身体内练习的自动性能评估
Liran Halperin1, Gideon Sroka2, Ido Zuckerman3
1Faculty of Data and Decision Sciences, Technion - Israel Institute of Technology, 3200003, Haifa, Israel. liranhal@campus.technion.ac.il.
概括
这项研究引入了使用深度学习进行腹腔镜外科训练的自动反. 该系统为结练习提供客观的绩效指标,使外科住院医生能够独立练习和提高技能.
科学领域:
- 医学教育 医学教育
- 手术模拟器手术模拟器
- 人工智能在医学中的应用
背景情况:
- 腹腔镜手术需要大量的练习才能获得技能.
- 自动反系统可以提高外科训练效率.
- laparoscopic手术基础 (fls) 模拟器提供了一个安全的培训环境.
研究的目的:
- 开发和验证深度学习算法,用于腹腔镜内体结结的自动性能反.
- 创建客观指标来评估外科住院医生在练习期间的表现.
- 为外科实习生提供独立,无专家执业的机会.
主要方法:
- 使用了深度学习算法 (对象检测,图像分类,语义细分).
- 从五名住院医生和五名高级外科医生那里收集了绩效统计数据.
- 定义了新的指标,重点关注针头处理和 suture插入期间的排水运动.
主要成果:
- 人类评估和算法衍生的指标之间观察到高度一致.
- 在一项关键指标上,高级外科医生和住院医生的表现有统计学上显著的差异.
- 该系统证明了可靠的自动反生成.
结论:
- 在腹腔镜练习中成功开发了一种用于自动化绩效反的新系统.
- 该系统提供了有价值的客观指标,以指导外科住院医生的实践.
- 这项技术促进了腹腔镜外科手术的独立学习和技能改进.
