微血管吻合术中手术动作的运动学评估
计算机视觉与模式识别
2026-01-01 v1
摘要
微血管吻合的熟练程度是神经外科中一项关键的手术技能，其中精确操控精细器械的能力对手术成功至关重要。这些操作需要持续的注意力、协调的手部运动以及高度精细的运动技能，凸显了采用客观、系统的方法来评估和提升显微外科训练的必要性。传统评估方法通常依赖于专家评分者对操作过程的监督或手术视频的审查，这是一个本质上具有主观性的过程，容易出现评分者间差异、不一致性以及大量的时间投入。这些局限性凸显了对自动化和可扩展解决方案的需求。为了应对这一挑战，我们引入了一种新颖的 AI 驱动框架，用于微血管吻合操作中的自动动作分割和性能评估，旨在边缘计算平台上高效运行。所提出的系统包含三个主要组件：（1）基于 YOLO 和 DeepSORT 的器械尖端跟踪与定位模块；（2）利用自相似矩阵进行动作边界检测和无监督聚类的动作分割模块；以及（3）旨在评估手术手势熟练程度的监督分类模块。在包含 58 个专家评分的微血管吻合视频数据集上进行的实验验证证明了我们方法的有效性，在重现专家评估时实现了 92.4% 的帧级动作分割准确率和 85.5% 的总体技能分类准确率。这些发现证明了所提出方法在显微外科教育中提供客观、实时反馈的潜力，从而实现更标准化、数据驱动的训练方案，并推动高风险手术环境中的能力评估。
引用
@article{arxiv.2512.23942,
title = {Kinematic-Based Assessment of Surgical Actions in Microanastomosis},
author = {Yan Meng and Daniel Donoho and Marcelle Altshuler and Omar Arnaout},
journal= {arXiv preprint arXiv:2512.23942},
year = {2026}
}