Dec, 2017

RMIS 培训中的自动化手术技能评估

PDF
TL;DR本文研究了使用机器人运动数据中的整体特征进行自动化技能评估的方法，提出了一种加权特征融合技术来提高分数预测表现，并探讨了其在外科医生基础手术任务中的实际应用价值。实验结果表明，这些整体特征优于以前的基于 HMM 的状态 - of-the-art 方法，对 RMIS 培训中的外科医生技能评估具有潜在的实时评分反馈作用。
rmis trainingvr-based trainingautomated skill assessmentholistic featuresscore prediction
发现论文，激发创造
  • 基于视频和加速度计的自动手术技能评估运动分析

    本文介绍了一种基于熵的特征来自动评估 OSATS 基本手术技能的方法，并分析了多模数据（视频和加速度计数据）上不同的特征。结果显示，所提出的熵特征优于现有的视频数据分析的方法，而加速度计数据则仅在缝合中的恢复表现优异，融合视频和加速度数据可以提高总体性能。

    Feb, 2017

  • 卷积神经网络在机器人辅助手术中客观技能评估中的深度学习

    通过深度学习框架从机器人运动数据映射到单个技能级别，提出了一种无需特征工程或精心调整手势细分，即可成功解码技能信息的模型，并能在 1-3 秒窗口内可靠地解释技能，突出了深度架构在现代外科培训中高效在线技能评估的潜力。

    Jun, 2018

  • 向统一的外科技能评估迈进

    提出了一种统一的多路径框架，用于通过手术视频自动预测手术的成功程度，该框架考虑了手术技能的多个组成方面，包括手术工具使用、术中事件模式和其他技能代理，并通过路径依赖模块特别建模这些不同方面之间的依赖关系。在模拟手术任务的 JIGSAWS 数据集和新的真实腹腔镜手术的临床数据集上进行了大量实验，提出的框架在两个数据集上均取得了良好的成果，模拟数据集的最先进水平从 0.71 Spearman 相关性提高到了 0.80，同时还表明结合多个技能方面比依赖单个方面获得更好的性能。

    Jun, 2021

  • 机器人辅助手术交叉领域技术技能评估的不确定性感知自监督学习

    提出了一种基于动力学数据的新颖技能评估方法，该方法通过将领域知识从已标记的动力学数据转移到未标记的数据，并利用伪标签对未标记数据进行准确的标注来评估机器人辅助手术中的新医生的技能水平。该方法相较于其他现有的方法不需要手动标记或者不需要先前医疗常识。

    Apr, 2023

  • 医疗虚拟现实培训模拟器中的动态时间序列分类评分和评估

    本研究提出并评估了用于虚拟现实（VR）培训模拟器的评分和评估方法。借助动态时间规整多元原型（DTW-MP）分类算法，本研究分析了 271 名医学生的 VR 训练数据，提高了专家级数据的可用性。通过运动分析，可以检测出个人使用的不同技术并动态检测错误，从而提高连续性和防止受伤。

    Jun, 2020

  • 使用卷积神经网络从运动数据评估外科技能

    本文通过设计一种卷积神经网络 (CNN) 来自动评估机器人手术中的外科医生技能，经过我们提出的方法在 JIGSAWS 数据集上得到了非常有竞争力的结果，并通过类激活图来解释各分类并提供个性化反馈

    Jun, 2018

  • 使用 3D 卷积神经网络进行基于视频的外科技能评估

    本研究使用深度学习方法，基于视频数据进行自动技能评估，结果表明使用 3D ConvNet 直接从数据中学习有意义的模式可以高效评估外科技术技能，使得人工特征工程不再是必须的。

    Mar, 2019

  • 提升触觉互联网远程机器人手术的精确性：卡尔曼滤波方法

    基于卡尔曼滤波的计算效率高的位置估计方法在遥操作手术任务中准确估计病人边侧机械臂的位置是一个重要挑战，尤其在触觉互联网（TI）环境下。本文利用 JIGSAW 数据集和 Master Tool Manipulator 的输入来学习机械臂系统模型，并在模拟网络条件下研究了 KF 在确定病人侧操纵器（PSM）位置方面的有效性，结果表明 KF 在网络不确定性情况下依然能够实现准确的状态估计，估计准确率超过 90%。

    Jun, 2024

  • 朝向全面的外科手术场景理解

    本文提出了一种新的基于综合外科场景理解的实验框架，通过介绍 PSI-AVA 数据集和 TAPIR 模型，展示了这种框架和其他公共数据库上实验结果的优越性和多级注释的好处。

    Dec, 2022

  • 在 SAPIEN 模拟器中学习可推广操作技能的经验研究与分析

    本文介绍了我们参加 SAPIEN ManiSkill Challenge 的方案，采用点云特征和深度宽度变换网络来预测机器人模拟器的动作得分，并展示了一个经验研究。

    Aug, 2022