在手术中使用非光学运动跟踪的机器学习应用程序的系统审查

科学领域:

• 手术技术 手术技术
• 生物医学工程 生物医学工程
• 人工智能在医学中的应用

背景情况:

• 手术运动分析对于技能评估和改善手术结果至关重要.
• 非光学运动追踪系统 (NOMTS) 为捕捉外科手术运动提供了对光学方法的实用替代方案.
• 将机器学习 (ML) 与NOMTS集成为增强外科手术性能分析提供了机会.

研究的目的:

• 通过使用非光学运动跟踪系统 (NOMTS) 系统地审查手术运动分析中的机器学习应用.
• 调查这一领域的目标,实验设计,模型有效性以及未来的研究方向.

主要方法:

• 对3632个记录的系统文献综述,包括84项研究.
• 分析机器学习模型 (例如,人工神经网络,支持矢量机器),目标 (例如,技能评估),NOMTS类型,外科设置和程序类型.
• 报告准确率的评估.

主要成果:

• 人工神经网络 (38%) 和支持矢量机器 (11%) 是最常见的ML模型.
• 技能评估是主要目标 (38%).
• 在36%的审查研究中获得了高精度 (超过90%),证明了NOMTS和ML的潜力.

结论:

• 非光学运动跟踪系统与机器学习相结合,可以显著提高外科手术的精度,评估和培训.
• 未来的研究应该专注于在外科环境中推进ML,确保模型的可解释性和可重复性.
• 为了更准确地评估手术运动分析中的ML模型,需要更大的数据集.