[發明專利]用于控制電手術能量輸送的系統和方法

在審

• 申請號: 202011056331.9
• 申請日: 2020-09-30
• 公開（公告）號: CN112587226A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 趙晶;R·H·瓦姆;C·T·布朗;A·迪曼
• 申請（專利權）人: 柯惠有限合伙公司
• 主分類號: A61B18/00
• 分類號: A61B18/00;A61B18/12
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 杜文樹

1.一種用于控制電手術能量向血管的輸送以密封血管的計算機實現的方法，所述計算機實現的方法包括：

在器械將電手術能量從能量源輸送至血管以密封血管的同時從包括所述器械和所述能量源的電手術系統收集數據，所述數據包括與所述電手術能量的輸送相關的至少一個電參數；

將所述數據傳送給至少一種機器學習算法；

通過所述至少一種機器學習算法預測血管的破裂壓力概率；和

基于所述預測確定所述血管是否被充分密封；

在確定血管沒有充分密封的情況下：

通過第二機器學習算法，基于所述數據確定輸出；

將確定的輸出傳送到與所述能量源相關的計算設備，以用于制定能量輸送算法；和

使用所述器械，根據所述能量輸送算法，將附加電手術能量從所述能量源輸送到血管，以密封所述血管。

2.根據權利要求1所述的方法，其中所述至少一種機器學習算法包括神經網絡。

3.根據權利要求2所述的方法，其中所述神經網絡包含前饋網絡、卷積網絡或循環網絡中的至少一個。

4.根據權利要求2所述的方法，所述方法還包括基于測量傳感器數據或識別數據中的模式中的一種或多種訓練所述神經網絡。

5.根據權利要求2所述的方法，所述方法還包括基于訓練數據訓練所述神經網絡，所述訓練數據包括以下中的至少一項：阻抗、血管溫度、血管質量、血管表面積、累積能量或破裂壓力概率。

6.根據權利要求5所述的方法，其中所述訓練包括監督學習、非監督學習或強化學習中的至少一種。

7.根據權利要求6所述的方法，其中所述強化學習包括基于破裂壓力概率值和阻抗懲罰值的獎勵。

8.根據權利要求7所述的方法，其中所述破裂壓力概率值是縮放器，并且通過以下確定：

在血管溫度為用于蛋白質變性的第一預定時間段的第一溫度范圍的情況下，將所述破裂壓力概率值增加第一量；

在血管溫度為第二預定時間段的第二溫度范圍以去除預定百分比的水的情況下，將所述破裂壓力概率值增加第二量；和

在血管溫度為第三預定時間段的第三溫度范圍以允許熱固性明膠凝結和鉗口冷卻的情況下，將所述破裂壓力概率值增加第三量。

9.根據權利要求8所述的方法，其中所述阻抗懲罰值是第二縮放器，并且通過以下確定：

在血管的阻抗大于第一阻抗閾值的情況下，將所述阻抗懲罰值設置為-1；和

在血管的阻抗小于第一阻抗閾值的情況下，將所述阻抗懲罰值設置為0。

10.根據權利要求1所述的方法，進一步包括，在確定血管被充分密封的情況下，停止所述電手術能量和/或所述附加電手術能量的輸送。

11.一種用于控制電手術能量的系統，所述系統包括：

包括器械和能量源的電手術系統；

一個或多個處理器；和

與所述一個或多個處理器耦合的至少一個存儲器，所述至少一個存儲器具有存儲在其上的指令，所述指令在由所述一個或多個處理器執行時使所述系統：

在所述器械將電手術能量從所述能量源輸送至血管以密封血管的同時從包括所述電手術系統收集數據，所述數據包括與所述電手術能量的輸送相關的至少一個電參數；

將所述數據傳送給至少一種機器學習算法；

通過所述至少一種機器學習算法預測血管的破裂壓力概率；和

基于所述預測確定所述血管是否被充分密封；

在確定血管沒有充分密封的情況下：

通過第二機器學習算法，基于所述數據確定輸出；

將確定的輸出傳送到與所述能量源相關的計算設備，以用于制定能量輸送算法；和

使用所述器械，根據所述能量輸送算法，將附加電手術能量從所述能量源輸送到血管，以密封所述血管。