预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共18页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113951988A(43)申请公布日2022.01.21(21)申请号202111061476.2(22)申请日2021.09.10(71)申请人中国医学科学院北京协和医院地址100730北京市东城区王府井帅府园1号(72)发明人赵宇胡磊王丽李嘉浩耿宝多陈炳荣(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201代理人吴婷(51)Int.Cl.A61B17/32(2006.01)A61B17/16(2006.01)权利要求书2页说明书10页附图5页(54)发明名称超声骨刀的磨削方法、装置及磨削系统(57)摘要本发明公开了一种超声骨刀的磨削方法、装置及磨削系统,方法包括以下步骤:采集超声骨刀磨削椎板时在进给过程的X方向上产生的原始力信号,并对原始力信号进行小波降噪,得到目标力信号;识别目标力信号得到磨削力特征,并将磨削力特征输入至预设的骨质识别模型中,得到当前磨削层的骨质信息;根据骨质信息判断当前磨削层是否为椎板内层皮质骨,并在当前磨削层为椎板内层皮质骨时,控制超声骨刀停止磨削动作。该方法可以有效提升超声骨刀磨削的安全性及精准性,实时、精准、安全地完成椎板磨削任务。CN113951988ACN113951988A权利要求书1/2页1.一种超声骨刀的磨削方法,其特征在于,包括以下步骤:采集超声骨刀磨削椎板时在进给过程的X方向上产生的原始力信号,并对所述原始力信号进行小波降噪,得到目标力信号;识别所述目标力信号得到磨削力特征,并将所述磨削力特征输入至预设的骨质识别模型中,得到当前磨削层的骨质信息;以及根据所述骨质信息判断当前磨削层是否为椎板内层皮质骨,并在所述当前磨削层为椎板内层皮质骨时,控制所述超声骨刀停止磨削动作。2.根据权利要求1所述的方法,其特征在于,将所述磨削力特征输入至预设的骨质识别模型之前,还包括:采集训练阶段椎板磨削过程中的全部原始力信号,并对所述原始力信号进行小波降噪;从提取降噪后的信号中提取每层磨削层进给过程中的X方向上的磨削力信号,对每层磨削力信号对应磨削力的进行降序或升序排序;过滤小于第一阈值、且大于第二阈值的磨削力,计算剩余磨削力的平均磨削力,将所述平均磨削力作为该磨削层的磨削力特征,其中,所述第二阈值大于所述第一阈值;基于磨削力特征进行模型训练得到所述预设的骨质识别模型。3.根据权利要求1或2所述的方法,其特征在于,所述对所述原始力信号进行小波降噪,得到目标力信号,包括:对所述原始力信号进行多层小波分解,得到混合信号;将所述混合信号中每一个元素的绝对值由大到小进行排序,并将各个元素的绝对值取平方,得到新元素序列;计算所述新元素序列中所有元素的风险特征,并由所有元素的风险特征生成风险曲线;根据所述风险曲线确定最小风险点对应的风险值,并将所述风险值代入阈值公式,计算所述滤波阈值;利用软阈值函数对所述混合信号中频率大于所述滤波阈值的信号进行噪声过滤,并对噪声过滤后的混合信号进行重构,得到频段在预设频率范围内的目标力信号。4.根据权利要求2所述的方法,其特征在于,基于磨削力特征进行模型训练完成之后,还包括:采集训练阶段每层磨削层对应的磨削速度、磨削深度和超声刀功率;将每层磨削层对应的所述磨削力特征、所述磨削速度、所述磨削深度和所述超声刀功率进行归一化处理,根据归一化处理后的数据优化所述预设的骨质识别模型。5.根据权利要求4所述的方法,其特征在于,将所述磨削力特征输入至预设的骨质识别模型,得到当前磨削层的骨质信息,包括:采集超声骨刀磨削椎板时的当前磨削速度、当前磨削深度和当前超声骨刀功率;将所述磨削力特征、所述当前磨削速度、所述当前磨削深度和所述当前超声骨刀功率输入至预设的骨质识别模型中,得到当前磨削层的骨质信息。6.一种超声骨刀的磨削装置,其特征在于,包括:降噪模块,用于采集超声骨刀磨削椎板时在进给过程的X方向上产生的原始力信号,并2CN113951988A权利要求书2/2页对所述原始力信号进行小波降噪,得到目标力信号;识别模块,用于识别所述目标力信号得到磨削力特征,并将所述磨削力特征输入至预设的骨质识别模型中,得到当前磨削层的骨质信息;以及控制模块,用于根据所述骨质信息判断当前磨削层是否为椎板内层皮质骨,并在所述当前磨削层为椎板内层皮质骨时,控制所述超声骨刀停止磨削动作。7.根据权利要求6所述的装置,其特征在于,还包括:训练模块,用于将所述磨削力特征输入至预设的骨质识别模型之前,采集训练阶段椎板磨削过程中的全部原始力信号,并对所述原始力信号进行小波降噪;从提取降噪后的信号中提取每层磨削层进给过程中的X方向上的磨削力信号,对每层磨削力信号对应磨削力的进行降序或升序排序;过滤小于第一阈值、且大于第二阈值的磨削力,计算剩余