通过深度学习通过自动化阶段识别和技能评估改进微手术接培训

科学领域:

• 医疗技术 医疗技术 医学技术
• 人工智能在医学中的应用
• 外科教育的外科教育

背景情况:

• 微手术接需要广泛的训练和高精度.
• 对外科技能的客观评估对于有效的培训至关重要.

研究的目的:

• 开发和评估一个深度学习模型,用于自动化阶段识别和微手术接技能评估.
• 提高外科培训计划的效率和客观性.

主要方法:

• 使用修改后的长距离反复卷积网络 (LRCNs) 来处理和分割微手术视频.
• 应用数据增强和跳过窗口策略用于选.
• 在初学者和专家外科医生的数据集上训练并测试模型.

主要成果:

• 深度学习模型准确地分类了手术阶段,并区分了技能水平.
• 分析信心和花在相中的时间与外科医生的专业知识相关联.
• 模型在不同数据集中展示了良好的概括能力.

结论:

• 拟议的深度学习方法显示了在微手术中客观技能评估的重大前景.
• 这项技术可以增强外科培训,从而改善患者的治疗结果和个性化的学习途径.