一种宫腔镜术中无创血钾监测方法与流程

本发明涉及医疗，尤其涉及一种宫腔镜术中无创血钾监测方法。

背景技术：

1、宫腔镜技术是利用人体天然通道：阴道-宫颈，通过宫腔镜直视宫颈管、宫腔、输卵管宫腔开口及其病变部位，并利用相关器械进行手术操作的微创内镜技术。由于人体子宫是厚壁肌性器官，子宫腔空间狭小，且宫腔前后壁自然贴合，所以宫腔镜手术需借助膨宫压力、膨宫介质来建立手术操作空间并保持清晰的视野，以保证手术安全、有效的进行。

2、宫腔镜技术分为宫腔镜检查及宫腔镜手术，是妇科疾病临床诊治的重要手段，虽然宫腔镜手术具备诸多优点，但作为一种手术，并发症的发生也是客观存在的。宫腔镜手术，尤其比较复杂的宫腔镜电切术，如2或3型体积较大的子宫粘膜下肌瘤电切术、严重宫腔粘连分解术等，因其所需膨宫压力大，持续时间长，破坏肌层过深，在术中及术后可能出现比较严重且处理棘手的并发症，其中以灌流液过量吸收综合症较为常见。

3、turp综合症是宫腔镜手术中由于宫腔内压力持续存在，液体膨宫介质通过子宫内壁肌层开放的血窦及腹膜、腹膜-血管途径大量吸收进入人体，引起体液超负荷和(或)稀释性低na血症，出现急性肺水肿、左心衰、脑水肿、电解质紊乱等一系列严重的并发症，其发生率为6％。由于turp综合症的发生会造成严重后果甚至威胁患者生命，故临床工作者们也想方设法从发生机制上采取相应的措施进行积极预防，设定合适的膨宫压力，控制手术时间，监测液体吸收量以及膨宫介质人体吸收率。

4、膨宫介质人体吸收率是指在宫腔镜手术过程中加压灌注使膨宫介质通过受损的血管断端进入循环系统的速度(毫升/分钟)，它是实时发生且变化的，与宫腔内实际压力及受损血管周围的止血机制有关。膨宫介质人体吸收率与膨宫介质差值有很大的不同。当膨宫介质人体实时吸收率持续升高时，认为膨宫介质进入血液循环中，但膨宫介质差值不一定升高。所以，如果手术操作者在宫腔镜手术中可以得到膨宫介质人体吸收率，当其数值升高时，尽管膨宫介质差值在可允许范围内，手术操作者亦可实时调整宫腔内压力或膨宫时间，将极大的降低或避免turp综合症的发生。

5、水中毒，最早于1956由harrison等人报道发生于经尿道前列腺切除(turp)术中，又称turp综合征。水中毒属膨宫液相关并发症，宫腔镜术中膨宫液累积差值过大或差值速率过快是水中毒发生的直接原因。遗憾的是目前绝大部分医院均无实时、智能和无创的膨宫液差值和差值速率监测装置(尚没有一个理想的产品在销售)。

6、前期本课题组已研发一种实时智能无创膨宫液差值监测装置(专利号：zl201920425877.3，zl201920422957.3)，不仅可实时监测宫腔镜术中膨宫液累积差值和差值速率，而且设计了相应的软件界面以可视化的方式展示其实时曲线。该装置采用可紧密贴合患者会阴的自适应防水膜收集从宫颈口流出的膨宫液，可防止漏液现象以保证监测的准确性，并且根据膨宫液管理指南设定了膨宫液累积差值的上限值(术者可针对不同患者及不同膨宫液类型进行调整)。当宫腔镜术中膨宫液累积差值达上限值时，该装置将以语音形式提醒术者防范手术风险。更重要的是，该装置可存储宫腔镜术中实时累积差值和差值速率的时间序列数据，并形成个体化的膨宫液差值模式，为后续研究奠定了数据基础。

7、如前所述，目前预防水中毒发生方面主要存在两个问题。问题一：术中动脉血气分析有创且不实时，无法准确判断终止手术时机。aya khan等发现患者的合并症、术前血钠血钾浓度、手术时间和术中灌流液手术使用量是turp术后是否发生电解质紊乱的重要预测因素。若基于患者实时膨宫液差值模式以及术前个体化指标(身高、体重、年龄、术前血钾和血红蛋白浓度等)，建立水中毒稀释性监测指标无创预测模型，以动态监测血钾、血红蛋白、红细胞压积的变化，则可有助于临床医生从这些指标的角度判断终止手术时机，降低水中毒的发生率。(由于生理盐水是目前最常用的膨宫液类型，因此水中毒严重程度的重要分度依据之一是血钾水平，而非血钠水平。)但在临床试验中，我们无法放任患者出现极端的膨宫液差值模式或发生水中毒并发症，这有悖于医学伦理，turp综合症的发生主要是血钾的失调造成的，术中动脉血气分析有创且不实时，无法准确判断终止手术时机。

8、因此需要设计一种无创代替有创的宫腔镜术中血钾监测方法。

技术实现思路

1、本发明的目的在于提供一种宫腔镜术中无创血钾监测方法，解决现有宫腔镜手术中无法无创伤的监测血钾的变化的技术问题。

2、一种宫腔镜术中无创血钾监测方法，所述方法包括如下步骤：

3、步骤1：采集病人特征数据和手术过程的生理盐水吸收量和血钾含量；

4、步骤2：把采集所有的病人特征数据和手术过程数据创建无创预测模型；

5、步骤3：具体病人手术时，将病人特征数据和实时采集生理盐水吸收量输入无创预测模型输出血钾值；

6、步骤4：当检测的血钾的值与预设的值比较低时，及时给病人补充钾或者停止手术。

7、进一步地，所述步骤1中，病人特征数据包括身高、体重、术前血钾、合并症、肾功能和肌酐清除率，需要收集病人的数据为500-600例。

8、进一步地，步骤1中，采集病人手术过程中血钾含量的具体过程为，在手术过程中，实时采集生理盐水吸收量，然后选择若干个生理盐水吸收量的点进行创伤采集血钾的量，通过抽血，然后化验得出血钾的数据，然后把生理盐水吸收量与血钾的数据进行一一对应，构建映射关系。

9、进一步地，步骤2中，把采集的所有病人的特征数据与手术过程中的生理盐水吸收量和血钾含量构建病人数据表，构建训练网络、策略选择网络和匹配网络，把病人的特征数据作为训练网络的输入值，生理盐水吸收量和血钾含量作为策略选择网络的输入值，在匹配网络进行匹配输出匹配结果，把匹配结果数据与数据表进行对比，然后调整匹配网络的匹配参数，然后将数据重复输入，重复修改匹配网络的匹配参数，直到输出结果数据与数据表相比准确率达到98.8％以上，完成训练，得到无创预测模型。

10、进一步地，步骤3中，采集手术过程中生理盐水吸收量的具体过程为：

11、步骤3.1：将检测摄像头和手术器械通入宫腔内；

12、步骤3.2：往宫腔内输入固定压力的生理盐水，同时实时检测流入量和输出量；

13、步骤3.3：使用检测摄像头对宫腔内壁的病变体进行大小检测；

14、步骤3.4：手术器械切割病变体，检测摄像头检测切割病变体后的创口与原先病变体的面积变化，使用检测摄像头定时监测切割病变体后的创口面积的变化；

15、步骤3.5：根据创口面积的变化的总量算出宫腔体积的增量；

16、步骤3.6：根据输入量、输出量和宫腔体积增量算出宫腔量差值。

17、进一步地，步骤3.1中，检测摄像头的外部与图像处理服务器连接，检测摄像头用于检测宫腔内壁的图像，并把图像出给图像处理服务器进行处理算出图像病变体和切割病变体创口的大小的变化；

18、步骤3.2的具体过程为：使用稳压泵进行实时的输入生理盐水，同时使用流量检测器实时检测输入量和流出量，保持宫腔内生理盐水的压力不变，生理盐水的压力在宫腔镜手术的内液压的范围内。

19、进一步地，步骤3.3的具体过程为，

20、步骤3.3.1：将标注有病变体的宫腔镜图片输入到训练检测网络进行训练，获取病变体图像特征；

21、步骤3.3.2：检测摄像头获取子宫内壁视频数据，根据检测摄像头移动速度截取宫腔镜图片，宫腔镜图片为正方形图，边长为l，d＞l时获取下一个宫腔镜图片，其中δt＝t2-t1，d＝δt*v，v为医疗仪器探头移动在子宫内壁的线速度，δt为从上一次获取宫腔镜图片到下一次获取宫腔镜图片的时间，t1为上一次获取宫腔镜图片对应帧的时间，t2为下一次获取宫腔镜图片对应帧的时间；

22、步骤3.3.3：将获取的宫腔镜图片进行标准化处理，标准化处理包括将宫腔镜图片统一清晰度处理以及去躁的正则化，并将处理的图像平面化贴图处理，腔镜图片统一清晰度处理使用图像增强算法，图像增强算法的结构中包含一个增强器和一个判别器，增强器的输入是低精度图像，输出是高精度图像，判别器输入是真实的高精度图像或图像增强器处理后的图像，将多中心中低精度图像调整到高的精度图像，消除不同图像精度的差异，去躁的正则化的具体过程为使用机器噪声屏蔽算法，机器噪声屏蔽算法的结构包括一个判别器和一个复合生成器，先将多中心分成参考中心和普通中心两种类型，判别器用于判别输入图像是参考中心图像还是普通中心的合成图像，复合生成器通过掩码生成器为普通中心数据添加噪声掩码，然后生成平面坐标轴面，将处理后的图像贴在坐标轴面上，则可以得到前后两个图像的具体为：di＝√(x2-x1)i2+(y2-y1)i2，di是从上一次获取宫腔镜图片到下一次获取宫腔镜图片的距离，上一次获取宫腔镜图片坐标和时间为(x1,y1)i和t1，下一次获取宫腔镜图片坐标和时间为(x2,y2)i和t2；

23、步骤3.3.4：使用训练网络和匹配网络对宫腔镜图片进行识别获取病变体，从策略选择模块输入相关策略选择参数，将策略选择参数和训练检测网络特征值输入到匹配网络模块，匹配网络模块根据训练检测网络的病变体特征和策略选择参数对图像中的病变体进行识别，然后输出识别后的病变体，并对病变体体积和类别进行标注，类别包括张口病变体和不张口的病变体，统计每张图像中病变体的个数，策略选择模块选择原理如下式：

24、f(x)＝max[ω1ci+ω2si+ω3ai+ω4ki]

25、其中，ci为病变体标准密度，si为患者年龄，ai为检测精度，ki为病变体均值大小，以上四个因素分别被赋予四个相应的参数，其分别是ω1，ω2，ω3和ω4，其可根据具体要求自由设置各自的参数值，具有高度的灵活性和扩展性，将选择侧裂放入到训练检测网络的特征值进行选择，其中分值最高的目标即本策略选择的感兴趣目标，即为初步确定病变体类别；

26、匹配网络模块包括目标子网和搜索子网，目标子网存取训练检测网络特征，搜索子网对检测图像进行特征提取，目标子网和搜索子网共享相同的权重和偏置，其中，搜索子网采用的是基于瓶颈残差块的内部裁剪单元，内部裁剪单元在块内部裁剪出受填充补零影响的特征，防止卷积滤波器学习位置偏差，其中，残差单元是模板匹配网络的关键模块，其由3个堆叠的卷积层和三层快捷连接组成，这三层快捷连接分别是1*1，3*3和1*1卷积，其中1*1卷积层负责减少然后恢复尺寸，使3*3卷积层成为具有小输入和输出尺寸的瓶颈；

27、步骤3.3.5：将识别后的宫腔镜图片去重叠后进行组合，得到子宫内壁整体图像，获取得到每个图像中病变体的具体图像，然后将相邻的两个图像的前面一个图像的前端部分和后面一个图像的后端重叠部分进行叠合，叠合规则为根据两个图像的实际距离di，然后采集前面一个图像的前端的距离di的病变体图像分布结构和后面一个图像的后端距离di的病变体图像分布结构进行对比，如果相同，则直接将这一部分图像叠合在一起，如果不重合，将距离di逐级变小或者变大进行对比，直到前面一个图像的前端的距离di'的病变体图像分布结构和后面一个图像的后端距离di'的病变体图像分布结构相同时，完成叠合，di'为逐级变小或者变大距离；

28、步骤3.3.6：根据宫腔内壁整体图像识别病变体的具体形状轮廓，并计算出轮廓的面积大小，确定宫腔内壁整体图像所有病变体，并且每个病变体通过外部轮廓识别出来，然后再整体图像的坐标轴中进行计算大小，然后把计算的面积整体外围修补成为近视圆形。

29、进一步地，步骤3.4中，在手术器械切割病变体的一瞬间，检测摄像头检测切除后的创口的面积大小，然后把创口的面积与病变体的面积大小进行比较，设定宫腔为球形，病变体的面积和创口面积设定为圆形，通过超声检测球体半径为r，上一次创口或者病变体的圆形半径为d，下一次的创口圆形半径为l。

30、进一步地，步骤3.5中，

31、通过宫腔的半径r和上一次创口或者病变体的圆形半径为d，可以得到一半扇形的夹角为sinβ＝d/r，然后在通过下一次的创口圆形半径为l求出下一次创口部分球体的半径为r＝l/sinβ，则下一次创口的凸起部分相近一个凸起的圆锥体，则先求扇形面积s下＝(β/360)π*r2，然后旋转180度积分，则得到圆锥体的体积则上一次创口扇形面积s上＝(β/360)π*r2，则得到圆锥体的体积则体积差得到t＝t下-t上。

32、进一步地，步骤3.6中，以时间周期为t进行数据采集，采集第n个周期的流入量，第n+1个周期的流入量输出量，第n+1个周期的宫腔体积增量，则得到宫腔吸收生理盐水的量＝第n个周期的流入量-(第n+1个周期的流入量输出量+第n+1个周期的宫腔体积增量)，n为正整数。

33、本发明采用了上述技术方案，本发明具有以下技术效果：

34、本发明通过前期收集大量病人的实际血钾的数据构建无创预测模型，为后面的手术奠定预测模型基础，后面经过训练的模型可以通过无创预测血钾代替原先的有创检测，同时预测的实时性更好，更及时给医生提供数据支持，同时考虑在手术过程中切割病变体后的创口的处没有表皮的保护，在由压力的生理盐水是会出现膨胀，通过实时检测膨胀的量，再把检测的量加入到生理盐水的吸收量中，从而更加的准确，可以实时检测吸收的总量和吸收的速率，使得手术更加的安全，更好的座位医生手术辅助方式，实现无创辅助有创手术，数据更加的实时。