基于运动学数据使用卷积神经网络评估手术技能

对自动手术技能评估的需求日益增长，特别是因为资深外科医生观察初级外科医生并提供手动反馈容易受到主观因素的影响且耗时较长。因此，实现手术技能评价的自动化对于提高手术实践具有重要意义。在本文中，我们设计了一种卷积神经网络（CNN），通过提取机器人手术中外科医生动作的模式来评估其技能。所提出的方法在JIGSAWS数据集上进行了验证，并在缝合和穿针任务中取得了100%的准确率，表现非常出色。虽然我们利用了CNN的高效性，但同时也通过类激活图缓解了其黑箱效应。这一特性使我们的方法能够自动突出显示对手术技能预测产生影响的任务部分，并可用于解释分类结果以及为受训者提供个性化反馈。