手术模拟中的自适应性心脏动力学:用于机器人内部乳腺动脉采集的人类-人工智能交互框架

科学领域:

• 医疗模拟 医疗模拟
• 人与人工智能的互动
• 机器人手术培训 机器人手术培训

背景情况:

• 虚拟手术模拟是复杂手术的关键培训工具.
• 现有的模拟缺乏动态适应个体外科医生的表现.
• 机器人内部乳腺动脉 (IMA) 采集需要专门的培训.

研究的目的:

• 开发和评估用于虚拟手术模拟的适应性人与人工智能交互 (HAI) 框架.
• 通过调整心跳参数来个性化训练机器人内部乳腺动脉 (IMA) 采集.
• 通过动态难度调整来增强外科医生技能获取和表现.

主要方法:

• 开发了一个适应性HAI框架,将AI与虚拟外科模拟集成在一起.
• 捕获了外科医生工具的运动和性能指标,用于行为分析.
• 实现了动态难度调整,上下文意识的参数选择和个性化的学习路径.
• 在虚拟环境中利用触觉反.

主要成果:

• 与静态模拟相比,自适应模拟减少了18%的空间不对称性.
• 通过适应性方法,培训完成时间减少了22%.
• 在适应模拟中,组织创伤事件减少了48%.
• 在不同技能水平上观察到一致的好处,防止性能高原.

结论:

• 适应性HAI框架显著改善了用于机器人IMA收获的虚拟外科培训.
• 通过人工智能适应进行个性化培训,可以提高外科手术技能和性能.
• 与静态模拟相比,这种方法为外科教育提供了更有效和高效的方法.