基于动态时间序列分类的医学 VR 训练模拟器评分与评估
信号处理
2020-06-23 v1 人工智能
摘要
本研究提出并评估了虚拟现实（VR）训练模拟器的评分与评估方法。VR 模拟器捕获详细的 n 维人体运动数据，可用于表现分析。我们开发了定制的医学触觉 VR 训练模拟器，并用于记录来自 271 名不同临床经验水平受训者的数据。提出了 DTW 多元原型（DTW-MP）。将 VR 数据分类为新手、中级或专家。应用于时间序列分类的算法准确率为：动态时间规整 1-近邻（DTW-1NN）60%，最近质心 SoftDTW 分类 77.5%，深度学习：ResNet 85%、FCN 75%、CNN 72.5% 以及 MCDCNN 28.5%。专家 VR 数据记录可用于指导新手。评估反馈可帮助受训者提升技能与一致性。运动分析可识别个体使用的不同技术。可实时动态检测错误，发出警报以防止损伤。
引用
@article{arxiv.2006.12366,
title = {Scoring and Assessment in Medical VR Training Simulators with Dynamic Time Series Classification},
author = {Neil Vaughan and Bogdan Gabrys},
journal= {arXiv preprint arXiv:2006.12366},
year = {2020}
}
备注
Copyright 2020. This manuscript version is made available under CC-BY-NC-ND 4.0 license http://creativecommons.org/licenses/by-nc-nd/4.0/