基于运动捕捉的外科技能评估系统在腹腔镜模拟培训环境中的外部验证
Koki Ebina1, Takashige Abe2, Kiyohiko Hotta3
1Graduate School of Information Science and Technology, Hokkaido University, Sapporo, Japan.
Surgical endoscopy
|July 27, 2025
概括
这项研究验证了一种使用移动捕捉和机器学习进行实时反的外科技能评估系统. 该系统准确地预测了外科手术技能水平和 laparoscopic技能全球操作评估 (GOALS) 成绩,增强了模拟培训.
科学领域:
- 手术教育技术 技术手术教育
- 医疗模拟 医疗模拟
- 医疗保健中的机器学习
背景情况:
- 对外科技能的客观评估对于有效的培训至关重要.
- 当前的模拟环境往往缺乏全面的实时反机制.
- 运动捕捉 (Mocap) 度量为手术运动的详细分析提供了潜力.
研究的目的:
- 为了外部验证一个提供实时反的外科技能评估系统.
- 评估系统对技能级别的分类能力,并预测拉皮镜技能全球操作评估 (GOALS) 成绩的能力.
- 评估参与者对基于Mocap的反系统的满意度.
主要方法:
- 参与者在猪模型上进行了腹腔镜解剖和接任务.
- 运动捕捉技术记录了手术仪器的运动.
- 一个机器学习 (ML) 算法提供了实时的定量反,并预测了技能水平和GOALS分数.
主要成果:
- 该系统的分类准确率为67.3% (剖析) 和56.9% (Suturing).
- 预测与专家GOALS分数的相关系数为0.86 (剖析) 和0.91 (Suturing).
- 88%的参与者发现反易于理解,75%的人对系统感到满意.
结论:
- 经过验证的系统为外科模拟培训提供可靠的实时反.
- 机器学习算法有效地预测了外科手术技能水平和GOALS分数.
- 这项技术可以增强客观的绩效评估,加快技能获取.
