机器手术中基于模型选择与实时技能评估的针纫技能
机器人学
2026-01-21 v1
摘要
自动化反馈系统有望为机器辅助手术的训练和评估提供客观技能评估。本研究探索实现基于客观结构化技能评估 (OSATS) 分数的实时手术技能水平预测的方法。我们使用来自 da Vinci 手术系统获取的数据，开展了三个主要分析，聚焦于模型设计、其实时性能以及技能水平分层交叉验证训练。在模型设计方面，我们评估了使用同步运动学和视觉数据预测手术技能水平的多模态深度学习模型的有效性。我们的模型包括独立的单模态基线模型和融合架构，用于整合两种模态的特征，并通过平均斯佩尔相关系数进行评估，结果显示融合模型在实时预测中始终优于单模态模型。在实时性能方面，我们观察预测随时间的变化，并突出显示与外科医生手势的相关性。在技能水平分层交叉验证方面，我们分别在不同技能水平的外科医生数据上训练模型，结果显示高技能示范数据能够实现更好的性能并对类似技能水平的参与者具有良好的泛化性。我们的发现表明，多模态学习允许对手术性能进行更稳定的精细评估，并凸显了专家水平训练数据对模型泛化的重要性。
引用
@article{arxiv.2601.12012,
title = {Model selection and real-time skill assessment for suturing in robotic surgery},
author = {Zhaoyang Jacopo Hu and Alex Ranne and Alaa Eldin Abdelaal and Kiran Bhattacharyya and Etienne Burdet and Allison M. Okamura and Ferdinando Rodriguez y Baena},
journal= {arXiv preprint arXiv:2601.12012},
year = {2026}
}