SuPRA: Surgical Phase Recognition and Anticipation for Intra-Operative Planning

手术阶段的术中识别具有显著的潜力，可增强手术室实时情境感知。然而，我们认为，虽然术中识别有益，但由于其对实际手术决策和行动的直接影响有限，主要适用于术后视频分析。相反，我们认为手术阶段的预测和预期在术中协助中本质上更有价值，因为它们可以通过提供未来步骤的预见，有意义地影响外科医生的即时和长期规划。为了解决这个问题，我们提出了一种双重方法，同时识别当前的手术阶段并预测未来的手术阶段，从而提供全面的术中协助和指导预期剩余的工作流程。我们的新方法，手术阶段识别和预测（SuPRA），利用过去和当前的信息进行精确的术中阶段识别，同时使用未来的片段进行阶段预测。这种统一的方法挑战了将这些目标分开处理的传统框架。我们已经在两个知名数据集Cholec80和AutoLaparo21上验证了SuPRA，分别展示了91.8%和79.3%的识别准确性的最新表现。此外，我们引入并评估了我们的模型使用新的片段级评估指标，即编辑和F1重叠得分，以进行更加时间上的片段分类评估。总之，SuPRA提出了一种新的多任务方法，通过手术阶段识别和未来事件的预测为改善术中协助铺平了道路。

提高手术中的实时上下文意识，通过识别手术阶段来辅助外科医生。

提出了一种新的双重方法，同时识别当前手术阶段和预测未来阶段，以提供全面的手术内辅助和指导。

该方法在两个数据集上进行了验证，并展示了最先进的性能。论文提出了新的段级评估指标，即编辑和F1重叠分数，以更好地评估段分类。

最近的相关研究包括：《Surgical Phase Recognition Using Endoscopic Videos and Sequential Deep Learning》、《Real-time Surgical Phase Recognition in Cataract Surgery Using a Deep Neural Network》等。