使用机器学习手部检测的微血管解剖模拟过程中运动的量化

科学领域:

• 神经外科 神经外科
• 微手术 微手术是一种微手术.
• 医疗模拟 医疗模拟
• 机器学习 机器学习
• 数据科学数据科学数据科学

背景情况:

• 微解剖是神经外科医生关键和复杂的微手术技能.
• 需要目标绩效评估工具来评估和提高技术能力.

研究的目的:

• 开发和实施基于机器学习的手动运动探测器,用于评估微解模拟中的性能.
• 在模拟过程中量化运动经济,振幅和流量.

主要方法:

• 一个机器学习模型在没有物理传感器的情况下跟踪了21个手指地标.
• 使用显微镜和外部摄像头记录了模拟的微解术程序.
• 时间序列分析量化了运动参数,比较了六名不同专业知识的操作员.

主要成果:

• 探测器实现了高跟踪精度,数据损失最小.
• 与非专家相比,专家表现出明显更大的运动经济性和更少的咬伤.
• 专家操作员在模拟解剖时的延迟时间明显较短.

结论:

• 基于机器学习的手部运动检测有效地识别了微解剖体中的粗细运动.
• 运动参数的定量分析为技术专业知识提供了客观的见解.
• 这项技术可以在模拟过程中推断和评估外科医生的技能水平.