本研究旨在客觀評價訓練者在不同專注度下的腹腔鏡模擬訓練效果。利用 BrainLink 采集腦電信號，計算樣本熵和 θ/β 值來評價專注度；利用 Tobii 眼動儀采集眼動信號，計算完成時間、錯誤數、注視點個數來評價腹腔鏡模擬訓練效果。招募 20 名志愿者，其樣本熵值小于 0.77 的為 A 組，大于 0.77 的為 B 組。結果表明，A 組的樣本熵值均小于 B 組，且變化較為平緩；而 B 組的樣本熵值在前 5 次訓練中變化較為平緩，后 5 次訓練過程中變化較大。A 組 θ/β 值較 B 組小，且整體變化趨勢較為平緩。A 組操作完成時間短，錯誤數少，注視點個數下降更快。本研究表明，訓練者的專注度會影響訓練效果。專注狀態較好的 A 組，腹腔鏡模擬訓練技能水平提升快，學習效率高；而 B 組腹腔鏡技能水平雖然也在提升，但達到學習穩定期所需要的時間更長。
引用本文： 劉云, 王殊軼, 張燕群, 徐明哲, 葉莎莎, 汪鵬. 基于眼動和腦電指標評價腹腔鏡訓練效果. 生物醫學工程學雜志, 2017, 34(1): 66-71. doi: 10.7507/1001-5515.201603072 復制
引言
目前腹腔鏡手術已在臨床上廣泛應用。研究發現，腹腔鏡醫生的手術訓練效果、手術操作經驗、操作方式與腹腔鏡手術并發癥的發生有著密切的聯系。因此，對外科醫生進行腹腔鏡手術技能訓練以及對訓練效果進行客觀評價很有必要。在國外腹腔鏡手術教學及訓練已形成體系，對從事腹腔鏡操作的外科醫師有一套嚴格的資格認證和質量控制制度及訓練大綱。相比于國外完善、嚴格的腹腔鏡教學訓練，國內尚未統一相關規范，也缺乏客觀、有效、完善的評價體系[1]。
Duru 等[2]利用 Emotive EPOC 腦電設備，分析外科醫生在腹腔鏡腎切除手術時的注意力集中狀態，結果表明注意力高度集中的狀態下能夠提高手術技能，手術技能與注意力集中水平之間存在密切的聯系。因此，本文將對模擬腹腔鏡手術訓練效果與專注度的關系展開討論。專注度是指在做某件事情時的注意力程度水平，用于衡量人集中精力、全神貫注、專心致志狀態的一個指標。專注是注意力的一種，具有持續性和集中性兩個基本特征。該指標能夠反映訓練者注意力的集中程度。專注度可通過腦電圖（electroencephalograph，EEG）來進行評價。國外 Wang 等[3]利用樣本熵分析受試者在觀看電影預告時的專注度。采用復雜度比值（樣本熵值在 2～3 之間的個數比總的樣本熵個數）對專注狀態進行說明。國內，清華大學的戴逸翔等[4]基于 NeuroSky 的腦電采集設備提出面向生物信息感知網絡稀疏腦電測量的模糊粗糙情緒識別方法，分析不同狀態下的專注度值，肯定了專注度參數值的有效性。
眼動參數指標能夠準確、客觀地評價手術技能水平。國外 Kocak 等[5]將眼動技術應用于腹腔鏡手術中，采集不同經驗水平的外科醫生的眼動信號。外科醫生分別佩戴頭戴式眼動儀來完成三個不同腹腔鏡任務，用注視點個數、眼跳峰值速度、眼跳幅度等眼動指標評價其腹腔鏡手術技能水平。國內，眼動技術主要應用在人因工程、閱讀訓練、體育訓練、駕駛訓練和飛行駕駛等領域，尚未應用于腹腔鏡手術訓練。
本文將分析訓練者的專注度狀態與訓練效果之間的關系。專注度評價采用樣本熵算法，樣本熵算法屬于復雜度測度的方法，可以準確衡量注意力的狀態和專注度的高低，并計算 θ/β 值進行對比。同時，通過計算完成時間、錯誤數、注視點個數等指標來分析模擬腹腔鏡手術訓練的效果。
1 評價模型
1.1 專注度評價模型
本文通過 EEG 來判斷受試者的專注度。選擇神念公司的 BrainLink 腦電采集設備，其主要以 Think Gear AM 模塊（TGAM）為核心模塊對前額皮膚的實時電壓進行采集放大，如圖 1a 所示。該腦電采集設備為單通道的腦電采集，電極為干性電極，無線傳輸數據，方便被試者佩戴，減少外在設備對其產生的干擾。采集位置為 Fp1 即前額部位，如圖 1b 所示。有研究表明，注意力與大腦前額葉的控制區相關，采集 Fp1 位置的腦電能夠較準確地說明被試者的專注度狀態[6]。
圖1
BrainLink腦電設備和腦電采集位置 a. BrainLink腦電設備；b. BrainLink腦電采集的位置
Figure1.
BrainLink EEG device and recording position a. BrainLink EEG device; b. the position of EEG recording by BrainLink
本文采用樣本熵方法來衡量專注度的高低，并計算 θ/β 值，進行對比分析。
樣本熵用于衡量時間序列的隨機性，主要通過檢測時間序列中產生新模式概率的大小得出腦電信號的復雜度和描述腦電信號的非線性特征，且只需比較少的數據即可得出穩健的估計值。樣本熵基于對近似熵算法的改進，有較好的抗噪聲和抗干擾能力等優點。腦電時間序列越復雜則樣本熵值越大，序列相似性越高則樣本熵值越小，即專注狀態時的樣本熵值小于非專注狀態的樣本熵值[7]。
本研究定義長度為 N 的時間序列的樣本熵為 SampEn（m，r，N），其熵值大小主要取決于嵌入維數 m、閾值 r 及數據的長度 N。
設原始時間序列 X 的長度為 N，則 X (i) = 。其算法的具體步驟如下：
（1）一組 m 維的矢量，從Xm（1）到Xm（N — m — 1），則：
| $ {X_m}\left( i \right) = \left[ {x\left( i \right),x\left( {i + 1} \right), \cdot \! \cdot \! \cdot ,x\left( {i + m - 1} \right)} \right] $ |
其中i=1，2，，N — m+1。
（2）定義矢量Xm（i）與Xm（j）之間的距離
| $ \begin{aligned} \quad d \left[ {{X_m}\left( i \right),{X_m}\left( j \right)} \right] = \mathop {\max }\limits_{k = 0 \sim m - 1} \left| {x\left( {i + k} \right) - x\left( {j + k} \right)} \right| \\ \quad \quad \quad \end{aligned} $ |
其中0≤k≤m — 1，1≤i，j≤N — m+1。
（3）給定閾值r（r>0），統計距離的個數記作，將與總的距離數N — m — 1的比值，記為，即：
| $ B_i^m\left( r \right) = \frac{{L_i^m\left( r \right)}}{{N - m - 1}} $ |
（4）當 i 從 1 取到N — m時，求的平均值，記為Bm（r）：
| $ {B^m}\left( r \right) = \frac{1}{{N - m}}\mathop \sum \limits_{i = 1}^{N - m} B_i^m\left( r \right) $ |
（5）當維數由 m 增加至m+1，重復計算（3）～（4）計算出，再求出Bm+1（r），則序列的樣本熵值為
| $ {\rm{SampEn}}\left( {m,r,N} \right) = \mathop {\lim }\limits_{n \to \infty } \left\{ { - \ln \left[ {\frac{{{B^{m + 1}}\left( r \right)}}{{{B^m}\left( r \right)}}} \right]} \right\} $ |
在實際應用時，一般 N 取為有限值，計算得到樣本熵估計值為
| $ {\rm{SampEn}}\left( {m,r,N} \right) = - \ln \left[ {\frac{{{B^{m + 1}}\left( r \right)}}{{{B^m}\left( r \right)}}} \right] $ |
而樣本熵被認為是條件概率的精確值。
其中參數 m、r 的選擇是樣本熵值計算的關鍵，樣本熵與 m、r、N 的取值有關。當 m=2，r=0.1SD～0.25SD，其中 SD 是原始數據 x（i），i=1～N 的標準差，SampEn（m=2，r，N）反映了當維數 m 由 2 增加至 3 時產生新模式可能性的大小，樣本熵值越大，說明產生新模式的機會越大，曲線越復雜。當數據長度 N 大于等于 500 個采樣點時，樣本熵值相對穩定。
當大腦處于不同專注度的狀態時，各個節律波段所占的能量不同。可根據 θ/β 比值來衡量專注度的高低，θ/β 值越小，專注度越高[8]，其計算公式如式（7）所示。
| $ \frac{\theta }{\beta } = \frac{{\mathop {\Large \text{∫}} \nolimits_{2{π} + \frac{4}{{fs}}}^{2{π} + \frac{8}{{fs}}} S\left( w \right){\rm{d}}w}}{{\mathop {\Large \text{∫}} \nolimits_{2{π} + \frac{{12}}{{fs}}}^{2{π} + \frac{{30}}{{fs}}} S\left( w \right){\rm{d}}w}} $ |
1.2 腹腔鏡模擬訓練效果評價平臺
本文采用眼動指標來評價腹腔鏡模擬訓練效果。腹腔鏡醫生在進行腹腔鏡手術時均保持站立姿勢，腳步基本上不移動；同時，腹腔內的手術環境通過顯示器顯示，醫生在操作過程中視線不離開屏幕。因此與之相應地，在腹腔鏡手術模擬訓練過程中，訓練者保持同樣的站立姿勢；而且，為了避免眼動設備與人體接觸，減小對訓練者的干擾，本研究采用屏幕式眼動儀。本文選用瑞典 Tobii Technology AB 公司的 Tobii X1 Light 型眼動儀，如圖 2 所示。該眼動儀集采集軟件、分析軟件以及眼動儀的控制電腦于一體，注視位置準確度達到 0.5～1°，采樣頻率為 30 Hz。
圖2
Tobii X1-Light眼動儀
Figure2.
Tobii X1 Light Eye Tracker
在腹腔鏡模擬訓練任務中，基于眼動信號的評價平臺運行過程如下：①使用 PC 端 Studio 軟件實時讀取訓練箱中攝像頭，讀取訓練箱中的情況。②通過視頻傳輸，將腹腔鏡訓練箱中情況實時投影顯示在顯示器上，供訓練者觀看。③進行任務操作時，眼動儀實時記錄眼動信息并反饋至 Studio 軟件記錄。
腹腔鏡模擬手術訓練過程中眼動信號傳輸與采集方式如圖 3 所示。
圖3
基于眼動儀的評價平臺
Figure3.
Assessment system based on eye tracker
客觀評價腹腔鏡模擬訓練效果的參考指標主要有：①操作時間：是指完成腹腔鏡模擬訓練任務所用的時間。操作完成時間越短，說明訓練者對訓練任務的操作越熟練。任務操作時間已被廣泛用于腹腔鏡手術訓練效果的客觀評價，無論是在基于模擬培訓箱中還是在虛擬現實訓練器的訓練中。②錯誤數：能夠客觀反映訓練者的手部操作能力以及對任務的熟悉程度。訓練過程中，錯誤個數越少，訓練效果越好。③注視點個數：采用時間限制法確定，根據實際的需要將注視時間下限設為100 ms。在相同任務情況下，相同注視時間內注視點個數越多，說明訓練者在操作時對任務越不熟悉，操作水平較差。
2 實驗
2.1 訓練任務設計
關于腹腔鏡模擬訓練，國內尚無標準化、系統化的規范，不同的機構根據自身需求及設備不同，采取不同的訓練方案完成相應的訓練任務[9]。
無論以何種形式訓練，其主要訓練內容大致包括理論學習、技術訓練、臨床實踐和專項技術訓練。基本技能訓練任務主要包括：①手眼協調訓練；②定向適應訓練；③組織切割與分離訓練；④施夾和縫合打結訓練；⑤模擬腸管吻合或膽囊切除訓練[10]。
本文基于手眼協調訓練的基本技能訓練任務，設定了“左右移環”訓練任務來訓練操作者的手眼協調能力和雙手配合能力。具體任務如下：要求訓練者首先用左手持器械從左邊柱子抓起橡膠環，遞給右手所持器械，并套在右邊柱子。待 4 個橡膠環逐次套在右邊的柱子上，再反過來操作由右手依次將橡膠環抓起遞給左手，并全部依次套在左邊的柱子上，算完成一次訓練，如圖 4 所示。
圖4
左右移環訓練任務
Figure4.
Move ring task
本次實驗招募了 20 名在校大學生為腹腔鏡模擬訓練的訓練者，其中 12 名男生，8 名女生，均為右利手，矯正視力在 1.0 以上。在整個訓練過程前半階段，會根據訓練者操作需求對其提供實時的口頭指導，以幫助其更加了解任務操作。每名訓練者的訓練過程持續 35～45 min，視志愿者訓練情況而定。實驗時間為 9:00～12:00 以及 13:00～16:30。這段時間內光線較充足，對眼動數據的采集最為合適。
圖 5 所示為整個實驗平臺，由腹腔鏡手術訓練系統、Tobii眼動儀、Brain Link腦電采集設備組成。
圖5
腹腔鏡模擬訓練的實驗平臺
Figure5.
Experimental platform for laparoscopic surgical skills training
具體實驗過程：①進行一次眼動數據采集的預實驗。②對于眼動采集合格的訓練者，每名訓練者連續進行10次訓練，算完成訓練實驗，中間不休息。③采集腦電信號，計算腦電特征樣本熵值和θ/β值；采集眼動信號，計算完成時間、錯誤數、注視點個數。本文對各項指標均采用單因素方差分析進行統計學處理。
2.2 專注狀態評價
計算訓練者的樣本熵值，將所有訓練者 10 次訓練的平均樣本熵值 0.77 作為分組閾值，小于閾值的為 A 組，大于閾值的為 B 組。
圖 6 所示為 A 組和 B 組訓練者樣本熵值，每一次訓練的樣本熵值為各組所有訓練者樣本熵值的平均值。統計學結果表明，A 組與 B 組被試者 10 次操作任務的樣本熵值差異有統計學意義（P<0.05）。由圖可知，A 組的樣本熵值均小于 B 組，且變化較為平緩；而 B 組的樣本熵值在前 5 次訓練中變化較為平緩，后 5 次訓練中變化較大。
圖6
樣本熵值
Figure6.
Sample entropy value
對腦電數據進行去噪、濾波預處理后，進行傅里葉變換，分別求出兩個波段的功率譜，計算 θ/β 值，如圖 7 所示，A 組 θ/β 值較 B 組小，且整體變化趨勢較為平緩；B 組比值整體較大，且波動較大，兩組差異有統計學意義（P<0.05）。θ/β 值分析結果與樣本熵情況一致，均表明 A 組訓練者的專注度明顯高于 B 組。
圖7
θ/β值
Figure7.
Value of θ/β
2.3 訓練效果評價
操作完成時間為每組訓練者完成每一次訓練所需要時間的平均值。從圖 8 可知，操作完成時間隨著訓練次數呈現明顯的下降趨勢，對其進行線性擬合分析：兩組的擬合效果均較好，其中 A 組的斜率值較小，下降速度更快，B 組訓練效果相對較差；且 A 組在整個訓練過程中的完成時間均小于 B 組，說明 A 組訓練效果更好。對兩組數據進行單因素方差分析，差異有計學意義（P<0.05）。
圖8
訓練效果指標圖
Figure8.
Indexes of training effect
錯誤數是指訓練者在移環過程中脫落的次數，由于任務操作的復雜系數不大，且有口頭指導，所以錯誤總數較少。如圖 8 所示，兩組訓練的整體變化趨勢一致，錯誤數均隨著訓練次數增加而減少。A 組的錯誤總數少于 B 組，說明 A 組的訓練效果更好。對兩組數據進行單因素方差分析，差異有統計學意義（P<0.05）。
如圖 8 所示，兩組注視點個數隨著訓練次數增加，均呈現下降趨勢。分別對兩組數據進行線性擬合分析：A 組的斜率小于 B 組，表明 A 組的注視點個數下降速度高于 B 組；而 B 組的注視點個數在整個訓練過程中波動較大。對兩組數據進行單因素方差分析，差異有統計學意義（P<0.05）。
綜合上述參數，在整個訓練過程中，A、B 兩組訓練者對訓練任務的熟悉程度和認知程度均在不斷加深，但 A 組的訓練效果較 B 組更好、更穩定。
3 討論和結論
本研究旨在解決國內腹腔鏡訓練中一直存在的客觀評價問題，提出一種新的客觀評價方法，并探究了專注度與訓練效果之間的關系。
樣本熵和 θ/β 值均能客觀地反映訓練者的專注狀態。A 組的樣本熵小于 B 組，且在整個過程中樣本熵值變化不大；而 B 組有明顯的波動，且在后 5 次訓練中變化顯著。A 組 θ/β 值均小于 B 組，且組內只存在較小的變化；而 B 組 θ/β 值與樣本熵值類似，存在較大的波動。兩種指標結果一致，說明 A 組的訓練者比 B 組更加專注。
通過比較 A、B 兩組完成時間、錯誤數及注視點個數的變化可以看出，A、B 兩組訓練者對訓練任務的熟悉程度和認知程度均在不斷加深，但是 A 組訓練者的完成時間更短，注視點個數下降更快，錯誤數更低，這都表明 A 組訓練效果更好。
綜合分析可得，專注度會影響受試者的訓練效果。當我們在訓練中更加專注時，腹腔鏡模擬訓練技能水平提升更快，學習效率更高，可以更快地達到穩定期。
引言
目前腹腔鏡手術已在臨床上廣泛應用。研究發現，腹腔鏡醫生的手術訓練效果、手術操作經驗、操作方式與腹腔鏡手術并發癥的發生有著密切的聯系。因此，對外科醫生進行腹腔鏡手術技能訓練以及對訓練效果進行客觀評價很有必要。在國外腹腔鏡手術教學及訓練已形成體系，對從事腹腔鏡操作的外科醫師有一套嚴格的資格認證和質量控制制度及訓練大綱。相比于國外完善、嚴格的腹腔鏡教學訓練，國內尚未統一相關規范，也缺乏客觀、有效、完善的評價體系[1]。
Duru 等[2]利用 Emotive EPOC 腦電設備，分析外科醫生在腹腔鏡腎切除手術時的注意力集中狀態，結果表明注意力高度集中的狀態下能夠提高手術技能，手術技能與注意力集中水平之間存在密切的聯系。因此，本文將對模擬腹腔鏡手術訓練效果與專注度的關系展開討論。專注度是指在做某件事情時的注意力程度水平，用于衡量人集中精力、全神貫注、專心致志狀態的一個指標。專注是注意力的一種，具有持續性和集中性兩個基本特征。該指標能夠反映訓練者注意力的集中程度。專注度可通過腦電圖（electroencephalograph，EEG）來進行評價。國外 Wang 等[3]利用樣本熵分析受試者在觀看電影預告時的專注度。采用復雜度比值（樣本熵值在 2～3 之間的個數比總的樣本熵個數）對專注狀態進行說明。國內，清華大學的戴逸翔等[4]基于 NeuroSky 的腦電采集設備提出面向生物信息感知網絡稀疏腦電測量的模糊粗糙情緒識別方法，分析不同狀態下的專注度值，肯定了專注度參數值的有效性。
眼動參數指標能夠準確、客觀地評價手術技能水平。國外 Kocak 等[5]將眼動技術應用于腹腔鏡手術中，采集不同經驗水平的外科醫生的眼動信號。外科醫生分別佩戴頭戴式眼動儀來完成三個不同腹腔鏡任務，用注視點個數、眼跳峰值速度、眼跳幅度等眼動指標評價其腹腔鏡手術技能水平。國內，眼動技術主要應用在人因工程、閱讀訓練、體育訓練、駕駛訓練和飛行駕駛等領域，尚未應用于腹腔鏡手術訓練。
本文將分析訓練者的專注度狀態與訓練效果之間的關系。專注度評價采用樣本熵算法，樣本熵算法屬于復雜度測度的方法，可以準確衡量注意力的狀態和專注度的高低，并計算 θ/β 值進行對比。同時，通過計算完成時間、錯誤數、注視點個數等指標來分析模擬腹腔鏡手術訓練的效果。
1 評價模型
1.1 專注度評價模型
本文通過 EEG 來判斷受試者的專注度。選擇神念公司的 BrainLink 腦電采集設備，其主要以 Think Gear AM 模塊（TGAM）為核心模塊對前額皮膚的實時電壓進行采集放大，如圖 1a 所示。該腦電采集設備為單通道的腦電采集，電極為干性電極，無線傳輸數據，方便被試者佩戴，減少外在設備對其產生的干擾。采集位置為 Fp1 即前額部位，如圖 1b 所示。有研究表明，注意力與大腦前額葉的控制區相關，采集 Fp1 位置的腦電能夠較準確地說明被試者的專注度狀態[6]。
圖1
BrainLink腦電設備和腦電采集位置 a. BrainLink腦電設備；b. BrainLink腦電采集的位置
Figure1.
BrainLink EEG device and recording position a. BrainLink EEG device; b. the position of EEG recording by BrainLink
本文采用樣本熵方法來衡量專注度的高低，并計算 θ/β 值，進行對比分析。
樣本熵用于衡量時間序列的隨機性，主要通過檢測時間序列中產生新模式概率的大小得出腦電信號的復雜度和描述腦電信號的非線性特征，且只需比較少的數據即可得出穩健的估計值。樣本熵基于對近似熵算法的改進，有較好的抗噪聲和抗干擾能力等優點。腦電時間序列越復雜則樣本熵值越大，序列相似性越高則樣本熵值越小，即專注狀態時的樣本熵值小于非專注狀態的樣本熵值[7]。
本研究定義長度為 N 的時間序列的樣本熵為 SampEn（m，r，N），其熵值大小主要取決于嵌入維數 m、閾值 r 及數據的長度 N。
設原始時間序列 X 的長度為 N，則 X (i) = 。其算法的具體步驟如下：
（1）一組 m 維的矢量，從Xm（1）到Xm（N — m — 1），則：
| $ {X_m}\left( i \right) = \left[ {x\left( i \right),x\left( {i + 1} \right), \cdot \! \cdot \! \cdot ,x\left( {i + m - 1} \right)} \right] $ |
其中i=1，2，，N — m+1。
（2）定義矢量Xm（i）與Xm（j）之間的距離
| $ \begin{aligned} \quad d \left[ {{X_m}\left( i \right),{X_m}\left( j \right)} \right] = \mathop {\max }\limits_{k = 0 \sim m - 1} \left| {x\left( {i + k} \right) - x\left( {j + k} \right)} \right| \\ \quad \quad \quad \end{aligned} $ |
其中0≤k≤m — 1，1≤i，j≤N — m+1。
（3）給定閾值r（r>0），統計距離的個數記作，將與總的距離數N — m — 1的比值，記為，即：
| $ B_i^m\left( r \right) = \frac{{L_i^m\left( r \right)}}{{N - m - 1}} $ |
（4）當 i 從 1 取到N — m時，求的平均值，記為Bm（r）：
| $ {B^m}\left( r \right) = \frac{1}{{N - m}}\mathop \sum \limits_{i = 1}^{N - m} B_i^m\left( r \right) $ |
（5）當維數由 m 增加至m+1，重復計算（3）～（4）計算出，再求出Bm+1（r），則序列的樣本熵值為
| $ {\rm{SampEn}}\left( {m,r,N} \right) = \mathop {\lim }\limits_{n \to \infty } \left\{ { - \ln \left[ {\frac{{{B^{m + 1}}\left( r \right)}}{{{B^m}\left( r \right)}}} \right]} \right\} $ |
在實際應用時，一般 N 取為有限值，計算得到樣本熵估計值為
| $ {\rm{SampEn}}\left( {m,r,N} \right) = - \ln \left[ {\frac{{{B^{m + 1}}\left( r \right)}}{{{B^m}\left( r \right)}}} \right] $ |
而樣本熵被認為是條件概率的精確值。
其中參數 m、r 的選擇是樣本熵值計算的關鍵，樣本熵與 m、r、N 的取值有關。當 m=2，r=0.1SD～0.25SD，其中 SD 是原始數據 x（i），i=1～N 的標準差，SampEn（m=2，r，N）反映了當維數 m 由 2 增加至 3 時產生新模式可能性的大小，樣本熵值越大，說明產生新模式的機會越大，曲線越復雜。當數據長度 N 大于等于 500 個采樣點時，樣本熵值相對穩定。
當大腦處于不同專注度的狀態時，各個節律波段所占的能量不同。可根據 θ/β 比值來衡量專注度的高低，θ/β 值越小，專注度越高[8]，其計算公式如式（7）所示。
| $ \frac{\theta }{\beta } = \frac{{\mathop {\Large \text{∫}} \nolimits_{2{π} + \frac{4}{{fs}}}^{2{π} + \frac{8}{{fs}}} S\left( w \right){\rm{d}}w}}{{\mathop {\Large \text{∫}} \nolimits_{2{π} + \frac{{12}}{{fs}}}^{2{π} + \frac{{30}}{{fs}}} S\left( w \right){\rm{d}}w}} $ |
1.2 腹腔鏡模擬訓練效果評價平臺
本文采用眼動指標來評價腹腔鏡模擬訓練效果。腹腔鏡醫生在進行腹腔鏡手術時均保持站立姿勢，腳步基本上不移動；同時，腹腔內的手術環境通過顯示器顯示，醫生在操作過程中視線不離開屏幕。因此與之相應地，在腹腔鏡手術模擬訓練過程中，訓練者保持同樣的站立姿勢；而且，為了避免眼動設備與人體接觸，減小對訓練者的干擾，本研究采用屏幕式眼動儀。本文選用瑞典 Tobii Technology AB 公司的 Tobii X1 Light 型眼動儀，如圖 2 所示。該眼動儀集采集軟件、分析軟件以及眼動儀的控制電腦于一體，注視位置準確度達到 0.5～1°，采樣頻率為 30 Hz。
圖2
Tobii X1-Light眼動儀
Figure2.
Tobii X1 Light Eye Tracker
在腹腔鏡模擬訓練任務中，基于眼動信號的評價平臺運行過程如下：①使用 PC 端 Studio 軟件實時讀取訓練箱中攝像頭，讀取訓練箱中的情況。②通過視頻傳輸，將腹腔鏡訓練箱中情況實時投影顯示在顯示器上，供訓練者觀看。③進行任務操作時，眼動儀實時記錄眼動信息并反饋至 Studio 軟件記錄。
腹腔鏡模擬手術訓練過程中眼動信號傳輸與采集方式如圖 3 所示。
圖3
基于眼動儀的評價平臺
Figure3.
Assessment system based on eye tracker
客觀評價腹腔鏡模擬訓練效果的參考指標主要有：①操作時間：是指完成腹腔鏡模擬訓練任務所用的時間。操作完成時間越短，說明訓練者對訓練任務的操作越熟練。任務操作時間已被廣泛用于腹腔鏡手術訓練效果的客觀評價，無論是在基于模擬培訓箱中還是在虛擬現實訓練器的訓練中。②錯誤數：能夠客觀反映訓練者的手部操作能力以及對任務的熟悉程度。訓練過程中，錯誤個數越少，訓練效果越好。③注視點個數：采用時間限制法確定，根據實際的需要將注視時間下限設為100 ms。在相同任務情況下，相同注視時間內注視點個數越多，說明訓練者在操作時對任務越不熟悉，操作水平較差。
2 實驗
2.1 訓練任務設計
關于腹腔鏡模擬訓練，國內尚無標準化、系統化的規范，不同的機構根據自身需求及設備不同，采取不同的訓練方案完成相應的訓練任務[9]。
無論以何種形式訓練，其主要訓練內容大致包括理論學習、技術訓練、臨床實踐和專項技術訓練。基本技能訓練任務主要包括：①手眼協調訓練；②定向適應訓練；③組織切割與分離訓練；④施夾和縫合打結訓練；⑤模擬腸管吻合或膽囊切除訓練[10]。
本文基于手眼協調訓練的基本技能訓練任務，設定了“左右移環”訓練任務來訓練操作者的手眼協調能力和雙手配合能力。具體任務如下：要求訓練者首先用左手持器械從左邊柱子抓起橡膠環，遞給右手所持器械，并套在右邊柱子。待 4 個橡膠環逐次套在右邊的柱子上，再反過來操作由右手依次將橡膠環抓起遞給左手，并全部依次套在左邊的柱子上，算完成一次訓練，如圖 4 所示。
圖4
左右移環訓練任務
Figure4.
Move ring task
本次實驗招募了 20 名在校大學生為腹腔鏡模擬訓練的訓練者，其中 12 名男生，8 名女生，均為右利手，矯正視力在 1.0 以上。在整個訓練過程前半階段，會根據訓練者操作需求對其提供實時的口頭指導，以幫助其更加了解任務操作。每名訓練者的訓練過程持續 35～45 min，視志愿者訓練情況而定。實驗時間為 9:00～12:00 以及 13:00～16:30。這段時間內光線較充足，對眼動數據的采集最為合適。
圖 5 所示為整個實驗平臺，由腹腔鏡手術訓練系統、Tobii眼動儀、Brain Link腦電采集設備組成。
圖5
腹腔鏡模擬訓練的實驗平臺
Figure5.
Experimental platform for laparoscopic surgical skills training
具體實驗過程：①進行一次眼動數據采集的預實驗。②對于眼動采集合格的訓練者，每名訓練者連續進行10次訓練，算完成訓練實驗，中間不休息。③采集腦電信號，計算腦電特征樣本熵值和θ/β值；采集眼動信號，計算完成時間、錯誤數、注視點個數。本文對各項指標均采用單因素方差分析進行統計學處理。
2.2 專注狀態評價
計算訓練者的樣本熵值，將所有訓練者 10 次訓練的平均樣本熵值 0.77 作為分組閾值，小于閾值的為 A 組，大于閾值的為 B 組。
圖 6 所示為 A 組和 B 組訓練者樣本熵值，每一次訓練的樣本熵值為各組所有訓練者樣本熵值的平均值。統計學結果表明，A 組與 B 組被試者 10 次操作任務的樣本熵值差異有統計學意義（P<0.05）。由圖可知，A 組的樣本熵值均小于 B 組，且變化較為平緩；而 B 組的樣本熵值在前 5 次訓練中變化較為平緩，后 5 次訓練中變化較大。
圖6
樣本熵值
Figure6.
Sample entropy value
對腦電數據進行去噪、濾波預處理后，進行傅里葉變換，分別求出兩個波段的功率譜，計算 θ/β 值，如圖 7 所示，A 組 θ/β 值較 B 組小，且整體變化趨勢較為平緩；B 組比值整體較大，且波動較大，兩組差異有統計學意義（P<0.05）。θ/β 值分析結果與樣本熵情況一致，均表明 A 組訓練者的專注度明顯高于 B 組。
圖7
θ/β值
Figure7.
Value of θ/β
2.3 訓練效果評價
操作完成時間為每組訓練者完成每一次訓練所需要時間的平均值。從圖 8 可知，操作完成時間隨著訓練次數呈現明顯的下降趨勢，對其進行線性擬合分析：兩組的擬合效果均較好，其中 A 組的斜率值較小，下降速度更快，B 組訓練效果相對較差；且 A 組在整個訓練過程中的完成時間均小于 B 組，說明 A 組訓練效果更好。對兩組數據進行單因素方差分析，差異有計學意義（P<0.05）。
圖8
訓練效果指標圖
Figure8.
Indexes of training effect
錯誤數是指訓練者在移環過程中脫落的次數，由于任務操作的復雜系數不大，且有口頭指導，所以錯誤總數較少。如圖 8 所示，兩組訓練的整體變化趨勢一致，錯誤數均隨著訓練次數增加而減少。A 組的錯誤總數少于 B 組，說明 A 組的訓練效果更好。對兩組數據進行單因素方差分析，差異有統計學意義（P<0.05）。
如圖 8 所示，兩組注視點個數隨著訓練次數增加，均呈現下降趨勢。分別對兩組數據進行線性擬合分析：A 組的斜率小于 B 組，表明 A 組的注視點個數下降速度高于 B 組；而 B 組的注視點個數在整個訓練過程中波動較大。對兩組數據進行單因素方差分析，差異有統計學意義（P<0.05）。
綜合上述參數，在整個訓練過程中，A、B 兩組訓練者對訓練任務的熟悉程度和認知程度均在不斷加深，但 A 組的訓練效果較 B 組更好、更穩定。
3 討論和結論
本研究旨在解決國內腹腔鏡訓練中一直存在的客觀評價問題，提出一種新的客觀評價方法，并探究了專注度與訓練效果之間的關系。
樣本熵和 θ/β 值均能客觀地反映訓練者的專注狀態。A 組的樣本熵小于 B 組，且在整個過程中樣本熵值變化不大；而 B 組有明顯的波動，且在后 5 次訓練中變化顯著。A 組 θ/β 值均小于 B 組，且組內只存在較小的變化；而 B 組 θ/β 值與樣本熵值類似，存在較大的波動。兩種指標結果一致，說明 A 組的訓練者比 B 組更加專注。
通過比較 A、B 兩組完成時間、錯誤數及注視點個數的變化可以看出，A、B 兩組訓練者對訓練任務的熟悉程度和認知程度均在不斷加深，但是 A 組訓練者的完成時間更短，注視點個數下降更快，錯誤數更低，這都表明 A 組訓練效果更好。
綜合分析可得，專注度會影響受試者的訓練效果。當我們在訓練中更加專注時，腹腔鏡模擬訓練技能水平提升更快，學習效率更高，可以更快地達到穩定期。
