Investigating right hand and left-hand symmetry/asymmetry with an integrated force sensor in laparoscopic box training
Laparoskopik kutu eğitiminde entegre edilmiş kuvvet sensörü ile sağ el ve sol el simetrisi/asimetrisini inceleme
- Tez No: 981292
- Danışmanlar: DR. ÖĞR. ÜYESİ HASAN ONUR KELEŞ
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Mühendislik Bilimleri, Bioengineering, Engineering Sciences
- Anahtar Kelimeler: Elektroensefalografi, Electroencephalography
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amacımız, laparoskopik cerrahi becerilerin objektif göstergeleri olarak alet basıncı özniteliklerini doğrulamak için mevcut box-trainer simülatörlerine ve laparoskopik aletlere basınca duyarlı bir ünite entegre etmek ve EEG'den elde edilen güç ile faz kilitleme değeri (PLV) özniteliklerini basınç verileriyle birleştirerek makine öğrenmesi modellerinin sınıflandırma doğruluğunu değerlendirmektir. Çalışmaya 23 katılımcı dâhil edilmiştir; bunların 13'ü laparoskopi deneyimi olmayan gönüllüler, 10'u ise farklı düzeylerde deneyime sahip (5–100 prosedür) cerrahlardan oluşmaktadır. Başparmaklarla uygulanan kuvveti ölçmek için her iki grasper koluna özel basınç sensörleri yerleştirilmiştir. Basınç verilerine ek olarak NASA-TLX, tamamlanma süresi, hata oranı, reaksiyon süresi, EKG ve mobil EEG (Mentalab, Almanya) kayıtları görev sırasında toplanmıştır. Sağ–sol asimetrisi (R − L) / (R + L) formülüyle hesaplanmış; burada R ve L, zamana göre ortalama genlikleri temsil etmiştir. EEG verileri frekans güç analizi ve delta (0–4 Hz), teta (4–8 Hz) ve alfa (8–12 Hz) bantlarında PLV hesaplamasına tabi tutulmuştur. Ayrıca HRV de hesaplanmıştır. Cerrahi becerilerin sınıflandırılması için üç makine öğrenmesi modeli — Random Forest Classifier (RFC), Gaussian Process (GP) ve AdaBoost (ABC) — test edilmiştir. Sağ–sol basınç asimetrisi beceri değerlendirmesinde önemli bir öznitelik olarak öne çıkmış, yalnızca asimetri indeksiyle görev sırasında RFC %78 doğruluğa ulaşmıştır. En yüksek performans, teta bant gücü ile asimetri özniteliklerinin birlikte kullanıldığı durumda elde edilmiş; RFC ve ABC %86 doğruluk, F1 = 0.83, AUC = 0.92 (RFC) ve 0.85 (ABC) sağlamıştır. Teta bant bulguları cerrahi beceri değerlendirmesindeki önemini desteklemiştir. Basınç ve EEG özniteliklerinin birleştirilmesi, cerrahi becerilerin objektif değerlendirilmesini geliştirmekte ve laparoskopik eğitimde gerçek zamanlı geri bildirim için potansiyel sunmaktadır.
Özet (Çeviri)
Our objectives were to integrate a pressure-sensing unit into box-trainer simulators and laparoscopic tools to validate tool pressure features as objective indicators of laparoscopic surgical skills, and to combine EEG-derived power and phase-locking value (PLV) features with tool pressure data to evaluate the classification accuracy of machine learning models. We recruited 23 participants, including 13 without laparoscopy experience and 10 surgeons with varying experience (5–100 procedures). A pressure sensor was installed on both grasper handles to monitor thumb force. Alongside tool pressure data, NASA-TLX, completion time, error rate, reaction time, ECG, and mobile EEG (Mentalab, Germany) were collected during the task. Right–left asymmetry was calculated as (R − L) / (R + L), where R and L represented average amplitudes over time. EEG data underwent power and PLV analysis across delta (0–4 Hz), theta (4–8 Hz), and alpha (8–12 Hz). HRV was also calculated. Three machine learning models, Random Forest Classifier (RFC), Gaussian Process (GP), and AdaBoost (ABC), were tested. Right–left pressure asymmetry was an important metric for skill assessment. Using only the asymmetry index during the task, RFC reached 78% accuracy. The highest performance occurred when combining theta-band power with asymmetry features during the task, with RFC and ABC both reaching 86% accuracy, F1 = 0.83, and AUC = 0.92 (RFC) and 0.85 (ABC). Theta-band findings support its relevance for surgical skill assessment. Combining pressure features with EEG features enhances objective evaluation of surgical skills, offering potential for real-time feedback in laparoscopic training.
Benzer Tezler
- İ.T.Ü. kampüs alanındaki kayaçların yüzey pürüzlülüğünün görüntü analiz yöntemi ile araştırılması
Başlık çevirisi yok
ERKAN BOZKURTOĞLU
Yüksek Lisans
Türkçe
1996
Jeoloji Mühendisliğiİstanbul Teknik ÜniversitesiUygulamalı Jeoloji Ana Bilim Dalı
PROF.DR. MAHİR VARDAR
- Katmanlı imalat süreçlerinde plastik malzemelerin ısı altındaki davranışı ve üretime etkisi
Thermal behavior of plastics during additive manufacturing process and impact of production parameters
BÜRYAN TURAN
Doktora
Türkçe
2024
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. KADİR KIRKKÖPRÜ
- Gemilerin manevra denklemlerinin bilgisayarla çözümü
The Solutions of equations of ship manoeuvres by the computer
EMİN KORKUT
- NiMn,NiMnP+ ve CrFe alaşım ince filmlerinde elektron spin rezonans (ESR) ve direnç ölçümleri
Başlık çevirisi yok
MUSTAFA ÖZDEMİR
Doktora
Türkçe
1998
Fizik ve Fizik Mühendisliğiİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
PROF. DR. YILDIRHAN ÖNER