本發(fā)明涉及生物醫(yī)療工程，具體為自驅(qū)動(dòng)微型機(jī)器人用于肝臟腫瘤靶向治療及實(shí)時(shí)監(jiān)測(cè)系統(tǒng)。

背景技術(shù)：

1、傳統(tǒng)的肝臟腫瘤治療方法主要包括手術(shù)切除、化療和放療等。手術(shù)切除對(duì)于早期腫瘤且患者身體狀況允許的情況下可能是有效的，但對(duì)于中晚期腫瘤，尤其是腫瘤位置靠近重要血管或組織，或者已經(jīng)發(fā)生轉(zhuǎn)移的情況，手術(shù)難度和風(fēng)險(xiǎn)極大，難以完全切除腫瘤組織，且術(shù)后復(fù)發(fā)率較高，化療通過(guò)使用化學(xué)藥物抑制腫瘤細(xì)胞生長(zhǎng)，但由于藥物缺乏特異性靶向性，在殺傷腫瘤細(xì)胞的同時(shí)也會(huì)對(duì)正常肝臟細(xì)胞以及身體其他器官造成嚴(yán)重的毒副作用。

2、根據(jù)中國(guó)專利號(hào)為cn113140275b的一種肝癌靶向治療療效的監(jiān)測(cè)系統(tǒng)及方法，將同一患者各個(gè)治療階段的所有監(jiān)測(cè)信息進(jìn)行動(dòng)態(tài)關(guān)聯(lián)和比較形成歷史展示界面，采集患者行為習(xí)慣信息和后續(xù)靶向治療預(yù)設(shè)方案加入到歷史展示界面，得到當(dāng)前展示界面；當(dāng)前展示界面包括腫瘤三維變化趨勢(shì)圖和各項(xiàng)關(guān)鍵參數(shù)變化趨勢(shì)線；根據(jù)腫瘤三維變化趨勢(shì)圖和各項(xiàng)關(guān)鍵參數(shù)變化趨勢(shì)線得到療效評(píng)估結(jié)果。本發(fā)明有效解決了現(xiàn)在僅憑醫(yī)生經(jīng)驗(yàn)評(píng)估肝癌靶向治療療效的問(wèn)題，能夠同時(shí)給醫(yī)患直觀展示肝癌靶向治療療效。

3、目前，隨著微納米技術(shù)、生物醫(yī)學(xué)工程以及人工智能等多學(xué)科領(lǐng)域的快速發(fā)展，自驅(qū)動(dòng)微型機(jī)器人在生物醫(yī)學(xué)領(lǐng)域的應(yīng)用研究逐漸興起并成為一個(gè)極具潛力的研究方向，自驅(qū)動(dòng)微型機(jī)器人具有微小尺寸的優(yōu)勢(shì)，能夠在人體復(fù)雜的生理環(huán)境中，如血管、組織間隙等進(jìn)行自主運(yùn)動(dòng)，有望實(shí)現(xiàn)對(duì)疾病的精準(zhǔn)診斷和治療。然而，目前現(xiàn)有的自驅(qū)動(dòng)微型機(jī)器人技術(shù)在肝臟腫瘤治療應(yīng)用方面仍存在以下問(wèn)題：

4、1、在導(dǎo)航與定位方面，傳統(tǒng)的微型機(jī)器人導(dǎo)航算法難以應(yīng)對(duì)肝臟內(nèi)部復(fù)雜多變的環(huán)境，肝臟血管網(wǎng)絡(luò)錯(cuò)綜復(fù)雜，血管壁具有彈性變形，組織密度不均勻，血液流動(dòng)存在波動(dòng)性等因素，這些不確定因素使得機(jī)器人在肝臟內(nèi)的精確導(dǎo)航面臨巨大挑戰(zhàn)，一些基于簡(jiǎn)單路徑規(guī)劃算法的微型機(jī)器人在肝臟血管中航行時(shí)，由于不能及時(shí)根據(jù)血管的動(dòng)態(tài)變化調(diào)整路徑，可能會(huì)陷入局部血管狹窄區(qū)域或誤判腫瘤位置，從而無(wú)法有效地將藥物遞送到腫瘤部位。

5、2、在藥物遞送方面，傳統(tǒng)的藥物遞送方式缺乏精準(zhǔn)性和智能性，藥物的釋放劑量和速率通常是按照固定的方案進(jìn)行設(shè)置，沒(méi)有充分考慮腫瘤的個(gè)體差異、實(shí)時(shí)狀態(tài)以及肝臟內(nèi)部微環(huán)境的變化，這就導(dǎo)致藥物在腫瘤部位的濃度可能不足，無(wú)法達(dá)到預(yù)期的治療效果，或者藥物在正常肝臟組織中的濃度過(guò)高，加重了毒副作用。

6、3、在腫瘤監(jiān)測(cè)與評(píng)估方面，現(xiàn)有的技術(shù)手段存在一定的局限性，單一模態(tài)的影像技術(shù)（如ct、mri或超聲）只能提供關(guān)于腫瘤的部分信息，無(wú)法全面準(zhǔn)確地反映腫瘤的狀態(tài)，例如超聲成像雖然具有實(shí)時(shí)性好、成本低等優(yōu)點(diǎn)，但圖像分辨率相對(duì)較低，對(duì)于腫瘤內(nèi)部的細(xì)微結(jié)構(gòu)和病變特征顯示不夠清晰；ct和mri雖然能夠提供高分辨率的圖像，但對(duì)于腫瘤的功能信息（如腫瘤細(xì)胞的活性、代謝狀態(tài)等）檢測(cè)能力有限。

7、4、在數(shù)據(jù)融合與決策方面，傳統(tǒng)的數(shù)據(jù)融合方法難以高效整合來(lái)自不同傳感器的數(shù)據(jù)，并且缺乏實(shí)時(shí)自學(xué)習(xí)能力，在融合肝臟腫瘤的超聲影像數(shù)據(jù)和電化學(xué)傳感器檢測(cè)的腫瘤標(biāo)志物濃度數(shù)據(jù)時(shí)，由于數(shù)據(jù)的維度和分布差異，一些傳統(tǒng)的數(shù)據(jù)融合算法無(wú)法有效地去除噪聲干擾，提取出有價(jià)值的信息，從而影響了腫瘤的診斷和治療精度。

8、所以需要自驅(qū)動(dòng)微型機(jī)器人用于肝臟腫瘤靶向治療及實(shí)時(shí)監(jiān)測(cè)系統(tǒng)來(lái)解決上述問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、解決的技術(shù)問(wèn)題

2、針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了自驅(qū)動(dòng)微型機(jī)器人用于肝臟腫瘤靶向治療及實(shí)時(shí)監(jiān)測(cè)系統(tǒng)，解決了以上背景技術(shù)中的問(wèn)題。

3、技術(shù)方案

4、為實(shí)現(xiàn)以上目的，本發(fā)明通過(guò)以下技術(shù)方案予以實(shí)現(xiàn)：自驅(qū)動(dòng)微型機(jī)器人用于肝臟腫瘤靶向治療及實(shí)時(shí)監(jiān)測(cè)系統(tǒng)，包括監(jiān)測(cè)主系統(tǒng)，所述監(jiān)測(cè)主系統(tǒng)中包含自驅(qū)動(dòng)導(dǎo)航與定位模塊、智能藥物遞送模塊、腫瘤監(jiān)測(cè)與狀態(tài)評(píng)估模塊、多模態(tài)數(shù)據(jù)融合模塊、實(shí)時(shí)自學(xué)習(xí)決策模塊和高級(jí)分子模擬與藥物優(yōu)化模塊、安全通信模塊、電網(wǎng)環(huán)境適應(yīng)模塊和故障檢測(cè)與恢復(fù)模塊，其中：

5、所述自驅(qū)動(dòng)導(dǎo)航與定位模塊包括量子遺傳算法、模糊約束優(yōu)化算法和自適應(yīng)模擬退火算法，用于實(shí)現(xiàn)機(jī)器人在肝臟內(nèi)復(fù)雜環(huán)境中的精確導(dǎo)航與避障；

6、所述智能藥物遞送模塊包括基于lévy飛行的自適應(yīng)粒子群優(yōu)化算法、非線性反饋神經(jīng)網(wǎng)絡(luò)和多體動(dòng)力學(xué)仿真算法，用于優(yōu)化藥物釋放的劑量與策略；

7、所述腫瘤監(jiān)測(cè)與狀態(tài)評(píng)估模塊包括貝葉斯深度卷積生成對(duì)抗網(wǎng)絡(luò)、變分推理算法和邊緣檢測(cè)與特征融合算法，用于腫瘤圖像的合成、修復(fù)、增強(qiáng)和實(shí)時(shí)評(píng)估；

8、所述多模態(tài)數(shù)據(jù)融合模塊包括自適應(yīng)密度聚類(lèi)算法、強(qiáng)化學(xué)習(xí)與圖卷積網(wǎng)絡(luò)和模擬退火與多粒度卷積網(wǎng)絡(luò)，用于高效融合不同傳感器的數(shù)據(jù)，提高腫瘤的診斷和治療精度；

9、所述實(shí)時(shí)自學(xué)習(xí)決策模塊包括多重分形分析算法、深度圖網(wǎng)絡(luò)強(qiáng)化學(xué)習(xí)和時(shí)序生成對(duì)抗網(wǎng)絡(luò)，用于實(shí)時(shí)優(yōu)化治療決策；

10、所述高級(jí)分子模擬與藥物優(yōu)化模塊包括量子粒子群優(yōu)化算法、動(dòng)力學(xué)馬爾可夫決策過(guò)程和分子動(dòng)力學(xué)模擬算法，用于藥物分子的設(shè)計(jì)和遞送路徑的優(yōu)化。

11、優(yōu)選的，所述自驅(qū)動(dòng)導(dǎo)航與定位模塊中的量子遺傳算法（qga）通過(guò)量子計(jì)算加速路徑搜索，提高導(dǎo)航路徑規(guī)劃的精確度和效率，所述量子遺傳算法基于量子比特的疊加態(tài)與糾纏特性進(jìn)行編碼操作，在路徑規(guī)劃過(guò)程中，將肝臟內(nèi)部環(huán)境抽象為三維空間網(wǎng)絡(luò)，其中節(jié)點(diǎn)代表血管分支點(diǎn)和組織間隙關(guān)鍵點(diǎn)，邊表示節(jié)點(diǎn)之間的可通行路徑，所述量子遺傳算法qga通過(guò)量子旋轉(zhuǎn)門(mén)操作對(duì)染色體進(jìn)行更新，在每一代進(jìn)化中，利用量子態(tài)的并行性同時(shí)探索多組路徑組合，所述模糊約束優(yōu)化算法通過(guò)模糊集理論對(duì)不確定因素進(jìn)行建模，其中不確定因素包含血管壁的彈性變形、組織密度的不均勻性以及血液流動(dòng)的波動(dòng)性，在應(yīng)用過(guò)程中將血管壁的彈性變形、組織密度的不均勻性以及血液流動(dòng)的波動(dòng)性分別定義為模糊變量，構(gòu)建模糊約束條件，在路徑規(guī)劃時(shí)，以機(jī)器人的運(yùn)動(dòng)學(xué)可行性、與血管壁及周?chē)M織的安全距離、到達(dá)腫瘤的預(yù)計(jì)時(shí)間為優(yōu)化目標(biāo)，利用模糊隸屬度函數(shù)對(duì)每個(gè)約束條件的滿足程度進(jìn)行量化評(píng)估，當(dāng)機(jī)器人在血管中航行時(shí)，根據(jù)傳感器實(shí)時(shí)反饋的信息，動(dòng)態(tài)調(diào)整路徑規(guī)劃策略，確保機(jī)器人在復(fù)雜且不確定的肝臟環(huán)境中安全、準(zhǔn)確地導(dǎo)航，避免與血管壁或其他重要組織發(fā)生碰撞。

12、優(yōu)選的，所述智能藥物遞送模塊中的lévy飛行自適應(yīng)粒子群優(yōu)化算法（lpso）用于加速搜索藥物釋放的最優(yōu)劑量和速率，提升藥物的治療效果，所述lévy飛行自適應(yīng)粒子群優(yōu)化算法賦予粒子群在搜索空間中進(jìn)行長(zhǎng)距離跳躍的能力，突破傳統(tǒng)粒子群優(yōu)化算法易陷入局部最優(yōu)的局限，在藥物遞送時(shí)，lévy飛行自適應(yīng)粒子群優(yōu)化算法根據(jù)藥物在肝臟組織中的擴(kuò)散模型、腫瘤細(xì)胞對(duì)藥物的攝取速率以及藥物的代謝動(dòng)力學(xué)三種因素，以機(jī)器人攜帶藥物的釋放劑量和速率作為優(yōu)化目標(biāo)，在使用時(shí)通過(guò)模擬藥物分子在肝臟血管和組織間隙中的擴(kuò)散過(guò)程，lévy飛行自適應(yīng)粒子群優(yōu)化算法快速搜索腫瘤大小、位置和病理狀態(tài)下的最優(yōu)藥物釋放策略，加速搜索藥物釋放的最優(yōu)劑量和速率，提升藥物的治療效果，同時(shí)減少對(duì)正常肝臟組織的毒副作用。

13、優(yōu)選的，所述腫瘤監(jiān)測(cè)與狀態(tài)評(píng)估模塊中的貝葉斯深度卷積生成對(duì)抗網(wǎng)絡(luò)（bd-cgan）用于生成接近真實(shí)的腫瘤圖像，增強(qiáng)影像質(zhì)量并減少干擾因素，所述貝葉斯深度卷積生成對(duì)抗網(wǎng)絡(luò)由生成器和判別器兩部分組成，所述生成器基于深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，利用貝葉斯推理對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行不確定性建模，在訓(xùn)練過(guò)程中，生成器接收隨機(jī)噪聲向量作為輸入，嘗試生成接近真實(shí)的腫瘤圖像，所述判別器則對(duì)生成圖像和真實(shí)腫瘤圖像進(jìn)行區(qū)分判斷，通過(guò)兩者的對(duì)抗訓(xùn)練，不斷提高生成器生成圖像的質(zhì)量，在實(shí)際操作中，在肝臟腫瘤的超聲圖像監(jiān)測(cè)中，貝葉斯深度卷積生成對(duì)抗網(wǎng)絡(luò)利用的高質(zhì)量超聲圖像樣本進(jìn)行訓(xùn)練。

14、優(yōu)選的，所述多模態(tài)數(shù)據(jù)融合模塊中的強(qiáng)化學(xué)習(xí)與圖卷積網(wǎng)絡(luò)（rl-gcn）根據(jù)不同傳感器數(shù)據(jù)的空間關(guān)系進(jìn)行自適應(yīng)調(diào)整，以提高數(shù)據(jù)融合的準(zhǔn)確性，所述自適應(yīng)密度聚類(lèi)算法對(duì)來(lái)自超聲傳感器、光學(xué)傳感器、電化學(xué)傳感器的數(shù)據(jù)進(jìn)行局部密度變化識(shí)別，確定聚類(lèi)中心，在實(shí)際操作中融合肝臟腫瘤的超聲影像數(shù)據(jù)和電化學(xué)傳感器檢測(cè)的腫瘤標(biāo)志物濃度數(shù)據(jù)時(shí)，首先分析每個(gè)數(shù)據(jù)點(diǎn)周?chē)木植棵芏?，將密度高且相互連接的數(shù)據(jù)點(diǎn)劃分為一個(gè)聚類(lèi)，對(duì)于密度低的孤立點(diǎn)以及噪聲數(shù)據(jù)，通過(guò)自適應(yīng)調(diào)整聚類(lèi)參數(shù)，將其分配到最近的聚類(lèi)也可以標(biāo)記為異常數(shù)據(jù)，這樣可以有效地整合不同模態(tài)數(shù)據(jù)中的有效信息，去除噪聲干擾，提高數(shù)據(jù)融合的準(zhǔn)確性和可靠性。

15、優(yōu)選的，所述實(shí)時(shí)自學(xué)習(xí)決策模塊中的時(shí)序生成對(duì)抗網(wǎng)絡(luò)（tgan）通過(guò)預(yù)測(cè)腫瘤的未來(lái)演化情況，動(dòng)態(tài)調(diào)整治療方案，對(duì)肝臟腫瘤的發(fā)展過(guò)程進(jìn)行建模和預(yù)測(cè)，根據(jù)患者過(guò)去一個(gè)月的腫瘤標(biāo)志物變化曲線和超聲圖像序列，預(yù)測(cè)未來(lái)一周腫瘤的大小變化以及是否會(huì)發(fā)生轉(zhuǎn)移的情況。

16、優(yōu)選的，所述高級(jí)分子模擬與藥物優(yōu)化模塊中的量子粒子群優(yōu)化算法（qpso）通過(guò)量子計(jì)算優(yōu)化藥物分子的設(shè)計(jì)，提升藥物的靶向性和治療效果，所述高級(jí)分子模擬與藥物優(yōu)化模塊結(jié)合量子計(jì)算的特性與粒子群優(yōu)化算法，在藥物分子設(shè)計(jì)方面，利用量子比特編碼藥物分子的結(jié)構(gòu)特征和化學(xué)性質(zhì)，其中包含分子的鍵長(zhǎng)、鍵角以及電荷分布，通過(guò)量子門(mén)操作和粒子群的信息共享機(jī)制，在化學(xué)空間中搜索具有最佳靶向性和活性的藥物分子結(jié)構(gòu)，針對(duì)肝臟腫瘤細(xì)胞表面的特定受體，量子粒子群優(yōu)化算法算法可以優(yōu)化設(shè)計(jì)與之高親和力結(jié)合的藥物分子結(jié)構(gòu)，提高藥物的靶向性，同時(shí)考慮藥物分子的代謝穩(wěn)定性和毒性，優(yōu)化藥物分子的整體性能，提升藥物的治療效果。

17、優(yōu)選的，所述安全通信模塊，采用高級(jí)加密標(biāo)準(zhǔn)（aes）加密算法和橢圓曲線密碼學(xué)（ecc），對(duì)機(jī)器人與外部監(jiān)控設(shè)備之間傳輸?shù)臄?shù)據(jù)進(jìn)行加密處理，確保數(shù)據(jù)在傳輸過(guò)程中的保密性，防止患者的隱私信息以及治療監(jiān)測(cè)數(shù)據(jù)被竊取，同時(shí)運(yùn)用消息認(rèn)證碼（mac）技術(shù)對(duì)數(shù)據(jù)進(jìn)行完整性驗(yàn)證，在每次數(shù)據(jù)傳輸時(shí)，發(fā)送方使用密鑰生成消息認(rèn)證碼并附加在數(shù)據(jù)后面，接收方使用相同的密鑰對(duì)接收的數(shù)據(jù)進(jìn)行驗(yàn)證，若消息認(rèn)證碼不匹配，則表明數(shù)據(jù)可能被篡改，接收方將拒絕接收該數(shù)據(jù)并通知發(fā)送方重新發(fā)送，保障數(shù)據(jù)的完整性和可靠性，確保整個(gè)治療監(jiān)測(cè)過(guò)程的安全穩(wěn)定運(yùn)行。

18、優(yōu)選的，所述電網(wǎng)環(huán)境適應(yīng)模塊配備電壓調(diào)節(jié)裝置，實(shí)時(shí)監(jiān)測(cè)電網(wǎng)電壓的波動(dòng)情況，當(dāng)電網(wǎng)電壓高于閾值以及低于閾值，通過(guò)自動(dòng)變壓器將電壓調(diào)整到機(jī)器人正常運(yùn)行所需的范圍內(nèi)。

19、優(yōu)選的，所述故障檢測(cè)與恢復(fù)模塊，實(shí)時(shí)監(jiān)控系統(tǒng)運(yùn)行狀態(tài)，檢測(cè)潛在故障，并在故障發(fā)生時(shí)自動(dòng)恢復(fù)系統(tǒng)功能。

20、有益效果

21、本發(fā)明提供了自驅(qū)動(dòng)微型機(jī)器人用于肝臟腫瘤靶向治療及實(shí)時(shí)監(jiān)測(cè)系統(tǒng)。具備以下有益效果：

22、1、本發(fā)明自驅(qū)動(dòng)導(dǎo)航與定位模塊采用量子遺傳算法、模糊約束優(yōu)化算法和自適應(yīng)模擬退火算法相結(jié)合的方式，顯著提升了機(jī)器人在肝臟內(nèi)復(fù)雜環(huán)境中的導(dǎo)航精準(zhǔn)度與定位效率，量子遺傳算法借助量子計(jì)算的強(qiáng)大并行性，能夠快速探索眾多潛在路徑組合，極大地縮短了路徑規(guī)劃時(shí)間，同時(shí)提高了路徑規(guī)劃的準(zhǔn)確性，模糊約束優(yōu)化算法通過(guò)對(duì)血管壁彈性變形、組織密度不均勻性以及血液流動(dòng)波動(dòng)性等不確定因素進(jìn)行精確建模與有效處理，使機(jī)器人在航行過(guò)程中可根據(jù)實(shí)時(shí)采集的環(huán)境信息動(dòng)態(tài)調(diào)整路徑，有效避免了陷入局部血管狹窄區(qū)域或誤判腫瘤位置的情況發(fā)生。

23、2、本發(fā)明中的智能藥物遞送模塊集成了基于lévy飛行的自適應(yīng)粒子群優(yōu)化算法、非線性反饋神經(jīng)網(wǎng)絡(luò)和多體動(dòng)力學(xué)仿真算法，實(shí)現(xiàn)了藥物釋放劑量與策略的智能化精準(zhǔn)調(diào)控，基于lévy飛行的自適應(yīng)粒子群優(yōu)化算法突破了傳統(tǒng)算法易陷入局部最優(yōu)的局限，能夠根據(jù)腫瘤的大小、位置、病理狀態(tài)以及肝臟組織微環(huán)境信息，快速搜索到最優(yōu)的藥物釋放劑量和速率組合，有效提高了藥物在腫瘤部位的濃度積累，增強(qiáng)了治療效果，非線性反饋神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)接收機(jī)器人傳感器采集的腫瘤微環(huán)境信息和藥物濃度信息，通過(guò)復(fù)雜的特征提取和映射，準(zhǔn)確預(yù)測(cè)不同藥物釋放策略下腫瘤細(xì)胞的凋亡率和腫瘤體積的變化趨勢(shì)。

24、3、本發(fā)明中腫瘤監(jiān)測(cè)與狀態(tài)評(píng)估模塊利用貝葉斯深度卷積生成對(duì)抗網(wǎng)絡(luò)、變分推理算法和邊緣檢測(cè)與特征融合算法，有效解決了現(xiàn)有腫瘤監(jiān)測(cè)技術(shù)存在的諸多問(wèn)題，實(shí)現(xiàn)了對(duì)腫瘤圖像的高質(zhì)量合成、修復(fù)、增強(qiáng)以及全面準(zhǔn)確的實(shí)時(shí)評(píng)估，貝葉斯深度卷積生成對(duì)抗網(wǎng)絡(luò)通過(guò)深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與貝葉斯推理相結(jié)合的創(chuàng)新方式，僅需少量高質(zhì)量超聲圖像樣本即可訓(xùn)練生成大量接近真實(shí)且細(xì)節(jié)豐富的腫瘤圖像，顯著增強(qiáng)了超聲影像質(zhì)量，有效減少了噪聲、偽影等干擾因素，為醫(yī)生提供了更清晰、準(zhǔn)確的腫瘤圖像信息。

25、4、本方面多模態(tài)數(shù)據(jù)融合模塊中的自適應(yīng)密度聚類(lèi)算法、強(qiáng)化學(xué)習(xí)與圖卷積網(wǎng)絡(luò)和模擬退火與多粒度卷積網(wǎng)絡(luò)協(xié)同工作，實(shí)現(xiàn)了不同傳感器數(shù)據(jù)的高效融合，顯著提高了腫瘤的診斷和治療精度，并為實(shí)時(shí)自學(xué)習(xí)決策提供了可靠的數(shù)據(jù)支持。