使用EEG地形特征区分拉巴洛斯科普手术专家和新手
Takahiro Manabe1, F N U Rahul2, Yaoyu Fu3
1School of Engineering, University of Lincoln, Lincoln LN6 7TS, UK.
Brain sciences
|December 23, 2023
概括
电脑电图 (EEG) 分析区分了外科专家和新手. 一个3D卷积神经网络 (CNN) 模型实现了超过98%的准确性,在腹腔镜手术期间识别技能水平方面表现优于传统方法.
科学领域:
- 神经科学是一个神经科学.
- 外科教育的外科教育
- 生物医学工程 生物医学工程
背景情况:
- 区分外科专业知识对于培训和患者安全至关重要.
- 电脑电图 (EEG) 提供了一个非侵入性的窗口,在复杂的任务中观察大脑活动.
- 在腹腔镜手术中的客观技能评估仍然是一个挑战.
研究的目的:
- 为了区分专家外科医生和新手,在腹腔镜任务中使用EEG地形特征.
- 为了比较基于微态的常见空间模式 (CSP) 分析与线性区分分析 (LDA) 与地形保护卷积神经网络 (CNN) 的有效性.
主要方法:
- 从8名专家外科医生和13名初学者医疗住院医生收集了脑电图数据,他们进行了腹腔镜 suturing.
- 分析涉及基于微状态的CSP与LDA以及3D CNN (ESNet) 模型.
- 分类性能指标包括准确度,灵敏度,特异性,F1得分和马修斯相关系数 (MCC).
主要成果:
- 3D CNN模型 (ESNet) 与基于微状态的CSP与LDA (~90%) 相比,实现了更高的分类性能 (准确率>98%).
- 专家们表现出明显的额叶和叶皮层模式,而新手则表现出额叶皮层的参与.
- 三维CNN突出了头顶 - 角 - 角关联区域在技能差异化中的重要性.
结论:
- 一个保存地形的3D CNN模型有效地区分了手术专业知识和EEG数据.
- 结合空间和时间EEG信息,可以显著提高分类准确性.
- 这种方法有望在外科培训和实践中客观地评估技能.
