Classification in Virtual Temporal Bone Surgical Education: A First Step Towards Automated Virtual Education With Use of Machine Learning
Notice bibliographique
Résumé
Objective: Simulation-based surgical training is now standard in residency education - aided by tools such as printed, virtual, and augmented reality environments. Autonomous education with use of machine learning is an emerging necessity owing to resident work-hour limitations and staff availability. An essential first step to providing automated feedback during simulated surgery is the development of a tool to classify surgical technique. Distinctive hand motion and drilling patterns can be used in the assessment of trainee proficiency during complex temporal bone surgery (TBS).This article reviews the development of a software classifier model for automated assessment of surgical performance based on recorded drill trajectory and hand motion tracking during 3D-printed TBS. Methods: REB-approved prospective experimental study, in which a classifier was developed to provide automatic assessment of surgical performance based on drill trajectory and hand motion tracking. Four expert (two otologic surgeons and two PGY5 surgery residents) and four novice (PGY1-3 surgery residents) participants dissected 3D-printed temporal bone models. Individual hand and drill motion data were collected and analyzed for similarities and variations between participants to develop a model to predict the level of expertise (expert or novice), using a supervised classification approach. Results: The automated stroke detection algorithm found 80.2%, 82.7%, and 84.8% precision in stroke detection and classification during cortical mastoidectomy (CM), thinning procedures (TP) and facial recess exposure (FRE), respectively. The classifier was able to predict the level of expertise with an accuracy of 92.8% and a sensitivity of 87.5%. Conclusion: A temporal bone classifier can be developed with a high degree of accuracy as an initial stage towards an autonomous training paradigm. Level of Evidence: IV.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».