本文提出了一种多级时间卷积网络（MS-TCN），可以用于手术阶段识别，具有层次化预测细化和因果扩张卷积的特点。本文的方法经过多组数据集的评估，并在胆囊手术视频中得到成功应用。

Mar, 2020

本文提出了一种名为ARST的自回归手术变压器，用于从腹腔镜视频中实时识别手术阶段。通过条件概率分布隐式地建模了阶段间相关性，并采用一致性约束推断策略以减少推断偏差和增强阶段一致性。在知名的公共数据集Cholec80上进行了综合验证，实验结果表明，我们的方法在定量和定性上都优于现有的最先进方法，并实现了每秒66帧的推断速率。

Sep, 2022

本文介绍了一种称为长视频变压器（LoViT）的两阶段方法，用于融合短期和长期时间信息的融合，可以比当前的方法更好地处理手术过程中的长视频，并通过将本地和全局特征结合起来使用多尺度时间聚合器对手术相位进行分类。研究发现，与现有的方法相比，LoViT在两个手术视频数据集上的表现最优

May, 2023

提出了SlowFast时间建模网络（SF-TMN）用于自动手术阶段识别，并实现了帧级全视频时间建模以及片段级全视频时间建模。在Cholec80手术阶段识别任务中，SF-TMN实现了最先进的性能表现；在50salads、GTEA和Breakfast行动分割数据集上，实现了最先进的性能表现。结果表明，通过时间细化阶段从帧级和片段级结合时间信息，有利于手术阶段的时间建模。

Jun, 2023

通过TUNeS模型，结合上下文感知的计算机辅助、注意力机制和时序建模，可以在未来手术室中实现自动识别医疗团队正在执行的手术阶段，并在考虑长期时序特征的情况下达到Cholec80数据集上的最佳结果。

Jul, 2023

提出了一种基于视觉转换器的方法来联合学习时空特征，以自动进行手术步骤识别，通过在两个白内障手术视频数据集上的广泛评估，证明了该方法在自动手术步骤识别方面具有优异的性能。

Jul, 2023

通过提出SurgPLAN，一种基于时间检测原理的外科手术阶段定位网络，利用金字塔慢速-快速（PSF）架构和时间相位定位（TPL）模块，可以准确稳定地识别手术阶段，克服了现有方法不能捕获可区分的视觉特征和运动信息以及帧逐帧识别范式导致的不稳定预测的问题。

Nov, 2023

我们提出了一种Surgical Temporal Action-aware Network with sequence Regularization (STAR-Net)来更准确地从输入视频中识别手术阶段。通过使用多尺度手术时态行动模块（MS-STA）和双分类器序列正则化（DSR），我们的方法可以有效利用手术行动的视觉特征，并在手术阶段识别方面取得卓越性能。

Nov, 2023

现代手术室和在线手术视频评估平台中，自动手术阶段识别是一项核心技术。本文介绍了用于离线和在线手术阶段识别的多尺度动作分割变换器（MS-AST）和多尺度动作分割因果变换器（MS-ASCT），利用了空间和时间信息，在不同尺度上建模了时间信息，并成功达到了95.26%和96.15%的 Cholec80 数据集在线和离线手术阶段识别准确率，达到了最新研究成果的水平。此外，在视频动作分割领域的非医学数据集上，该方法也取得了最先进的结果。

Jan, 2024

该研究解决了在医学领域中，利用图像预训练模型进行手术视频阶段识别时面临的数据稀缺和空间-时间建模不足的问题。文中提出了一种新的参数高效迭代学习方法SurgPETL，通过引入空间-时间适应模块，显著提高了手术阶段识别的准确性和可靠性。研究结果表明，SurgPETL在多个手术程序的挑战性数据集上表现出了优越的效果。

Sep, 2024