本披露内容涉及手术，并且更具体地涉及用于在手术中检测灌注的系统和方法。
背景技术：
1、手术部位处的充足灌注或血液供应对于提高术后更快且良好愈合的可能性非常重要。例如，在低位前切除(lar)手术中，良好吻合愈合的主要先决条件之一是确保有充足的灌注。灌注不良可能导致lar手术后出现症状性吻合口渗漏(al)。lar手术后的al与高发病率和高达39％的渗漏相关的死亡率相关联。
技术实现思路
1、本文详细描述的任何或所有方面和特征在一致的情况下可以与本文详细描述的任何或所有其他方面和特征结合使用。
2、根据本披露内容的各方面提供了一种用于检测灌注的手术系统。该手术系统包括计算设备和至少一个手术相机。该至少一个手术相机被配置为获得手术部位处的组织的图像数据，该图像数据包括第一图像数据和相对于该第一图像数据存在时间间隔的第二图像数据。该计算设备被配置为从该至少一个手术相机接收该图像数据，并且包括存储指令的非暂态计算机可读存储介质，这些指令被配置为使该计算设备：检测该第一图像数据与该第二图像数据之间的差异，基于该第一图像数据与该第二图像数据之间检测到的差异来确定该组织中的灌注水平，并且提供指示所确定的该组织中的灌注水平的输出。
3、在本披露内容的一方面，进一步使计算设备放大第一图像数据与第二图像数据之间的检测到的差异。在这些方面，可以基于第一图像数据与第二图像数据之间经放大的检测到的差异来确定组织中的灌注水平。
4、在本披露内容的另一方面，该至少一个手术相机包括第一手术相机和第二手术相机，使得图像数据是来自该第一手术相机和该第二手术相机的立体图像数据。
5、在本披露内容的又一方面，该手术系统进一步包括紫外光源，该紫外光源被配置为照射手术部位处的组织，使得图像数据包括紫外增强图像数据。
6、在本披露内容的又另一方面，图像数据是视频图像数据、红外图像数据、热图像数据或超声图像数据。
7、在本披露内容的再一方面，灌注水平由计算设备的机器学习算法确定。在这些方面，机器学习算法可以被配置为接收第一图像数据与第二图像数据之间检测到的差异，并且基于第一图像数据与第二图像数据之间检测到的差异来确定灌注水平。可替代地，在这些方面，机器学习算法可以被配置为接收第一图像数据和第二图像数据，检测第一图像数据与第二图像数据之间的差异，并且基于第一图像数据与第二图像数据之间检测到的差异来确定灌注水平。
8、在本披露内容的另一方面，指示所确定的组织中的灌注水平的输出包括显示器上的视觉指示器，该显示器被配置为显示手术部位的视频馈送。
9、在本披露内容的另一方面，指示所确定的组织中的灌注水平的输出包括显示器上的、在手术部位的视频馈送之上的视觉叠加。
10、根据本披露内容的各方面，一种用于在手术中检测灌注的方法包括：从至少一个手术相机获得手术部位处的组织的第一图像数据；从该至少一个手术相机获得该手术部位处的组织的第二图像数据，该第二图像数据相对于该第一图像数据存在时间间隔；检测该第一图像数据与该第二图像数据之间的差异；基于该第一图像数据与该第二图像数据之间检测到的差异来确定灌注水平；以及提供指示所确定的灌注水平的输出。
11、在本披露内容的一方面，该方法进一步包括在确定组织中的灌注水平之前放大第一图像数据与第二图像数据之间检测到的差异，使得组织中的灌注水平是基于第一图像数据与第二图像数据之间经放大的检测到的差异来确定的。
12、在本披露内容的另一方面，该至少一个手术相机包括第一手术相机和第二手术相机，使得获得第一图像数据和第二图像数据包括分别获得第一立体图像数据和第二立体图像数据。
13、在本披露内容的又一方面，该方法进一步包括用紫外光照射手术部位处的组织，使得第一图像数据是紫外增强图像数据并且第二图像数据是紫外增强图像数据。
14、在本披露内容的又另一方面，获得第一图像数据和第二图像数据中的每一个包括获得视频图像数据、红外图像数据、热图像数据或超声图像数据。
15、在本披露内容的再一方面，基于第一图像数据与第二图像数据之间检测到的差异来确定灌注水平包括实施机器学习算法。在这些方面，机器学习算法可以被配置为接收第一图像数据与第二图像数据之间检测到的差异，并且基于第一图像数据与第二图像数据之间检测到的差异来确定灌注水平。可替代地，在这些方面，机器学习算法可以被配置为接收第一图像数据和第二图像数据，检测第一图像数据与第二图像数据之间的差异，并且基于第一图像数据与第二图像数据之间检测到的差异来确定灌注水平。
16、在本披露内容的另一方面，提供指示所确定的组织中的灌注水平的输出包括在显示器上提供视觉指示器，该显示器被配置为显示手术部位的视频馈送。
17、在本披露内容的另一方面，提供指示所确定的组织中的灌注水平的输出包括在显示器上提供在手术部位的视频馈送之上的视觉叠加。
1.一种用于检测灌注的手术系统，该手术系统包括：
2.根据权利要求1所述的手术系统，其中，进一步使该计算设备放大该第一图像数据与该第二图像数据之间检测到的差异，并且其中，该组织中的灌注水平是基于该第一图像数据与该第二图像数据之间经放大的检测到的差异来确定的。
3.根据权利要求1所述的手术系统，其中，该至少一个手术相机包括第一手术相机和第二手术相机，并且其中，该图像数据是来自该第一手术相机和该第二手术相机的立体图像数据。
4.根据权利要求1所述的手术系统，进一步包括紫外光源，该紫外光源被配置为照射该手术部位处的组织，其中，该图像数据包括紫外增强图像数据。
5.根据权利要求1所述的手术系统，其中，该图像数据是视频图像数据、红外图像数据、热图像数据或超声图像数据。
6.根据权利要求1所述的手术系统，其中，该灌注水平由该计算设备的机器学习算法确定。
7.根据权利要求6所述的手术系统，其中，该机器学习算法被配置为接收该第一图像数据与该第二图像数据之间检测到的差异，并且基于该第一图像数据与该第二图像数据之间检测到的差异来确定该灌注水平。
8.根据权利要求6所述的手术系统，其中，该机器学习算法被配置为接收该第一图像数据和该第二图像数据，检测该第一图像数据与该第二图像数据之间的差异，并且基于该第一图像数据与该第二图像数据之间检测到的差异来确定该灌注水平。
9.根据权利要求1所述的手术系统，其中，指示所确定的该组织中的灌注水平的该输出包括显示器上的视觉指示器，该显示器被配置为显示该手术部位的视频馈送。
10.根据权利要求1所述的手术系统，其中，指示所确定的该组织中的灌注水平的该输出包括显示器上的、在该手术部位的视频馈送之上的视觉叠加。
11.一种用于在手术中检测灌注的方法，该方法包括：
12.根据权利要求11所述的方法，进一步包括在确定该组织中的灌注水平之前放大该第一图像数据与该第二图像数据之间检测到的差异，并且其中，该组织中的灌注水平是基于该第一图像数据与该第二图像数据之间经放大的检测到的差异来确定的。
13.根据权利要求11所述的方法，其中，获得该第一图像数据和该第二图像数据中的每一个包括分别从第一手术相机和第二手术相机获得该第一图像数据作为第一立体图像数据并且获得该第二图像数据作为第二立体图像数据。
14.根据权利要求11所述的方法，进一步包括用紫外光照射该手术部位处的组织，其中，该第一图像数据是紫外增强图像数据，并且其中，该第二图像数据是紫外增强图像数据。
15.根据权利要求11所述的方法，其中，获得该第一图像数据包括获得第一视频图像数据、第一红外图像数据、第一热图像数据或第一超声图像数据，并且其中，获得该第二图像数据包括获得第二视频图像数据、第二红外图像数据、第二热图像数据或第二超声图像数据。
16.根据权利要求11所述的方法，其中，基于该第一图像数据与该第二图像数据之间检测到的差异来确定该灌注水平包括实施机器学习算法。
17.根据权利要求16所述的方法，其中，该机器学习算法被配置为接收该第一图像数据与该第二图像数据之间检测到的差异，并且基于该第一图像数据与该第二图像数据之间检测到的差异来确定该灌注水平。
18.根据权利要求16所述的方法，其中，该机器学习算法被配置为接收该第一图像数据和该第二图像数据，检测该第一图像数据与该第二图像数据之间的差异，并且基于该第一图像数据与该第二图像数据之间检测到的差异来确定该灌注水平。
19.根据权利要求11所述的方法，其中，提供指示所确定的该组织中的灌注水平的该输出包括在显示器上提供视觉指示器，该显示器被配置为显示该手术部位的视频馈送。
20.根据权利要求11所述的方法，其中，提供指示所确定的该组织中的灌注水平的该输出包括在显示器上提供在该手术部位的视频馈送之上的视觉叠加。
