基于人工智能辅助3D建模的健康应用工程技能视觉评估研究

科学领域:

• 医学成像和可视化 医学成像和可视化
• 医疗保健中的人工智能
• 工程教育和评估工程教育和评估

背景情况:

• 人工智能 (AI) 辅助的3D建模在医疗保健中至关重要,但对数字模型的工程能力的评估仍然具有挑战性.
• 当前的质量检查往往忽略了建模工作流程,操作员行为和AI交互,阻碍了可重现性和培训.
• 需要一种可扩展和可重复的方法来评估以健康为中心的3D建模技能,以符合法规和有效的技能发展.

研究的目的:

• 提出第一个端到端的视觉分析框架,用于测量和传达以健康为中心的3D建模中的工程技能.
• 定义和量化特定领域的技能构造,包括几何准确性,操作能力和认知适应性.
• 为培训,认证和监管监督提供一个动态的,以过程为中心的评估解决方案.

主要方法:

• 开发了一个四层架构,集成多式联网数据捕获,轻量级深度学习来提取特征,贝叶斯证据融合以估计能力,以及视觉反.
• 定义的技能指标,包括行为,几何和生理测量.
• 实施了在线主动学习机制,用于框架校准,最大限度地减少了专家注释需求.

主要成果:

• 该框架表现出与专家评估的强烈一致,并在60名参与者的骨科和血管建模任务中有效地区分技能水平.
• 结果显示了未来建模质量的有意义的预测.
• 可用性测试显示了参与者的高度接受和视觉反的价值,支持自我指导的改进.

结论:

• 拟议的框架提供了一个务实,可解释和可扩展的解决方案,用于评估工程能力在健康关键的3D建模工作流程.
• 它将评估从静态结果转变为基于多式联络证据的动态,以过程为中心的审查.
• 这项工作为医疗设计和监管中增强的人类-人工智能协作和能力分析奠定了基础.