本发明涉及医疗，尤其涉及一种腹腔镜烟雾和起雾自动清除方法和系统。
背景技术：
2、在腹腔镜手术过程中，使用能量设备如电凝钩、超声刀等会产生大量的烟雾和起雾，这可能会对手术过程造成困扰。这些烟雾和起雾会阻碍手术视野，使得医生难以清晰地观察和操作。其中的烟雾主要由水蒸气及细胞碎片颗粒组成，颗粒中又包含有害化学成分如多环芳烃、丙烯腈、氰化物，以及血液、组织碎片、病毒、细胞等物质。
3、而传统的烟雾清除方法是由人工控制，即由助手打开戳卡的排气阀门，直接向手术室排气，并待手术视野清楚后再关闭阀门。人工控制主要依赖于操作人员的经验来控制，无法及时并有效地对烟雾进行清除，若排气过多，可导致腹腔压力过低，影响手术进程。烟雾在腹腔内可被腹膜吸收，放出室内时可被医务人员吸入，尤其是长期吸入可严重危害人体健康。
技术实现思路
1、为了克服上述现有技术中需要手动排烟，人工不能及时清除烟雾的缺点，本发明的主要目的在于提供一种腹腔镜烟雾自动清除方法和系统。
2、为达到上述目的，本发明采用以下技术方案，一种腹腔镜烟雾自动清除方法，包括：
3、获取腹腔镜烟雾和起雾图像，作为训练集和验证集，进行图像增强处理后生成虚拟烟雾和起雾图像；基于yolov5神经网络模型构建烟雾检测模型和起雾检测模型；
4、实时连续提取腹腔镜的有效图像区域，将有效图像区域按预设规则划分出多个图像待检测区域；
5、将多个待检测区域作为训练后烟雾检测模型和起雾检测模型的输入，获得多个图像待检测区域的预测置信度；根据多个图像待检测区域状态的预测置信度及预设阈值，确定多个图像待检测区域的烟雾和起雾结果；
6、根据烟雾和起雾图像构建对应的隐马尔科夫模型，通过训练集对隐马尔科夫模型进行训练，获得训练后的隐马尔科夫模型；
7、将多个图像待检测区域的烟雾和起雾结果输入训练后的隐马尔科夫模型，获得待检测区域的烟雾和起雾的分度结果；
8、根据设定的分度结果与吸出烟雾体积、送入气体的温度和体积之间的映射关系，通过分度结果控制吸出烟雾的体积，以及送入气体的温度和体积。
9、较佳地，根据烟雾和起雾图像构建对应的隐马尔科夫模型包括以下步骤：
10、将同一工况下的烟雾、起雾图像作为同一个隐马尔科夫模型；
11、对烟雾、起雾图像进行序列化采样，获得烟雾、起雾图像序列；
12、利用离散余弦变换对序列子图像进行特征提取；
13、将每一幅烟雾、起雾图像转化成一个隐马尔科夫模型的样本序列；
14、利用训练集对隐马尔科夫模型的参数进行训练，获得训练后的隐马尔科夫模型。
15、较佳地，获取腹腔镜烟雾图像并进行图像增强处理，生成虚拟烟雾和起雾图像包括以下步骤：
16、收集多种内容和多个角度的腹腔镜图像，作训练和测试数据集。
17、通过平移、剪裁、旋转、亮度增强和添加随机噪声对腹腔镜图像进行增强处理；
18、利用滤镜渲染和混合模式调整，对腹腔镜图像添加虚拟烟雾效果；利用高斯模糊算法生成模糊效果，模拟镜头起雾效果；进而获得虚拟烟雾和起雾图像。
19、较佳地，其中的yolov5神经网络模型包括骨干网络、特征金字塔网络和头部，其中，通过骨干网络提取特征，通过特征金字塔网络融合多尺度特征，最后通过头部部分完成目标检测任务；
20、较佳地，根据多个图像待检测区域状态的预测置信度及预设阈值确定多个图像待检测区域的烟雾和起雾结果，具体包括以下步骤：
21、对于每个图像待检测区域，使用经过训练的烟雾检测模型和起雾检测模型进行预测，从模型输出中提取烟雾和起雾的预测结果以及对应的置信度；
22、根据实际需求和性能评估以及烟雾和起雾的特性，以及对误检和漏检的容忍度，设定烟雾和起雾的预设阈值；
23、对于每个图像待检测区域，将烟雾和起雾的预测置信度与对应的预设阈值进行比较；其中，如果烟雾的预测置信度高于设定的阈值，则将该区域标记为存在烟雾；否则标记为无烟雾；如果起雾的预测置信度高于设定的阈值，则将该区域标记为存在起雾；否则标记为无起雾；
24、对每个图像待检测区域进行上述判断后，获得多个图像待检测区域的烟雾和起雾结果。
25、较佳地，还包括对烟雾检测模型和烟雾检测模型的更新，包括以下步骤：
26、采集腹腔镜烟雾和起雾图像，并进行标注，标记出图像中的烟雾和起雾区域；
27、对采集的数据进行预处理与图像增强处理后作为训练集，对烟雾检测模型和起雾检测模型进行训练；
28、基于yolov5神经网络架构，采用sgd训练算法，通过反向传播优化烟雾检测模型和起雾检测模型参数，获得更新后烟雾检测模型和起雾检测模型。
29、对实时的烟雾图像进行分级，获得烟雾分级结果，根据烟雾分级结果启动吸气泵的对应等级进行吸气，直至采集的烟雾图像清晰，吸气泵关闭；
30、对实时的起雾图像进行分级，获得起雾分级结果，根据起雾分级结果确认需要送入气体的温度，进而开启加温送气泵，直至采集的起雾图像清晰，关闭加温送气泵；
31、一种腹腔镜烟雾自动清除系统，包括：
32、采集显示屏，采集实时腹腔镜图像；
33、数据处理模块，对实时连续提取腹腔镜的有效图像区域进行划分，获得多个图像待检测区域；基于训练集，构建烟雾检测模型和起雾检测模型，将实时获取的烟雾和起雾图像划分为多个图像待检测区域并输入烟雾检测模型和起雾检测模型，获得多个图像待检测区域的烟雾和起雾结果；根据烟雾和起雾图像构建对应的隐马尔科夫模型，通过训练集对隐马尔科夫模型进行训练，获得训练后的隐马尔科夫模型；
34、控制模块，设定分度结果与吸出烟雾体积、送入气体的温度和体积之间的映射关系，通过待检测区域的烟雾分度结果控制通过循环气体排出烟雾的体积，根据烟雾分度结果控制通过循环气泵吸出烟雾体积以及送入气体的温度和体积。
35、与现有技术相比较，本发明的有益效果为：通过对获取的腹腔镜烟雾图像进行增强处理，如平移、剪裁、旋转、亮度增强和随机噪声的添加，可以提高图像的质量和清晰度，提高烟雾和起雾的模拟效果。基于图像增强处理后的腹腔镜图像，通过滤镜渲染、混合模式调整和高斯模糊算法，可以生成虚拟烟雾和起雾图像，模拟真实手术场景中的烟雾和起雾情况。构建的烟雾检测模型和起雾检测模型，可以对实时连续提取的腹腔镜图像中的烟雾和起雾进行准确检测，确定腹腔内腹腔镜的烟雾和起雾情况。根据分度依据对各区域进行分级，获得烟雾和起雾的分级结果，进一步根据烟雾分度结果控制吸气泵的体积，调整吸出烟雾的量；根据起雾分度结果控制气体加温器的温度和送气泵的体积，调整送入气体的温度和体积，也就是，可以根据构建的烟雾检测模型和起雾检测模型可自动识别腹腔镜手术过程中，不同程度的烟雾，起雾，并调节吸引速度，保持视野清晰；可自动识别由于镜头温度下降引起的镜头起雾，调节进气温度，自动除雾。