信号判断骨锯是否从第一组织进入与第一组织具有不同性质的第二组织,例如从肌肉组织进入骨组织,或者松质骨进入硬质骨,等等。当确定骨锯从第一组织进入第二组织后,可以再根据需要调整骨锯在第二组织中的进给速度。
发明人注意到,由于截骨电机的功率表征信号中的噪声信号通常为高频信号,因此本申请的变速截骨方法中将功率表征信号分解为高频分量和低频分量,而仅对高频分量进行去噪处理,能够在滤除或降低噪声的同时最大程度地保留或提取功率表征信号中的特征信息,从而有利于对截骨状态的识别。
下面结合附图对本申请的变速截骨方法进行详细说明。图1示出了根据本申请一些实施例的变速截骨方法100的流程图,具体包括如下的步骤110-180。需要说明的是,在图1的示例中,骨锯的电机工作在恒电压环境下,功率表征信号可以是通过电流测量仪对骨锯的电机的电流测量获得的电流信号;即,在结合图1进行的描述中,电流信号与功率表征信号是可以互换的概念。但是,在另一些实施例中,功率表征信号可以是通过功率测量仪对骨锯的电机的功率直接测量获得的功率信号。在又一些实施例中,骨锯的电机还可能工作在恒电流环境下,功率表征信号可以是通过电压测量仪对骨锯的电机的电压测量获得的电压信号。
步骤110中,控制骨锯以第一速度在第一组织中进行截骨作业。
通常电动骨锯通常设置有锯条、机械式往复驱动装置和电机。使用时,电机带动机械式往复驱动装置工作,往复驱动装置再带动锯条进行往复运动进行截骨;通过控制电机的功率可以控制截骨的速度。在一些实施例中,为了提高截骨操作的稳定性,还可以通过机器人控制骨锯进行截骨。
在一示例中,可以使用多自由度机器人对骨组织(例如,膝关节骨)进行截骨作业。在截骨作业过程中,皮肤和肌肉可能会被切开,则存在着骨锯从空气进入骨组织,在完成截骨作业后再回到空气中的过程。在该示例中,空气作为第一组织,骨锯被控制以第一速度(例如,1mm/s的进给速度、10000r/min的转速)在空气中进给以接近样本骨。在其他示例中,可能会存在部分肌肉组织、皮肤组织或软骨组织等未被切开的情况,则第一组织也可以为肌肉组织、皮肤组织以及软骨组织等;而相应的第一速度也可以根据实际情况进行设置,本申请对此不作限制。
步骤120中,获取截骨作业过程中的骨锯的电流信号。
在一些实施例中,电流信号可以通过以预设采样频率或预设采样周期对截骨作业过程中的骨锯的电机电流进行采样获得。例如,以30ms的采样周期对骨锯的电机电流进行采样。在其他一些示例中,该采样周期也可以为10ms、20ms、40ms、50ms或者其他合适的时间值。
参考图2,其示出一示例性实施例中,以30ms的采样周期对骨锯的电机电流进行采样所获得电流信号示意图,其中横轴表示采样数(其大体对应于采样时间),纵轴表示采样电流的大小。从图2可以看出,尽管整体上电流信号呈现随骨锯运行状态变化而变化的趋势,但是在局部时间段内电流信号中包含较大的随机波动噪声,这些噪声可能由电路滤波缺陷、外部电磁波干扰等因素所造成。因此,在对电流信号的特征信息提取前必须先对电流信号进行噪声滤除处理,然后才能准确的特征信息。
步骤130中,处理电流信号以获取电流信号的高频分量和低频分量。
如前所述,电流信号中的噪声信号通常由电路滤波缺陷、外部电磁波干扰等导致。这些噪声更容易影响电流信号中的高频分量,因此有必要对电流信号中的高频分量和低频分量进行离散后,再对高频分量进行处理以滤除或降低噪声。
在一些实施例中,采用小波滤波对电流信号进行处理以获取电流信号的高频分量和低频分量。
小波可以描述为一种函数,用数学语言来描述小波,即其为满足下式(1)的一个函数ψ(x):
其中,ψ(x)为小波母函数,为小波母函数ψ(x)的傅里叶变换,Cω称为允许性常数。小波变换的基本要求是将原始信号或函数分解成一系列的小波函数,然后再将这些小波函数处理后重构,这些小波函数是由小波母函数ψ(x)经过平移和伸缩变换得到。在一个示例中,小波函数ψa,b(x)(或称为小波基函数)可表示如下式(2):
其中,a表示小波函数ψa,b(x)相对于小波母函数ψ(x)的伸缩因子,当a大于1时小波母函数ψ(x)被膨胀,当a小于1时小波母函数ψ(x)被紧缩,其与变换域中的频率信息相关;b表示小波函数ψa,b(x)相对于小波母函数ψ(x)的平移因子,代表了小波函数在信号中的移动,其与变换域中的时间信息相关。通过改变a的值可以得到原始信号的频域局部化信息,通过改变b的值可以得到信号的时域部局部化信息。
理论上,我们可以使用连续小波变换对电流信号进行处理以获取电流信号的高频分量和低频分量。假设电流信号由目标函数f(x)表示,则对电流信号的连续小波变换定义如下式(3):
其中,wf(a,b)为小波系数。等式(3)相应的逆变换定义如下式(4):
但是,由于大量的计算都要由计算机来进行,而计算机仅适用于对离散化的数字数据进行处理,因此,连续小波变换不能用它们的积分形式来计算,而需要离散化。对于表示电流信号的目标函数f(x)的离散化后的小波变换定义如下式(5):
等式(5)相应的逆变换定义如下式(6):
其中C为与信号无关的一个常数。
在一示例中,使用小波分解法对电流信号进行离散化处理以获得所述电流信号的高频分量和低频分量。例如,将小波函数(例如db3小波)的伸缩因子按基2的方式构造低通滤波器和高通滤波器,其中低通滤波器和高通滤波器可以以矩阵形式表示;再将电流信号的小波系数分别与高通滤波器和低通滤波器进行内积运算,就可以获得电流信号的高频部分和低频部分的系数。其中,低频部分为电流信号的近似部分,高频部分为电流信号的细节部分。虽然高频部分中包含了大部分的噪声,但低频部分也依然会存在可能的噪声信息。因此,可以先不对高频部分不做额外处理,而是继续对低频部分进行进一步的分解,以获得该低频部分中的二阶高频部分和二阶低频部分;还可以再继续对二阶低频部分进行第三层的分解等等。需要说明的是,分解层数过多和过少都有可能不利于后续去噪处理,因为分解层数过多会降低对电流信号的内在变化规律和趋势的提取效果,分解层数过少则不能有效分离电流信号的近似部分和细节部分。在不同的实施例中,可以根据实际需要选择合适的分解层数,例如,根据电流信号的实际变化趋势及其理论上的变化规律来综合考虑确定小波分解的层数,本申请对分解的具体层数不做限制。
在一示例中,如图3所示,使用db3小波函数进行小波分解处理,对电流信号X进行离散化,获得一阶低频部分cA1和一阶高频部分cD1;再对一阶低频部分cA1进行离散化,获得二阶低频部分cA2和二阶高频部分cD2;再对二阶低频部分cA2进行离散化,获得三阶低频部分cA3和三阶高频部分cD3。也就是说,对电流信号X进行了3层的分解。该示例中,一阶高频部分cD1、二阶高频部分cD2和三阶高频部分cD3构成电流信号的高频分量;而3层分解后的三阶低频部分cA3构成电流信号的低频分量。在小波分解完之后,可以得到各阶高频和低频部分的系数,后续通过处理各阶高频部分的系数,再进行信号的小波重构,可以达到消除或降低噪声的目的。在其他一些示例中,也可以对电流信号X进行了其他层数的分解,例如,1层、2层、4层、5层等。在其他一些示例中,也可以使用haar、bior、coif、sym或其他小波基对电流信号X进行小波分解。
步骤140中,基于预定义阈值对高频分量进行去噪处理,以获得去噪后的高频分量。
在一些实施例中,预定义阈值可以基于电流信号中的噪声最大值确定,例如,预定义阈值可以等于或者大于噪声最大值。一般地,噪声最大值可用下式(7)估计:
其中,T表示噪声最大值,在预定义阈值等于噪声最大值的情况下,T也即表示了预定义阈值;σ表示噪声的标准偏差;N表示对骨锯的电机电流的采样长度,其可基于上文的预设采样频率确定。具体地,对应于图3中的示例,噪声的标准偏差σ可以基于对电流信号X进行离散化后获得的一阶高频部分cD1的系数确定;N为对电流信号X的采样长度,例如30ms。
在一些实施例中,可以采用全局阈值法对电流信号的高频分量进行去噪处理。需要说明的,采用全局阈值法对分解后的电流信号进行去噪处理,仅针对高频分量进行处理,而不处理低频分量。
在一些实施例中,可以采用硬阈值全局阈值法对电流信号的高频分量进行去噪处理。具体地,如果电流信号的高频分量的系数的绝对值低于阈值则将该系数置零,若高于阈值则该系数保留不变。在一示例中,硬阈值全局阈值法通过下式(8)表示:
其中,Wnew表示处理后的电流信号的高频分量的系数;W表示原电流信号的高频分量的系数,例如图3中一阶高频部分cD1、二阶高频部分cD2和三阶高频部分cD3的系数;T表示预定义阈值。
在另一些实施例中,也可以采用软阈值全局阈值法对电流信号的高频分量进行去噪处理。具体地,如果电流信号的高频分量的系数的绝对值低于阈值则将该系数置零,若高于阈值则对该系数进行重新赋值。在一示例中,软阈值全局阈值法通过下式(9)表示:
与式(8)类似,Wnew表示处理后的电流信号的高频分量的系数,W表示原电流信号的高频分量的系数;T表示预定义阈值;sign(W)为符号函数,可用下式(10)表示:
参考图4的(a)、(b)和(c),其示出了对相同信号分别进行硬阈值和软阈值全局阈值法进行去噪处理的结果的比较。其中图4(a)表示原始信号,为了说明起见,本示例中将函数f(x)=x/50-1在区间[0,100]的值作为原始信号,且预定义阈值设置为0.5;图4(b)表示对原始信号进行硬阈值全局阈值法进行去噪后的信号;图4(c)表示对原始信号进行软阈值全局阈值法进行去噪后的信号。可以看出,在硬阈值处理之后,信号曲线在阈值点是不连续的;而软阈值处理后的曲线与原曲线之间存在着恒定的偏差,这些偏差将影响重构的精度。因此,虽然硬阈值和软阈值处理均可实现对电流信号高频分量进行去噪处理,但为了获得更高的重构后信号精度,本申请优选地使用硬阈值方法来进行去噪处理。
步骤150中,对去噪后的高频分量和低频分量进行重构,以获得去噪后的电流信号。
在一些实施例中,可以使用前述步骤130中的小波分解法的逆变换来实现对电流信号的重构,只不过此时原来的电流信号中的一阶高频部分cD1、二阶高频部分cD2和三阶高频部分cD3已经经过了全局阈值法的去噪处理,即他们中部分的系数已经被置零或重新赋值。在一示例中,可以将去噪后的高频分量和低频分量的系数分别与高通滤波器和低通滤波器的共轭矩阵进行内积运算并求和,以获得去噪后的电流信号。
参考图5,其示出了对去噪后的高频分量和低频分量进行重构后获得去噪后的电流信号与原电流信号曲线的比较图。可以看出,去噪后的电流信号曲线变得平滑,且没有改变原始信号的形态,能够真实的反映原始电流信号的特征信息。
步骤160中,对去噪后的电流信号进行归一化处理,获得归一化的电流信号。
在截骨作业中,不同的截骨参数对骨锯电机的电流会有较大的影响。即使在相同的条件下并且将截骨参数固定,由于患者个体的骨质差异(例如骨硬度的不同)会导致截骨过程中截骨电机的电流信号不同,因此很难适用固定的临界电流阈值对整个截骨过程的不同阶段进行识别。为了避免这种差异,可以对去噪后的电流信号进行归一化处理。
在一些实施例中,选择使用反余切函数转换的方法将去噪后的电流信号归一化,使得归一化后的电流信号都能落在在[-1,1]之间,形成统计的坐标分布。反余切函数的表达式可由下式(11)表示:
其中,x表示转换之前的去噪后的电流信号值;y表示归一化之后的电流信号值。
参考图6(a)和(b),其中图6(a)示出了进给速度1mm/s、钻速10000r/min的截骨参数下的原电流信号、去噪后电流信号和归一化后电流信号;图6(b)示出了进给速度1.5mm/s、钻速8000r/min的截骨参数下的原电流信号、去噪后电流信号和归一化后电流信号。可以看出,不同截骨参数下的归一化后的电流信号都能落在[-1,1]之间。
在其他一些实施例中,也可以使用其他归一化方法对去噪后的电流信号进行归一化,例如线性归一化、标准差归一化、对数归一化等。
步骤170中,基于归一化的电流信号判断骨锯是否从第一组织进入与第一组织具有不同性质的第二组织。
由于第二组织具有与第一组织不同的性质,例如,不同硬度、不同密度、不同的与骨锯的接触面积等,因此当骨锯从第一组织进入第二组织时,会导致骨锯的电机电流发生变化。上述变化在归一化的电流信号中则表现为电流信号的突变。因此,可以基于第一组织和第二组织的性质差异(例如,包括硬度差异、密度差异、与骨锯的接触面积差异等)确定临界功率表征阈值或,在此实施例中称为临界电流阈值;再判断归一化电流信号的值是否越过临界电流阈值,以确定骨锯是否从第一组织进入第二组织。
参考图7,其为一示例型截骨作业中,骨锯从空气进入样本骨完成截骨再进入空气的过程中的原电流信号、去噪后的电流信号和归一化的电流信号的变化曲线。可以理解,在该示例中,第一组织为空气,第二组织为样本骨。从图7可以看出,归一化的电流信号在t1时刻之前处于临界电流阈值T′之下并接近T′。在该示例中,骨锯的电机在t1时刻之前在空气中处于怠速状态,输出功率接近于0,由于电流中存在噪声和毛刺,导致归一化后的电流信号在t1时刻之前可能位于0之下(附图7中左侧用flag=0指示),即在该示例中阈值T′为0;在t1时刻,归一化的电流信号发生突变,开始上升到临界电流阈值T′之上,这意味着骨锯开始从空气进入样本骨进行截骨操作,输出功率开始增大;在时刻t1至t2之间,一直位于临界电流阈值T′之上,即骨锯在样本骨中进行截骨操作,输出功率为正(附图7中用flag=1指示);而在t2时刻,又发生突变,开始回到临界电流阈值T′之下,并在t2时刻之后维持在临界电流阈值T′之下,这意味着骨锯完成对样本骨的截骨操作,从样本骨回到空气中,骨锯的电机在空气中处于怠速状态,输出功率接近于0(附图7中右侧用flag=0指示)。从而,基于分析归一化的电流信号是否越过临界电流阈值T′就可以判断骨锯是否从空气进入样本骨或者是否从样本骨进入空气。
在图7的示例中,以第一组织为空气,第二组织为样本骨为例进行了说明,其归一化电流信号的临界电流阈值为0。在另一些示例中,例如,第一组织为肌肉组织,第二组织为骨组织,则骨锯在肌肉组织和骨组织中的截骨作业都会输出正功率,则归一化电流信号会一直位于0值点之上,从而确定的电流信号的临界电流阈值也会大于0。也就是说,基于第一组织和第二组织的性质差异,在不同应用场景中确定的作为归一化电流信号的临界电流阈值也可能不同。
如何确定电流信号的临界电流阈值是骨锯截骨作业状态变化识别的一个方面。在一些实施例中,可以根据实验统计、理论计算和/或经验值确定截骨状态突变点对应的阈值电流,从而可以通过比较阈值电流与处理后的电流信号来确定截骨状态突变点对应的时刻。
步骤180中,当确定骨锯从第一组织进入第二组织时,控制骨锯以第二速度在第二组织中进行截骨作业。
继续以图7为例,在t1时刻之前,骨锯以恒定的第一速度在空气中进给,而在t1时候时,判断骨锯从空气进入样本骨;为了实现安全和高效的截骨,可以在t1时刻平滑提高骨锯的进给速度,使骨锯在样本骨中的进给速度改变为第二速度。其中,第一速度和第二速度可以分别为预设的恒定速度或者预设的变化速度曲线。
需要说明的是,骨锯的进给速度通常与骨锯电机的转速有正相关的对应关系,因此可以通过改变骨锯电机的电流来改变骨锯电机转速,从而改变骨锯的进给速度。例如,每增加10mA电流对应在骨锯电机原有的设定转速上增加20r/min。但通常考虑到速度调节的平滑性,在每时间间隔100ms内,转速设定增加优选地不超过100r/min。在另一些实施例中,骨锯电机的转速增加也可以通过增大骨锯电机的输出功率来实现。
需要说明的是,在图1的实施例中,在获得去噪后的电流信号之后,还执行了步骤160,即对去噪后的电流信号进行了归一化处理以获得归一化的电流信号。但在另外一些实施例中,也可以不执行步骤160,即直接基于去噪后电流信号判断骨锯是否从第一组织进入与第一组织具有不同性质的第二组织。相应地,后续判断过程基于去噪后电流信号的值是否越过临界电流阈值来确定。另外,在进行归一化处理和不进行归一化处理的不同实施方式中,基于第一组织和第二组织的性质差异确定的临界电流阈值也可能会有不同。
在上述的变速截骨方法中,通过将骨锯电流信号分解为高频分量和低频分量,而仅对高频分量进行去噪处理,能够在滤除或降低噪声的同时最大程度地保留或提取电流信号中的特征信息,有利于对截骨状态的识别。通过对截骨状态的识别,可以实现变速截骨。例如,在没有截骨到骨头的时候恒速推进,截骨到骨头的时候平滑提高进给速度,从而实现比较安全和高效的截骨。
还需要说明的是,在图1的实施例中,以功率表征信号为电流信号对本申请的用于变速截骨的方法进行了说明。但是,可以理解,结合图1进行的描述同样适用于功率表征信号为功率信号或电压信号的情形,包括对功率信号或电压信号的获取、离散化、重构、去噪和归一化等操作,相应地,基于第一组织和第二组织的性质差异确定临界功率表征阈值可以为临界功率阈值和临界电压阈值。
另外,本申请实施例还提供了用于检测截骨状态的方法。所述方法包括:控制骨锯进行截骨作业;获取所述截骨作业过程中的所述骨锯的功率表征信号;处理所述功率表征信号以获取所述功率表征信号的高频分量和低频分量;基于预定义阈值对所述高频分量进行去噪处理,以获得去噪后的高频分量;对所述去噪后的高频分量和所述低频分量进行重构,以获得去噪后的功率表征信号;以及基于所述去噪后的功率表征信号确定所述骨锯的截骨状态。基于该方法可以自动判断骨锯是否已经进入目标组织进行截骨作业,或者是否正常工作(例如,是否被卡死等)等信息,从而基于这些状态信息可以调整截骨作业的参数(例如,调整截骨速度等),或者向骨锯操作者发送警报等。关于检测截骨状态的方法的具体细节可参考上述结合图1-7描述的用于变速截骨的方法的内容,此处不再赘述。
另外,本申请实施例还提供了一种用于变速截骨的装置800。如图8所示,该用于变速截骨的装置800包括第一控制单元810、获取单元820、处理单元830、去噪单元840、重构单元850、判断单元860和第二控制单元870。第一控制单元810用于控制骨锯以第一速度在第一组织中进行截骨作业;获取单元820用于获取截骨作业过程中的骨锯的功率表征信号;处理单元830用于处理功率表征信号以获取功率表征信号的高频分量和低频分量;去噪单元840用于基于预定义阈值对高频分量进行去噪处理,以获得去噪后的高频分量;重构单元850用于对去噪后的高频分量和低频分量进行重构,以获得去噪后的功率表征信号;判断单元860用于基于去噪后功率表征信号判断骨锯是否从第一组织进入与第一组织具有不同性质的第二组织;第二控制单元870用于当确定骨锯从第一组织进入第二组织时,控制骨锯以第二速度在第二组织中进行截骨作业。关于装置800的详细介绍可以参考上文结合附图1至7对相应方法的描述,此处不再赘述。
在一些实施例中,用于变速截骨的装置可以被实现为一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件。另外,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
在另一些实施例中,用于变速截骨的装置也可以采用软件功能单元的形式实现。所述功能单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中,并可以被计算机装置执行。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、移动终端、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
本申请实施例还提供一种电子设备,该电子装置包括:处理器和存储装置,存储装置用于存储能够在处理器上运行的计算机程序。当计算机程序被处理器执行时,使得处理器执行上述实施例中用于变速截骨的方法。在一些实施例中,该电子设备安装在骨锯上,或者是耦接到骨锯的移动终端、个人计算机、平板电脑、服务器等。
本申请实施例还提供一种非易失性计算机可读存储介质,该非易失性计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时执行上述实施例中用于变速截骨的方法。在一些实施例中,该非易失性计算机可读存储介质可以是闪存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或本技术领域内所公知的任意其它形式非易失性计算机可读存储介质。
本技术领域的一般技术人员可以通过研究说明书、公开的内容及附图和所附的权利要求书,理解和实施对披露的实施方式的其他改变。在权利要求中,措词“包括”不排除其他的元素和步骤,并且措辞“一”、“一个”不排除复数。在本申请的实际应用中,一个零件可能执行权利要求中所引用的多个技术特征的功能。权利要求中的任何附图标记不应理解为对范围的限制。
Claims (16)
1.一种用于变速截骨的方法,其特征在于,所述方法包括:
控制骨锯以第一速度在第一组织中进行截骨作业;
获取所述截骨作业过程中的所述骨锯的功率表征信号;
处理所述功率表征信号以获取所述功率表征信号的高频分量和低频分量;
基于预定义阈值对所述高频分量进行去噪处理,以获得去噪后的高频分量;
对所述去噪后的高频分量和所述低频分量进行重构,以获得去噪后的功率表征信号;
基于所述去噪后的功率表征信号判断所述骨锯是否从所述第一组织进入与所述第一组织具有不同性质的第二组织;以及
当确定所述骨锯从所述第一组织进入所述第二组织时,控制所述骨锯以第二速度在所述第二组织中进行截骨作业。
2.根据权利要求1所述的方法,其特征在于,所述功率表征信号通过以预设采样频率对所述截骨作业过程中的表征所述骨锯的电机功率的信号进行采样获得。
3.根据权利要求2所述的方法,其特征在于,处理所述功率表征信号以获取所述功率表征信号的高频分量和低频分量包括:
使用小波分解法对所述功率表征信号进行离散,以获得所述功率表征信号的高频分量和低频分量。
4.根据权利要求3所述的方法,其特征在于,使用小波分解法对所述功率表征信号进行离散包括:
使用小波函数对所述功率表征信号进行离散获得所述功率表征信号的一阶低频部分和一阶高频部分;
使用所述小波函数对所述一阶低频部分进行离散获得所述功率表征信号的二阶低频部分和二阶高频部分;以及
使用所述小波函数对所述二阶低频部分进行离散获得所述功率表征信号的三阶低频部分和三阶高频部分,
其中所述功率表征信号的高频分量包括所述一阶高频部分、所述二阶高频部分和所述三阶高频部分;所述功率表征信号的低频分量包括所述三阶低频部分。
5.根据权利要求4所述的方法,其特征在于,所述小波函数为db3小波。
6.根据权利要求4所述的方法,其特征在于,所述预定义阈值基于所述功率表征信号中的噪声最大值确定。
7.根据权利要求6所述的方法,其特征在于,所述噪声最大值基于对表征所述骨锯的电机功率的信号的采样时长以及所述功率表征信号的一阶高频部分的系数确定。
8.根据权利要求4所述的方法,其特征在于,基于预定义阈值对所述高频分量进行去噪处理包括:
将所述一阶高频部分、所述二阶高频部分和所述三阶高频部分的系数与所述预定义阈值分别进行比较;
当所述系数大于所述预定义阈值,则将所述系数置零;以及
当所述系数小于所述预定义阈值,则保持所述系数不变。
9.根据权利要求1所述的方法,其特征在于,基于所述去噪后功率表征信号判断所述骨锯是否从所述第一组织进入与所述第一组织具有不同性质的第二组织包括:
基于所述第一组织和所述第二组织的性质差异确定临界功率表征阈值;以及
当所述去噪后功率表征信号的值越过所述临界功率表征阈值时,确定所述骨锯从所述第一组织进入所述第二组织。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述去噪后的功率表征信号进行归一化处理,获得归一化的功率表征信号。
11.根据权利要求10所述的方法,其特征在于,所述归一化处理使用反余切函数。
12.根据权利要求1所述的方法,其特征在于,所述功率表征信号为功率信号、电流信号或者电压信号。
13.一种用于变速截骨的装置,其特征在于,所述装置包括:
第一控制单元,用于控制骨锯以第一速度在第一组织中进行截骨作业;
获取单元,用于获取所述截骨作业过程中的所述骨锯的功率表征信号;
处理单元,用于处理所述功率表征信号以获取所述功率表征信号的高频分量和低频分量;
去噪单元,用于基于预定义阈值对所述高频分量进行去噪处理,以获得去噪后的高频分量;
重构单元,用于对所述去噪后的高频分量和所述低频分量进行重构,以获得去噪后的功率表征信号;
判断单元,用于基于所述去噪后的功率表征信号判断所述骨锯是否从所述第一组织进入与所述第一组织具有不同性质的第二组织;以及
第二控制单元,用于当确定所述骨锯从所述第一组织进入所述第二组织时,控制所述骨锯以第二速度在所述第二组织中进行截骨作业。
14.一种电子设备,其特征在于,包括:
处理器;和
存储装置,用于存储能够在所述处理器上运行的计算机程序;
其中,当所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1-12中任一项所述的用于变速截骨的方法。
15.一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-12中任一项所述的用于变速截骨的方法。
16.一种用于检测截骨状态的方法,其特征在于,所述方法包括:
控制骨锯进行截骨作业;
获取所述截骨作业过程中的所述骨锯的功率表征信号;
处理所述功率表征信号以获取所述功率表征信号的高频分量和低频分量;
基于预定义阈值对所述高频分量进行去噪处理,以获得去噪后的高频分量;
对所述去噪后的高频分量和所述低频分量进行重构,以获得去噪后的功率表征信号;以及
基于所述去噪后的功率表征信号确定所述骨锯的截骨状态。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110061351.3A CN112716559A (zh) | 2021-01-18 | 2021-01-18 | 用于变速截骨的方法和装置 |
CN202280010590.9A CN116830103A (zh) | 2021-01-18 | 2022-01-17 | 用于变速截骨的方法和装置 |
PCT/CN2022/072308 WO2022152292A1 (zh) | 2021-01-18 | 2022-01-17 | 用于变速截骨的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110061351.3A CN112716559A (zh) | 2021-01-18 | 2021-01-18 | 用于变速截骨的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112716559A true CN112716559A (zh) | 2021-04-30 |
Family
ID=75591998
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110061351.3A Withdrawn CN112716559A (zh) | 2021-01-18 | 2021-01-18 | 用于变速截骨的方法和装置 |
CN202280010590.9A Pending CN116830103A (zh) | 2021-01-18 | 2022-01-17 | 用于变速截骨的方法和装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280010590.9A Pending CN116830103A (zh) | 2021-01-18 | 2022-01-17 | 用于变速截骨的方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (2) | CN112716559A (zh) |
WO (1) | WO2022152292A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022152292A1 (zh) * | 2021-01-18 | 2022-07-21 | 南京凌华微电子科技有限公司 | 用于变速截骨的方法和装置 |
CN114831735A (zh) * | 2022-04-15 | 2022-08-02 | 北京长木谷医疗科技有限公司 | 用于手术机器人智能截骨***的监控方法及装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115486940A (zh) * | 2022-08-31 | 2022-12-20 | 北京长木谷医疗科技有限公司 | 骨科手术机器人智能动力控制方法、装置和*** |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050116673A1 (en) * | 2003-04-18 | 2005-06-02 | Rensselaer Polytechnic Institute | Methods and systems for controlling the operation of a tool |
US9345487B2 (en) * | 2013-02-05 | 2016-05-24 | Path Scientific, Llc | Precision bone drill and method of use |
CN103513094B (zh) * | 2013-09-29 | 2016-09-28 | 天津理工大学 | 一种消除电力***检测信号噪声的装置及方法 |
CN103976772B (zh) * | 2014-05-27 | 2016-03-23 | 梁红所 | 自动停转式骨钻 |
CN204520865U (zh) * | 2015-03-31 | 2015-08-05 | 中国石油天然气集团公司中心医院 | 一种双工作模式骨钻 |
CN112716559A (zh) * | 2021-01-18 | 2021-04-30 | 南京凌华微电子科技有限公司 | 用于变速截骨的方法和装置 |
-
2021
- 2021-01-18 CN CN202110061351.3A patent/CN112716559A/zh not_active Withdrawn
-
2022
- 2022-01-17 WO PCT/CN2022/072308 patent/WO2022152292A1/zh active Application Filing
- 2022-01-17 CN CN202280010590.9A patent/CN116830103A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022152292A1 (zh) * | 2021-01-18 | 2022-07-21 | 南京凌华微电子科技有限公司 | 用于变速截骨的方法和装置 |
CN114831735A (zh) * | 2022-04-15 | 2022-08-02 | 北京长木谷医疗科技有限公司 | 用于手术机器人智能截骨***的监控方法及装置 |
WO2023197704A1 (zh) * | 2022-04-15 | 2023-10-19 | 北京长木谷医疗科技有限公司 | 用于手术机器人智能截骨***的监控方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2022152292A1 (zh) | 2022-07-21 |
CN116830103A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112716559A (zh) | 用于变速截骨的方法和装置 | |
Seibold et al. | Real-time acoustic sensing and artificial intelligence for error prevention in orthopedic surgery | |
CN103690160B (zh) | 一种基于非高斯时序模型的脑电特征提取和状态识别方法 | |
CN108742697B (zh) | 心音信号分类方法及终端设备 | |
CN108288058B (zh) | 一种改进的小波阈值膝关节摆动信号去噪算法 | |
CN112307959B (zh) | 一种用于心电信号分析的小波去噪方法 | |
Teja et al. | Adaptive denoising of ECG using EMD, EEMD and CEEMDAN signal processing techniques | |
Salman et al. | Empirical mode decomposition (EMD) based denoising method for heart sound signal and its performance analysis | |
CN111493821B (zh) | 一种基于modwt及中值滤波的ppg信号实时去噪方法 | |
CN112102351A (zh) | 医学图像分析方法、装置、电子设备及可读存储介质 | |
CN109998541A (zh) | 一种基于经验模态全变分的表面肌电信号去噪方法及*** | |
Serbes et al. | Denoising performance of modified dual-tree complex wavelet transform for processing quadrature embolic Doppler signals | |
Ergen | Comparison of wavelet types and thresholding methods on wavelet based denoising of heart sounds | |
Zeiler et al. | Weighted sliding empirical mode decomposition for online analysis of biomedical time series | |
CN108703741B (zh) | 一种多策略的nirs干扰检测和去除方法 | |
Torun et al. | Parametric power spectral density estimation-based breakthrough detection for orthopedic bone drilling with acoustic emission signal analysis | |
Alegeh et al. | Feature extraction of time-series data using dwt and fft for ballscrew condition monitoring | |
CN116070101A (zh) | 基于ica和异常值检测的脑电伪迹去除方法、***及设备 | |
CN115590469A (zh) | 用于转换生理信号的方法和*** | |
Mohebbian et al. | ECG compression using optimized B-spline | |
Georgieva-Tsaneva | A novel photoplethysmographic noise removal method via wavelet transform to effective preprocessing | |
Huang et al. | Toward T-wave recognition of ECG signals through modulated ensemble empirical mode decomposition | |
Jamaluddin et al. | Wavelet analysis on FECG detection using two electrodes system device | |
CN113951988A (zh) | 超声骨刀的磨削方法、装置及磨削*** | |
EP4181790B1 (en) | Ultrasound data processor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210430 |
|
WW01 | Invention patent application withdrawn after publication |