Video-Based Detection and Analysis of Errors in Robotic Surgical Training

要約

ロボット支援の低侵襲手術は多くの利点を提供しますが、外科医が習得するのに何年もかかる複雑な運動タスクが必要です。
現在、外科医がこれらのロボット外科的スキルを獲得する方法に関する知識が不足しています。
このギャップを埋めるために、私たちは以前、6か月にわたって外科ロボットで複雑な外科訓練ドライラブタスクを学ぶ外科居住者に続きました。
エラーは、自己トレーニングとスキル評価の重要な尺度ですが、仮想シミュレーションとは異なり、ドライラブトレーニングでは、エラーを自動的に監視することは困難です。
ここでは、リングタワーの移動タスクのエラーを分析しました。この登場では、手術居住者が湾曲したワイヤーに沿ってリングをできるだけ早く正確に移動しました。
衝突エラーを検出するための画像処理アルゴリズムを開発し、検出精度を達成しました。
検出されたエラーとタスクの完了時間を使用して、外科的居住者が6か月間の完了時間とエラー数を短縮することがわかりました。
この分析は、同様の外科的トレーニングタスクの衝突エラーを検出するためのフレームワークを提供し、外科居住者の学習プロセスに光を当てます。

要約(オリジナル)

Robot-assisted minimally invasive surgeries offer many advantages but require complex motor tasks that take surgeons years to master. There is currently a lack of knowledge on how surgeons acquire these robotic surgical skills. To help bridge this gap, we previously followed surgical residents learning complex surgical training dry-lab tasks on a surgical robot over six months. Errors are an important measure for self-training and for skill evaluation, but unlike in virtual simulations, in dry-lab training, errors are difficult to monitor automatically. Here, we analyzed the errors in the ring tower transfer task, in which surgical residents moved a ring along a curved wire as quickly and accurately as possible. We developed an image-processing algorithm to detect collision errors and achieved detection accuracy of ~95%. Using the detected errors and task completion time, we found that the surgical residents decreased their completion time and number of errors over the six months. This analysis provides a framework for detecting collision errors in similar surgical training tasks and sheds light on the learning process of the surgical residents.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google