机器人辅助手术中技能评估的机器学习方法
机器学习
2016-11-18 v1 机器学习
摘要
评估外科医生技能历来主要是一项主观任务。开发客观的手术技能评估方法日益受到关注。近年来，随着机器人辅助微创手术（RMIS）等技术的进步，出现了实现客观和自动化评估框架的新机遇。本文中，我们应用机器学习方法自动评估外科医生在 RMIS 中的表现。评估中使用了六项重要的运动特征，包括完成时间、路径长度、深度感知、速度、平滑度和曲率。应用不同分类方法区分专家和新手外科医生。我们在缝合任务的真实手术数据上测试了该方法，并将分类结果与真实标签数据（通过人工标注获得）进行比较。实验结果表明，所提出的框架能以 85.7% 的相对较高准确率对手术技能水平进行分类。本研究证明了机器学习方法能够利用不同 RMIS 任务中的运动特征，自动区分专家和新手外科医生。由于所引入的分类方法简单且具有泛化性，易于在现有训练器中实现。
引用
@article{arxiv.1611.05136,
title = {Machine Learning Approach for Skill Evaluation in Robotic-Assisted Surgery},
author = {Mahtab J. Fard and Sattar Ameri and Ratna B. Chinnam and Abhilash K. Pandya and Michael D. Klein and R. Darin Ellis},
journal= {arXiv preprint arXiv:1611.05136},
year = {2016}
}