[论文解读] Towards Data-Driven Hierarchical Surgical Skill Analysis

Bin Li, Bernard Mettler+1 more|arXiv (Cornell University)|Mar 30, 2015

Surgical Simulation and Training参考文献 12被引用 4

一句话总结

本文提出了一种基于数据驱动的分层技能分析框架，采用分段仿射回归（PWARX）对腹腔镜任务的手术运动数据进行建模，揭示了与子目标和技能水平相对应的显著动态模式。结果表明，动态分割优于简单的运动学指标，能够更好地捕捉专家与新手在空间和时间组织上的差异，其中专家在任务各阶段表现出一致且高速的策略，且空间组织性显著更优（误分类率13.3% vs. 新手的35.0%）。

ABSTRACT

This paper evaluates methods of hierarchical skill analysis developed in aerospace to the problem of surgical skill assessment and modeling. The analysis employs tool motion data of Fundamental of Laparoscopic Skills (FLS) tasks collected from clinicians of various skill levels at three different clinical teaching hospitals in the United States. Outcomes are evaluated based on their ability to provide relevant information about the underlying processes across the entire system hierarchy including control, guidance and planning.

研究动机与目标

• 开发一种数据驱动的分层手术技能评估框架，以捕捉控制、引导和规划等层次的技能特征。
• 评估基于PWARX的动态分割是否能有效揭示手术运动数据中的有意义子目标结构。
• 基于运动模式的空间与动态组织性，对不同技能水平（专家、中级、新手）进行比较。
• 证明动态特征相较于任务时间或路径长度等简单运动学指标，能提供更优的技能区分能力。
• 为涵盖人类技能组件全部层次的全面、客观的手术技能建模奠定基础。

提出的方法

• 将分段仿射回归（PWARX）应用于来自FLS Peg Transfer任务的30Hz器械运动数据（位置、姿态、抓握力）。
• 利用PWARX识别与任务中不同行为阶段（起始、操作、拦截）相对应的动态模式。
• 将PWARX参数转换为速度、法向加速度和切向加速度，以在椭球图中实现直观解释。
• 基于PWARX聚类标签，使用Fisher分类器对轨迹点进行分类，以量化行为的空间组织性。
• 通过空间组织性误分类率衡量高层规划技能——较低的误分类率表示更好的规划能力和一致性。
• 使用盲评的教师评分及来自多中心数据的三组技能水平（专家、中级、新手）验证结果。

实验结果

研究问题

• RQ1 基于PWARX的动态分割能否有效识别并区分腹腔镜手术任务中的子目标阶段？
• RQ2 专家与新手在任务各阶段（起始、操作、拦截）的动态行为模式有何差异？
• RQ3 运动聚类的空间组织性在多大程度上与技能水平相关，以误分类率衡量？
• RQ4 基于PWARX建模的动态特征是否能比标准运动学指标更有效地区分技能水平？
• RQ5 分层多回路控制模型如何为感知、规划与控制各层次的手术技能分析提供支持？

主要发现

• 专家在操作阶段表现出一致且高速的策略，加速度范围较大，而新手频繁减速，导致任务完成速度降低。
• 专家的起始阶段表现为中等速度和稳定控制，而新手则表现出速度不一致，包括高速尝试，从而影响准确性。
• 专家展现出更优的行为空间组织性，误分类率为13.3%（均值，标准差4.4%），而新手为35.0%（标准差6.5%）。
• 动态聚类揭示了专家的三种不同模式（模式1：操作，模式2：起始，模式3：拦截），每种模式均与任务阶段一致。
• 新手在各阶段策略不够一致，因运动执行的变异性导致需要更多尝试和更高的注意力负荷。
• 基于PWARX的动态分割比基于结果的指标提供了更深入的行为动态洞察，支持对技能组件全层次的分析。