用于评估学生在外科打结模拟中表现的级联神经网络系统

作为培训的一部分，所有医学生和住院医师都必须通过打结、穿针和缝合等基本外科任务。他们的评估通常在手术室由外科教师进行，学生的失误和失败会增加手术时间和成本。这种评估是定量的，且容错率低。模拟已成为一种具有成本效益的选择，但它缺乏评估功能或需要额外的昂贵硬件来进行评估。提供外科打结训练视频的应用程序可供学生使用，但均不具备评估功能。我们提出了一种级联神经网络架构，仅通过学生模拟外科打结任务的视频即可评估其表现。我们的模型使用预训练的深度卷积网络将视频帧图像转换为特征向量，然后使用时间网络对帧序列进行建模。我们从 Robert Wood Johnson Hospital 获取了医学生和住院医师在标准化模拟套件上进行打结的视频。我们手动标注了每个视频，并随后对其进行了五折交叉验证研究。我们的模型在确定打结和推结等与结相关任务的水平时，分别获得了 0.71、0.66 和 0.65 的中位精确率、召回率和 F1 分数。我们在不同概率阈值下平均的平均精确率为 0.8。我们的 F1 分数和平均精确率分别比最近发表的一项针对同一问题的研究高出 8% 和 30%。我们预计，随着向模型添加更多训练视频，其准确性将进一步提高，从而使其成为学生可用于自我评估的实用解决方案。