人工智能驱动的完成时间和错误的预测在拉巴罗镜术高级培训 (ATLAS) 针头处理任务:更接近自动化外科技能评估的一步
Huu Phong Nguyen1, Sofia Garces-Palacios2, Darian Hoagland3
1Department of Surgery, University of Texas Southwestern Medical Center, Dallas, TX.
人工智能 (AI) 模型可以自动评估外科手术技能. 人工智能准确地预测了腹腔镜接任务的持续时间,并检测了针滴,提供了客观的评估工具.
科学领域:
- 医学教育 医学教育
- 手术模拟器手术模拟器
- 人工智能在医学中的应用
背景情况:
- 拉巴洛斯科普术高级培训课程通过6项任务来评估熟练程度.
- 针处理任务涉及通过标准化孔操纵针.
- 目前的绩效评估依赖于手动方法,这些方法耗时.
研究的目的:
- 探索人工智能模型的潜力,以自动化对腹腔镜针处理任务的评估.
- 开发人工智能模型来预测任务持续时间和检测针落错误.
主要方法:
- 腹腔镜针处理任务视频的回顾性审查.
- 开发两种人工智能模型:一个深度可扩展的3D卷积网络用于阶段分割和持续时间预测,以及用于针落错误检测的视觉变压器.
- 在10个不同的阶段对视频进行注释,用于模型培训.
主要成果:
- 阶段细分精度提高到89.67%±1.27%与混合k-最近邻居和光滑移动平均模型.
- 预测任务持续时间错误平均为0.84%.
- 视觉变压器模型实现了95.16%的分类准确度,并检测到66.6%的针滴>2秒.
结论:
- 人工智能模型在预测外科手术任务持续时间方面表现出高准确度.
- 人工智能模型在检测针落错误方面显示中等准确度.
- 人工智能为外科技能评估提供可扩展和客观的解决方案.
更多相关视频
08:11Assessing Forelimb Function after Unilateral Cervical SCI using Novel Tasks: Limb Step-alternation, Postural Instability and Pasta Handling
Published on: September 16, 2013
09:51Model Surgical Training: Skills Acquisition in Fetoscopic Laser Photocoagulation of Monochorionic Diamniotic Twin Placenta Using Realistic Simulators
Published on: March 21, 2018
相关概念视频
07:31A Computerized Functional Skills Assessment and Training Program Targeting Technology Based Everyday Functional Skills
08:11Assessing Forelimb Function after Unilateral Cervical SCI using Novel Tasks: Limb Step-alternation, Postural Instability and Pasta Handling
09:51Model Surgical Training: Skills Acquisition in Fetoscopic Laser Photocoagulation of Monochorionic Diamniotic Twin Placenta Using Realistic Simulators
09:26The Knob Supination Task: A Semi-automated Method for Assessing Forelimb Function in Rats
08:05A Prediction Error-driven Retrieval Procedure for Destabilizing and Rewriting Maladaptive Reward Memories in Hazardous Drinkers
09:39An Open-Source, Fully Customizable 5-Choice Serial Reaction Time Task Toolbox for Automated Behavioral Training of Rodents
