本研究提出了一种新的方法，使用卷积神经网络从胆囊切除术视频中自动学习特征，以完成手术阶段识别和工具存在检测等多任务学习，该方法取得了最好的效果。

Feb, 2016

该研究介绍了一种基于强化学习的离线手术阶段转换检测模型，相较于传统基于分类的方法，该模型能够更准确地探测手术过程中的连续阶段块，且在处理视频过程中可以节省时间和计算量，适用于腔镜手术等现代微创手术的研究应用。

Aug, 2022

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

该研究使用手术视频讲座来进行多模态表示学习，通过自动生成的文本转录来解决手术视频中的语言挑战，提出了一种新的对齐视频和文本嵌入的方法 SurgVLP，并介绍了一些用于手术的视觉与语言任务作为评估标准。

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

通过自我监督学习，在不同手术数据集上进行预训练，从而灵活地利用多样化的手术数据，为各种手术下游任务学习与任务无关的表示，研究发现预训练数据集的组成严重影响自我监督学习方法在各种下游任务上的有效性，对于规模化应用自我监督学习方法应充分考虑预训练数据集的组成。

Dec, 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

通过使用自然语言实现手术模型的普适性训练，本研究提出了一种名为HecVL的新型分层视频-文本预训练方法，其中通过构建层次化的视频-文本配对数据集，通过剪辑级、阶段级和视频级的文本信息学习了多模态嵌入空间，并使用对比学习的框架进行训练，使模型能够实现零样本手术阶段识别，并且在不同手术程序和医疗中心之间实现了模型的迁移。

May, 2024

本研究针对现有外科阶段识别方法在空间-时间依赖建模和冗余问题上的不足，提出了一种新颖的外科变压器（Surgformer）。该方法采用分层时间注意力（HTA）机制，能够有效捕捉不同时间尺度的全局和局部信息，从而显著提升空间-时间表示的效果。实验结果表明，Surgformer在挑战性基准数据集上表现优于现有最先进方法，具有重要的实际应用潜力。

Aug, 2024