使用深度学习对模拟腹腔镜外科技能表现的自动评估
David Power1, Cathy Burke2, Michael G Madden3,4
1ASSERT Centre, College of Medicine and Health, University College Cork, Cork, Ireland. d.power@ucc.ie.
Scientific reports
|April 19, 2025
概括
这项研究引入了用于腹腔镜外科培训的新数据集,并使用3D卷积神经网络 (3DCNN) 来自动评估外科医生的技能水平. 人工智能模型准确地区分新手,实习生和专家外科医生,改进了外科手术性能分析.
科学领域:
- 医疗人工智能 医疗人工智能
- 手术模拟器手术模拟器
- 计算机视觉在医学中的应用
背景情况:
- 人工智能 (AI) 和计算机视觉 (CV) 提供了提高医疗保健和患者安全的潜力.
- CV技术越来越多地用于分析手术视频,以培训和提高表现.
- 手术人工智能的挑战包括缺乏标记数据和手动注释的高成本.
研究的目的:
- 引入"腹腔镜外科性能数据集" (LSPD),旨在评估模拟的腹腔镜外科技能.
- 为了应对手术培训中有限的标记数据的挑战.
- 评估三维卷积神经网络 (3DCNN) 在分类外科医生专业水平方面的性能.
主要方法:
- 收集并使用LSPD,这是一个用于评估外科手术技能的新数据集.
- 使用3维卷积神经网络 (3DCNN) 采用弱监督的方法.
- 分析了手术模拟视频,以比较特定手术任务的新手,实习生和专家技能水平的表现.
主要成果:
- 3DCNN模型有效地区分了新手,实习生和专家外科医生.
- 在分类外科医生经验中获得了0.91的高F1得分和0.92的曲线下的面积 (AUC).
- 确定了在不同专业水平中执行不良和执行良好的特定技能.
结论:
- 在LSPD数据集是有价值的自动化手术绩效评估.
- 基于3DCNN的,监督较弱的方法可以自动化外科技能评估,减少对手工注释的依赖.
- 这些进步有助于改善外科培训和绩效分析.
