在研究生医学教育中利用人工智能,以快速获得超声指导程序技术的技能

科学领域:

• 医疗模拟 医疗模拟
• 人工智能在医学中的应用
• 超声波技术 超声波技术 超声波技术

背景情况:

• 超声波指导技术在现代医学中至关重要,但由于患者的可用性和安全问题,培训受到限制.
• 在超声波指导程序中开发高效和安全的训练员技能获取方法至关重要.
• 目前的培训往往缺乏客观的,实时反针操纵和目标准确性.

研究的目的:

• 开发和验证超声指导程序的新型培训系统.
• 通过模拟实践和自动化绩效评估,增强学员的技能.
• 为传统培训方法提供安全,成本高效和时间高效的替代方案.

主要方法:

• 创建一个模拟人体组织,血管和神经捆绑的亚格幻影模型.
• 实施深度学习算法,用于实时可视化和自动评估.
• 用颜色对关键结构 (针尖,血管,神经) 的划线进行指导.
• 量化反生成速度,准确性和针头可视化功效.

主要成果:

• 该系统在自动图像标签方面表现出高性能,灵敏度为99.31%,准确度为91.33%.
• 具体指标包括69.23%的特异性,89.94%的精度,99.31%的回忆,以及F1得分为0.94.4.
• 该模型为实习生提供实时视觉线索和定量绩效数据.

结论:

• 开发的agar幻影和深度学习系统有效模拟了超声波引导的程序.
• 这种创新方法为医疗学员提供了加速,安全和成本效益的技能培训.
• 该系统提供客观的实时反,解决当前超声波培训方法的局限性.