利用机器学习与潜在行为建模方法，对用于\(30^\circ\)腹腔镜摄像头导航的便携式虚拟现实模拟器进行结构验证

《Scientific Reports》：Construct validation of a portable virtual reality simulator for \(30^\circ\) laparoscopic camera navigation via machine learning and latent behavioral modeling

　　

摘要

针对\(30^\circ\)角度腹腔镜摄像头操作的专项训练，目前仍受限于高精度模拟器的昂贵成本以及缺乏持续的客观评估手段。我们推出了SECMA这一便携式虚拟现实平台，它具备能够模拟套管针旋转动作的机械约束界面、独立的视野稳定功能，以及专为\(30^\circ\)角度摄像头操作设计的光线重定向机制，同时还配有高频6自由度遥测功能。为验证该平台的有效性，我们在四次练习中让20名外科医生和18名医学生完成了六目标导航任务。研究采用了三层分析方法：首先，通过重复嵌套交叉验证（\(5 \times 50\)次外部折叠），逻辑回归是最有效的分类方法（\(F_1 = 0.818\)，\(K = 6\)）显示，专家们的操作协调性更佳，其优势幅度为12.9个百分点（科恩’s \(d = 0.707\)），专家们会有针对性地调整俯仰轴方向，而新手则会出现较为随意的偏航和滚转动作。第三，线性混合效应模型证实，专家与新手在四项运动学指标上存在显著差异（所有指标的\(p \le 0.018\)），且随着练习次数增加，专家和新手在时间和空间效率方面都有所提升，但两组的提升速率并无显著差异。这些一致的研究结果表明，SECMA是一款具有可扩展性且分析严谨的平台，适用于\(30^\circ\)角度摄像头操作训练及基于熟练度的评估。