通过使用从深度学习计算机视觉算法估计的手滚角来评估外科术技巧

科学领域:

• 医学技术 医学技术 医学技术
• 计算机视觉 计算机视觉 计算机视觉
• 进行外科手术教育.

背景情况:

• 评估外科接技巧传统上依赖于主观评估或专用设备,如IMU.
• 量化手卷反转 (卷数) 是接能力的一个关键指标.
• 目前用于测量手动滚动角度的方法可能具有侵入性或范围有限.

研究的目的:

• 开发和验证一种深度学习计算机视觉算法,用于估计手术合期间的手滚角.
• 通过使用非接触式视频分析,对外科接技能的基于指标的评估.
• 评估算法的准确性及其区分外科手术技能水平的能力.

主要方法:

• 一个深度学习算法被训练在手滚估计使用视频从SutureCoach模拟器.
• 测试了对不同视频背景的稳定性,以测试算法的准确性.
• 使用计算机视觉算法计算"卷数"指标,并与基于IMU的计算进行比较.

主要成果:

• 深度学习算法在估计不同视频背景的手滚角方面表现出强大的准确性.
• 来自计算机视觉的"卷数"指标在不同手术技能水平 (新手,住院医生,主治外科医生) 之间存在显著差异.
• 这种技能差异化模式与使用IMU数据获得的结果一致.

结论:

• 拟议的计算机视觉算法提供了一种可靠的非接触方法,用于估计手术合中的手滚角.
• 这项技术有助于对外科技能进行客观,互操作的评估.
• 这些发现支持计算机视觉的整合,以加强外科培训和评估.