本發(fā)明屬于醫(yī)療器械技術(shù)領(lǐng)域，尤其涉及一種利用超聲波治療肛瘺的控制系統(tǒng)。
背景技術(shù)：
肛管直腸瘺是肛管或直腸與肛周皮膚相通的肉芽腫性管道，主要侵犯肛管，很少涉及直腸，故常稱為肛瘺，內(nèi)口多位于齒狀線附近，外口位于肛周皮膚處。整個(gè)瘺管壁由增厚的纖維組織組成，內(nèi)復(fù)一層肉芽組織，經(jīng)久不愈。發(fā)病率僅次于痔，多見于男性青壯年，可能與男性的性激素靶器官之一皮脂腺分泌旺盛有關(guān)。肛瘺一旦形成，一般無自愈可能，手術(shù)治療便是惟一的治愈性手段。但近年來有人采用人工材料填充瘺管的辦法治療肛瘺，認(rèn)為療效較好而不須手術(shù)治療。手術(shù)的原則是將瘺管切開或切除，使其成為開放的創(chuàng)面而達(dá)到逐漸愈合的目的。治療中應(yīng)強(qiáng)調(diào)弄清內(nèi)口的部位及與外括約肌深部的關(guān)系，以避免損傷括約肌而致肛門失禁。常用的手術(shù)方式有以下幾種。1.瘺管切開術(shù)適用于單純性低位肛瘺，手術(shù)時(shí)用探針查清瘺管全程，循探針瘺管全部切開，刮去瘺管內(nèi)肉芽組織，使創(chuàng)面呈v形。創(chuàng)面內(nèi)填塞油紗布，2～3天后每天用1∶5000pp粉或熱水坐浴，創(chuàng)面清潔。在整個(gè)治療過程中，要注意保證切開創(chuàng)面的肉芽組織由基底部向淺表生長(zhǎng)，最后全部愈合，因此經(jīng)常性觀察創(chuàng)面和換藥就顯得很重要。術(shù)后2～3天局部使用生肌膏或生長(zhǎng)激素制劑換藥可加速創(chuàng)面的愈合。2.掛線療法適用于高位單純性或復(fù)雜性肛瘺。此法可避免括約肌一次切開斷裂收縮致術(shù)后肛門失禁，臨床上應(yīng)用廣泛，操作簡(jiǎn)便，可在門診施行。其缺點(diǎn)是術(shù)后復(fù)發(fā)率較高，這主要與術(shù)者探查分支及內(nèi)口部位不徹底有關(guān)。高位復(fù)雜性肛瘺可經(jīng)多次掛線使其變?yōu)閱渭冃愿丿?。手術(shù)方法：麻醉下先用探針從外口插入，順瘺管經(jīng)內(nèi)口穿出，在內(nèi)口端探針上縛一橡皮筋，然后將橡皮筋從內(nèi)口經(jīng)瘺管在外口引出。切開內(nèi)外口之間的皮膚，拉緊橡皮筋予以結(jié)扎。術(shù)后3～5天可再緊線一次。一般在術(shù)后2周內(nèi)橡皮筋脫落，留下敞開創(chuàng)面逐漸愈合，如2周后橡皮筋不脫落，此時(shí)可用剪刀將橡皮筋縛扎的組織剪斷。3.肛瘺切除術(shù)一般適用于低位單純性肛瘺，但近年來有許多學(xué)者將此法應(yīng)用于高位肛瘺及復(fù)雜性肛瘺。方法為一次性將全部瘺管切除，創(chuàng)面為健康的正常組織，并呈內(nèi)小外大狀態(tài)。較淺表的創(chuàng)面可作全層縫合，5天后拆線，多可一期愈合，較深的創(chuàng)面宜敞開。高位肛瘺作切除術(shù)時(shí)，宜分出外括約肌深部，需切斷者應(yīng)注意將其縫合重建。
綜上所述，現(xiàn)有技術(shù)存在的問題是：現(xiàn)有的治療肛瘺的方法存在依靠人工操作，精度較差，影響治療效果。
技術(shù)實(shí)現(xiàn)要素：
針對(duì)現(xiàn)有技術(shù)存在的問題，本發(fā)明提供了一種利用超聲波治療肛瘺的控制系統(tǒng)。
本發(fā)明是這樣實(shí)現(xiàn)的，一種利用超聲波治療肛瘺的控制系統(tǒng)，所述利用超聲波治療肛瘺的控制系統(tǒng)設(shè)置有：
噴片和噴頭座；
所述噴片的末端安裝有攝像頭；所述攝像頭的聯(lián)合稀疏表示字典d∈rjm×(j+1)n表示為：
其中j表示傳感器的數(shù)量，圖像的維度為m×n；冗余字典dc∈rm×n和dj∈rm×n分別是信號(hào)公共部分和專有部分的稀疏表示字典；
轉(zhuǎn)化為下式求解稀疏表示系數(shù)：
所述噴頭座上通過螺栓安裝有顯示屏；所述顯示屏使用k-均值算法得到均值μ和協(xié)方差σ，然后初始化變量，設(shè)置變量η＝1，精度λ＝(ησ)-1，v＝1，
像素的平均值的求解按下面公式進(jìn)行求解：
式中
所述攝像頭的圖像變換包括：
自動(dòng)確定灰度受限的閾值ll,lr以后，能夠最優(yōu)劃分圖像的低灰度區(qū)、過渡區(qū)、高灰度區(qū)三類像素，在此基礎(chǔ)上實(shí)施圖像變換；對(duì)于任意給定的像素x，計(jì)算像素x灰度值f(x)對(duì)于每個(gè)區(qū)域云模型的確定度，分別記作μl(x),μm(x),μr(x)；當(dāng)且僅當(dāng)μl(x)在μl(x),μm(x),μr(x)中取最大值時(shí)，像素x被劃分為低灰度的背景區(qū)域，設(shè)frc:x→{ll,...,lr}為變換后的圖像，變換后的圖像確定原則形式化如下公式：
所述顯示屏生成概率邊界圖的方法包括：
將圖像轉(zhuǎn)換到lab空間，構(gòu)建亮度l、顏色a、顏色b、紋理多個(gè)特征通道，然后采用梯度方法來表示圖像特征；所述梯度方法為：對(duì)圖像的每個(gè)像素點(diǎn)，構(gòu)建8個(gè)方向的半圓對(duì)掩膜，在每個(gè)半掩膜區(qū)域，使用直方圖對(duì)其中每個(gè)像素的亮度，顏色和紋理特征進(jìn)行統(tǒng)計(jì)，得到各類特征的統(tǒng)計(jì)分布，然后使用χ2距離計(jì)算中心像素點(diǎn)兩個(gè)半圓形區(qū)域的差異作為特征輸出；
獲得一個(gè)像素點(diǎn)的多特征表示后，pb算子采用二項(xiàng)logistic回歸模型對(duì)200幅訓(xùn)練圖像進(jìn)行統(tǒng)計(jì)學(xué)習(xí)，模型參數(shù)通過極大似然法進(jìn)行估計(jì)后，由該模型獲得圖像每一像素點(diǎn)屬于邊界的概率，生成概率邊界圖；
所述攝像頭與顯示屏有線連接。
所述顯示屏內(nèi)置檢測(cè)優(yōu)化模塊，該檢測(cè)優(yōu)化模塊用于：
將采集到的圖像建立圖像的顯著模型，所述建立圖像的顯著性模型包括：
利用預(yù)定過分割算法對(duì)所述圖像進(jìn)行過分割和模板參數(shù)提取，對(duì)整個(gè)輸入圖像，以8*8個(gè)像素為單元，計(jì)算每個(gè)單元的平均灰度值和每個(gè)單元的最大灰度值，得到至少一個(gè)區(qū)域，同一個(gè)所述區(qū)域中各個(gè)像素點(diǎn)的顏色值相同；
確定每個(gè)所述區(qū)域的顏色值和質(zhì)心；
根據(jù)各個(gè)區(qū)域所對(duì)應(yīng)的顏色值以及各個(gè)區(qū)域的質(zhì)心，建立所述顯著性模型；
所述顯著性模型為：
其中，si1為區(qū)域ri中任一像素點(diǎn)的顯著性值，w(rj)為區(qū)域rj中的像素點(diǎn)的個(gè)數(shù)，ds(ri,rj)用于表征所述區(qū)域ri和所述區(qū)域rj之間空間位置差異的度量值，dc(ri,rj)用于表征所述區(qū)域ri和所述區(qū)域rj之間顏色差異的度量值，n為對(duì)所述圖像進(jìn)行過分割后得到的區(qū)域的總個(gè)數(shù)，ds(ri,rj)為：
利用下列公式運(yùn)行pcnn模型：
fij[n]＝sij
lij[n]＝vlσwijklykl[n-1]
uij[n]＝fij[n](1+βlij[n])
iij[n]＝n-n
式中：uij[n]為內(nèi)部活動(dòng)項(xiàng)，yij[n]為pcnn脈沖輸出，iij[n]為索引值；
當(dāng)n＝1時(shí)，lij[1]＝0，則uij[1]＝fij[1]＝sij，θij[1]＝lt(n-1)＝sij_max，對(duì)應(yīng)的反饋輸入中值為sij_max的神經(jīng)元將自然點(diǎn)火；神經(jīng)元點(diǎn)火后，輸出yij[1]＝1，θij[2]變?yōu)関θ，點(diǎn)火神經(jīng)元的索引值標(biāo)記為iij＝n-1；
所述顯示屏的圖像去噪具體方法為：
步驟一、將含噪圖像f(x，y)進(jìn)行平穩(wěn)小波變換鄰域系數(shù)萎縮的圖像去噪，分別獲得子帶系數(shù)：低頻系數(shù)、水平細(xì)節(jié)系數(shù)、垂直細(xì)節(jié)系數(shù)和對(duì)角細(xì)節(jié)系數(shù)；
步驟二、對(duì)第一層的低頻系數(shù)利用pcnn進(jìn)行區(qū)域分割；
步驟三、將低頻系數(shù)保持不變，對(duì)各層的水平細(xì)節(jié)系數(shù)、垂直細(xì)節(jié)系數(shù)和對(duì)角細(xì)節(jié)系數(shù)分別進(jìn)行鄰域閾值處理；
步驟四、采用脈沖耦合神經(jīng)網(wǎng)絡(luò)對(duì)噪聲圖像進(jìn)行處理，得到熵序列en，將en作為邊緣檢測(cè)算子；
步驟五、進(jìn)行閾值尋優(yōu)，得到最優(yōu)去噪閾值k；
步驟六、根據(jù)求得的邊緣檢測(cè)算子en和最優(yōu)去噪閾值k，采用改進(jìn)的各向異性擴(kuò)散模型對(duì)圖像進(jìn)行去噪。
進(jìn)一步，所述噴頭座的端部安裝有噴片，噴片上設(shè)置有噴嘴。
進(jìn)一步，所述振動(dòng)片固定座與噴頭座固定在一起，超聲波振動(dòng)片安裝在振動(dòng)片固定座上，安裝在噴嘴后方。
進(jìn)一步，所述振動(dòng)片固定座下方設(shè)置有粉碎瓶，粉碎瓶頂端安裝有超聲波發(fā)生器。
進(jìn)一步，所述超聲波發(fā)生器設(shè)置有無線傳感器網(wǎng)絡(luò)，所述無線網(wǎng)絡(luò)傳感器網(wǎng)絡(luò)覆蓋的分布式方法具體包括以下步驟：
步驟一，節(jié)點(diǎn)si的鄰居，覆蓋的點(diǎn)位置，預(yù)設(shè)網(wǎng)絡(luò)壽命l，電池壽命bi，si的標(biāo)記類型upd，ii＝1；
步驟二，判斷是否ii＜l/l，若是，則直接進(jìn)行下一步，否，則標(biāo)記類型，標(biāo)記為lab的節(jié)點(diǎn)的最優(yōu)工作時(shí)間安排，然后結(jié)束；
步驟三，計(jì)算最大額外有效覆蓋時(shí)間和工作優(yōu)先度，并向鄰居廣播mes(i,null,upd,δpi)；
步驟四，判斷
本發(fā)明的優(yōu)點(diǎn)及積極效果為：使藥液通過噴片的噴嘴沖擊超聲波振動(dòng)片，產(chǎn)生了超聲波，超聲波的空化效應(yīng)使藥液中的細(xì)小顆粒進(jìn)一步被粉碎，通過粉碎瓶和超聲波發(fā)生器使得藥液中的顆粒又被粉碎，粉碎效果好，能耗低。設(shè)置有攝像頭和顯示屏，便于操作員及時(shí)了解治療效果和治療過程；不會(huì)造成肌肉神經(jīng)損傷而導(dǎo)致肛門變形，漏液漏氣和大便失禁，確保肛門全部功能，且可快速讓患者恢復(fù)正常生活，擺脫肛瘺手術(shù)給患者帶來的痛苦和難堪。本發(fā)明可實(shí)現(xiàn)一種完全自然肛瘺手術(shù)修復(fù)，且修復(fù)效果牢固，不會(huì)復(fù)發(fā)，患者在手術(shù)治療后立即得到解脫，還可避免終生不適和持續(xù)引流帶來的痛苦。
附圖說明
圖1是本發(fā)明實(shí)施例提供的利用超聲波治療肛瘺的控制系統(tǒng)結(jié)構(gòu)示意圖；
圖中：1、噴頭座；2、噴片；3、噴嘴；4、振動(dòng)片固定座；5、超聲波振動(dòng)片；6、粉碎瓶；7、超聲波發(fā)生器；8、攝像頭；9、顯示屏。
具體實(shí)施方式
為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
下面結(jié)合附圖對(duì)本發(fā)明的應(yīng)用原理作詳細(xì)的描述。
如圖1所示，本發(fā)明實(shí)施例提供的利用超聲波治療肛瘺的控制系統(tǒng)包括：噴頭座1、噴片2、噴嘴3、振動(dòng)片固定座4、超聲波振動(dòng)片5、粉碎瓶6、超聲波發(fā)生器7、攝像頭8、顯示屏9。
所述噴頭座1的端部安裝有噴片2，噴片2上設(shè)置有噴嘴3，振動(dòng)片固定座4與噴頭座1固定在一起，超聲波振動(dòng)片5安裝在振動(dòng)片固定座4上，安裝在噴嘴3后方，振動(dòng)片固定座4下方設(shè)置有粉碎瓶6，粉碎瓶6頂端安裝有超聲波發(fā)生器7。噴片2的末端安裝有攝像頭8，噴頭座1上通過螺栓安裝有顯示屏9，攝像頭8與顯示屏9有線連接。
所述的噴嘴3與所述超聲波振動(dòng)片5的間距為2～160毫米，所述超聲波振動(dòng)片5的振動(dòng)中心線與所述噴嘴3的中軸線在同一直線上。
所述噴片2和超聲波振動(dòng)片5的材料是金剛石或者立方氮化硼。
所述超聲波振動(dòng)片5的厚度為1-30毫米.
所述的粉碎瓶6上安裝有實(shí)時(shí)監(jiān)控裝置和通訊接口，實(shí)時(shí)監(jiān)控裝置包括樣品溫度監(jiān)控模塊、超聲振幅監(jiān)控模塊、超聲時(shí)間監(jiān)控模塊。
所述攝像頭的聯(lián)合稀疏表示字典d∈rjm×(j+1)n表示為：
其中j表示傳感器的數(shù)量，圖像的維度為m×n；冗余字典dc∈rm×n和dj∈rm×n分別是信號(hào)公共部分和專有部分的稀疏表示字典；
轉(zhuǎn)化為下式求解稀疏表示系數(shù)：
所述噴頭座上通過螺栓安裝有顯示屏；所述顯示屏使用k-均值算法得到均值μ和協(xié)方差σ，然后初始化變量，設(shè)置變量η＝1，精度λ＝(ησ)-1，v＝1，
像素的平均值的求解按下面公式進(jìn)行求解：
式中
所述攝像頭的圖像變換包括：
自動(dòng)確定灰度受限的閾值ll,lr以后，能夠最優(yōu)劃分圖像的低灰度區(qū)、過渡區(qū)、高灰度區(qū)三類像素，在此基礎(chǔ)上實(shí)施圖像變換；對(duì)于任意給定的像素x，計(jì)算像素x灰度值f(x)對(duì)于每個(gè)區(qū)域云模型的確定度，分別記作μl(x),μm(x),μr(x)；當(dāng)且僅當(dāng)μl(x)在μl(x),μm(x),μr(x)中取最大值時(shí)，像素x被劃分為低灰度的背景區(qū)域，設(shè)frc:x→{ll,...,lr}為變換后的圖像，變換后的圖像確定原則形式化如下公式：
所述顯示屏生成概率邊界圖的方法包括：
將圖像轉(zhuǎn)換到lab空間，構(gòu)建亮度l、顏色a、顏色b、紋理多個(gè)特征通道，然后采用梯度方法來表示圖像特征；所述梯度方法為：對(duì)圖像的每個(gè)像素點(diǎn)，構(gòu)建8個(gè)方向的半圓對(duì)掩膜，在每個(gè)半掩膜區(qū)域，使用直方圖對(duì)其中每個(gè)像素的亮度，顏色和紋理特征進(jìn)行統(tǒng)計(jì)，得到各類特征的統(tǒng)計(jì)分布，然后使用χ2距離計(jì)算中心像素點(diǎn)兩個(gè)半圓形區(qū)域的差異作為特征輸出；
獲得一個(gè)像素點(diǎn)的多特征表示后，pb算子采用二項(xiàng)logistic回歸模型對(duì)200幅訓(xùn)練圖像進(jìn)行統(tǒng)計(jì)學(xué)習(xí)，模型參數(shù)通過極大似然法進(jìn)行估計(jì)后，由該模型獲得圖像每一像素點(diǎn)屬于邊界的概率，生成概率邊界圖；
所述顯示屏內(nèi)置檢測(cè)優(yōu)化模塊，該檢測(cè)優(yōu)化模塊用于：
將采集到的圖像建立圖像的顯著模型，所述建立圖像的顯著性模型包括：
利用預(yù)定過分割算法對(duì)所述圖像進(jìn)行過分割和模板參數(shù)提取，對(duì)整個(gè)輸入圖像，以8*8個(gè)像素為單元，計(jì)算每個(gè)單元的平均灰度值和每個(gè)單元的最大灰度值，得到至少一個(gè)區(qū)域，同一個(gè)所述區(qū)域中各個(gè)像素點(diǎn)的顏色值相同；
確定每個(gè)所述區(qū)域的顏色值和質(zhì)心；
根據(jù)各個(gè)區(qū)域所對(duì)應(yīng)的顏色值以及各個(gè)區(qū)域的質(zhì)心，建立所述顯著性模型；
所述顯著性模型為：
其中，si1為區(qū)域ri中任一像素點(diǎn)的顯著性值，w(rj)為區(qū)域rj中的像素點(diǎn)的個(gè)數(shù)，ds(ri,rj)用于表征所述區(qū)域ri和所述區(qū)域rj之間空間位置差異的度量值，dc(ri,rj)用于表征所述區(qū)域ri和所述區(qū)域rj之間顏色差異的度量值，n為對(duì)所述圖像進(jìn)行過分割后得到的區(qū)域的總個(gè)數(shù)，ds(ri,rj)為：
利用下列公式運(yùn)行pcnn模型：
fij[n]＝sij
lij[n]＝vlσwijklykl[n-1]
uij[n]＝fij[n](1+βlij[n])
iij[n]＝n-n
式中：uij[n]為內(nèi)部活動(dòng)項(xiàng)，yij[n]為pcnn脈沖輸出，iij[n]為索引值；
當(dāng)n＝1時(shí)，lij[1]＝0，則uij[1]＝fij[1]＝sij，θij[1]＝lt(n-1)＝sij_max，對(duì)應(yīng)的反饋輸入中值為sij_max的神經(jīng)元將自然點(diǎn)火；神經(jīng)元點(diǎn)火后，輸出yij[1]＝1，θij[2]變?yōu)関θ，點(diǎn)火神經(jīng)元的索引值標(biāo)記為iij＝n-1；
所述顯示屏的圖像去噪具體方法為：
步驟一、將含噪圖像f(x，y)進(jìn)行平穩(wěn)小波變換鄰域系數(shù)萎縮的圖像去噪，分別獲得子帶系數(shù)：低頻系數(shù)、水平細(xì)節(jié)系數(shù)、垂直細(xì)節(jié)系數(shù)和對(duì)角細(xì)節(jié)系數(shù)；
步驟二、對(duì)第一層的低頻系數(shù)利用pcnn進(jìn)行區(qū)域分割；
步驟三、將低頻系數(shù)保持不變，對(duì)各層的水平細(xì)節(jié)系數(shù)、垂直細(xì)節(jié)系數(shù)和對(duì)角細(xì)節(jié)系數(shù)分別進(jìn)行鄰域閾值處理；
步驟四、采用脈沖耦合神經(jīng)網(wǎng)絡(luò)對(duì)噪聲圖像進(jìn)行處理，得到熵序列en，將en作為邊緣檢測(cè)算子；
步驟五、進(jìn)行閾值尋優(yōu)，得到最優(yōu)去噪閾值k；
步驟六、根據(jù)求得的邊緣檢測(cè)算子en和最優(yōu)去噪閾值k，采用改進(jìn)的各向異性擴(kuò)散模型對(duì)圖像進(jìn)行去噪。
所述超聲波發(fā)生器設(shè)置有無線傳感器網(wǎng)絡(luò)，所述無線網(wǎng)絡(luò)傳感器網(wǎng)絡(luò)覆蓋的分布式方法具體包括以下步驟：
步驟一，節(jié)點(diǎn)si的鄰居，覆蓋的點(diǎn)位置，預(yù)設(shè)網(wǎng)絡(luò)壽命l，電池壽命bi，si的標(biāo)記類型upd，ii＝1；
步驟二，判斷是否ii＜l/l，若是，則直接進(jìn)行下一步，否，則標(biāo)記類型，標(biāo)記為lab的節(jié)點(diǎn)的最優(yōu)工作時(shí)間安排，然后結(jié)束；
步驟三，計(jì)算最大額外有效覆蓋時(shí)間和工作優(yōu)先度，并向鄰居廣播mes(i,null,upd,δpi)；
步驟四，判斷
本發(fā)明使藥液通過噴片的噴嘴沖擊超聲波振動(dòng)片，產(chǎn)生了超聲波，超聲波的空化效應(yīng)使藥液中的細(xì)小顆粒被粉碎，通過粉碎瓶和超聲波發(fā)生器使得藥液中的顆粒又被進(jìn)一步粉碎，粉碎效果好，能耗低。
以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。