基于强化学习的门诊宫腔镜训练引导：一项可行性研究
人工智能
2022-11-29 v1
摘要
本工作提出了一种用于门诊宫腔镜训练的基于强化学习（RL）的智能体。宫腔镜是一种用于检查宫腔的妇科操作。近期的进展使得此类干预可在无麻醉的门诊环境中进行。尽管对患者有益，该方法为临床医生带来了新的挑战，他们应采取额外措施以维持患者舒适度并防止组织损伤。我们此前的工作提出了一个侧重于宫颈管通过的宫腔镜训练平台。通过本工作，我们旨在通过设计一个自主完成宫颈管通过任务的子系统来扩展该平台的功能。该特性随后可用作虚拟指导员，为受训者提供教学提示并评估其表现。所开发的算法基于软演员-评论家（soft actor critic）方法，以平滑智能体的学习曲线并确保对工作空间的一致探索。所设计算法针对五名临床医生的表现进行了测试。总体而言，该算法展现出高效性与可靠性，在98%的试验中成功，并在四项测量指标中的三项上优于专家组。
引用
@article{arxiv.2211.14541,
title = {RL-Based Guidance in Outpatient Hysteroscopy Training: A Feasibility Study},
author = {Vladimir Poliakov and Kenan Niu and Emmanuel Vander Poorten and Dzmitry Tsetserukou},
journal= {arXiv preprint arXiv:2211.14541},
year = {2022}
}