ReCAP：用于机器人外科手术技能评估中伪标签生成的递归交叉注意力网络-计算机科学-外科技能-机器人辅助手术.pdfVIP

ReCAP：用于机器人外科手术技能评估中伪标签生

成的递归交叉注意力网络

JulienQuarez,MarcModat,SebastienOurselin,JonathanShapey,

AlejandroGranados

SchoolofBiomedicalEngineeringandImagingSciences,King’sCollegeLondon

Neurosurgery,King’sCollegeHospital

摘要在手术技能评估中，客观结构化技术技能评估（OSATS）和全球评分

本量表（GRS）是评估培训期间外科医生的公认工具。这些指标连同绩效反

译馈一起帮助外科医生提高并达到实践标准。最近对开源JIGSAWS数据集

中的研究，该数据集包括GRS和OSATS标签，集中在从运动数据、视频或

其组合中回归GRS分数。然而，我们主张单独回归GRS是有限的，因为

4它汇总了OSATS分数，并忽视了手术试验期间具有临床意义的变化。为

v

0了解决这个问题，我们开发了一个弱监督递归变压器模型，通过将隐藏状

8态映射到六个从运动数据得出的OSATS来跟踪整个会话中的外科医生表

1现。这些OSATS分数被平均以预测GRS，使我们可以比较我们的模型与

5

0最先进（SOTA）方法的表现。我们报告了斯皮尔曼相关系数（SCC），表

.

7明我们的模型使用运动数据超过了最先进的水平（SCC0.83-0.88），并且

0在基于视频的模型性能方面也达到了相同水平。

4我们的模型在大多数任务的平均OSATS预测（SCC0.46-0.70）和特定

2

:OSATS（SCC0.56-0.95）方面也超过了SOTA。在分段级别生成伪标签

v

i将定量预测转化为定性反馈，这对于自动外科技能评估管道至关重要。一

x

r位资深外科医生验证了我们模型的输出结果，同意了77%的弱监督预测

a。

Keywords:外科技能·动态数据·自动评估·机器人辅助手术

1介绍

机器人手术已迅速扩展到各个专科和自主性水平。尽管关于机器人辅助

手术（RAS）益处的证据好坏参半[20]，但其使用量正在增加——例如，在

Acknowledgments.ThisworkwassupportedbycorefundingfromtheWellcome/EPSRCCentre

forMedicalEngineering[WT203148/Z/16/Z].ForthepurposeofOpenAccess,theAuthorhas