用于机器人辅助手术跨域技术技能评估的不确定性感知自监督学习

客观技术技能评估对于机器人辅助手术中新外科医生的有效培训至关重要。随着物理与虚拟环境中外科培训项目的发展，开发可泛化的自动技能评估方法十分必要。本文中，我们提出一种通过将有标签运动学数据的领域知识迁移至无标签数据来实现技能评估的新方法。我们的方法利用来自常见外科培训任务（如缝合、穿针与打结）的有标签数据，与有标签及无标签数据联合训练模型。通过融入不确定性估计的迭代方式为无标签数据生成伪标签以确保标注准确。我们在使用 da Vinci Research Kit（dVRK）数据的虚拟现实模拟培训任务（环转移）上评估了我们的方法。结果显示，有机器人辅助的受训者相比无任何辅助的受训者具有显著更高的专家概率，p < 0.05，这与先前显示机器人辅助在提升培训熟练度方面益处的研究一致。我们的方法相较其他现有工作具有显著优势，因其不需要手动标注或关于机器人辅助手术培训任务的先验知识。