计算机视觉评分的内镜绘制的线形图在一个无生命的范围尖端协调训练模型

科学领域:

• 医疗培训和模拟的医学培训.
• 计算机视觉在医疗保健中的应用.
• 胃肠道内镜检查是指胃肠道内镜检查.

背景情况:

• 精细运动控制对于内镜下粘膜切割 (ESD) 和混合ESD/内镜粘膜切割 (EMR) 聚pectomy至关重要.
• 一个无生命的训练模型使用纸张跟踪来评估学员协调,类似于针刀使用.
• 传统的评分依赖于手动评估追踪完成时间和偏差.

研究的目的:

• 评估计算机视觉 (CV) 算法在从无生命内镜训练模型中得分跟踪中的有效性.
• 将CV算法得分与传统的手动得分方法进行比较.

主要方法:

• 一个CV模型分析了352个跟踪,通过使用视角转换将它们与参考模板对齐.
• 颜色细分隔离墨水,并通过从模板中减去跟踪来量化偏差.
• 基于像素的分析将偏差转换为毫米,>2毫米被归类为显著.

主要成果:

• 在各种图形中,CV算法平均检测到比手动评分更多的1.28个偏差.
• 布兰德-阿尔特曼分析显示,CV和手动评分之间的良好一致性,在96%的置信区间内.
• 笔纹厚度的变化是一个混因素,通过添加定向标记来改善.

结论:

• CV算法有效且准确地评估无生命模型中的追踪准确性,超过了人类得分器.
• 未来的CV应用程序可以为实习生提供实时反,增强内镜教育.
• 人工智能驱动的评估对先进的内镜培训计划具有前景.