评估机器人辅助部分切除术外科医生,使用完全卷积细分和多任务注意力网络

科学领域:

• 在外科手术中使用机器人
• 机器学习应用 机器学习应用
• 手术教育技术 技术手术教育

背景情况:

• 机器人辅助部分切除术 (RAPN) 是一种复杂的程序,需要高度的外科技能.
• 对外科技能的客观评估对于培训和质量提高至关重要.
• 以前的研究经常使用合成环境,限制了现实世界的适用性.

研究的目的:

• 从实际的RAPN手术视频中开发和评估机器学习模型来评估外科技能.
• 预测外科手术能力得分,特别是OSATS (技术技能客观结构评估) 和GEARS (机器人技能全球评估评估).
• 研究级神经网络用于仪器跟踪和技能评分的使用.

主要方法:

• 利用DaVinci机器人系统的视频在RAPN的瘤切除和光学步骤中.
• 采用级联神经网络,包括用于仪器跟踪的语义细分网络.
• 一个评分网络处理仪器运动来预测各种子类别的OSATS和GEARS分数.

主要成果:

• 该模型在预测诸如力灵敏度和仪器知识等指标的子类别分数方面表现良好.
• 该系统成功地跟踪了手术领域内的手术仪器.
• 确定的局限性,包括错误的阳性/阴性,归因于有限的培训数据可变性和稀疏性.

结论:

• 机器学习可以有效地从现实世界RAPN视频中评估外科技能.
• 开发的级联神经网络方法显示了自动化外科技能评估的前景.
• 需要对更大,更多样化的数据集进行进一步的研究,以提高模型的稳定性和准确性.