跨手术室的手术活动识别模型自适应

自动手术活动识别能够实现更智能的手术设备和更高效的工作流程。将此类技术集成到新手术室中，有望改善对患者的护理交付并降低成本。近期工作在手术活动识别上取得了令人瞩目的性能；然而，这些模型缺乏泛化能力是该技术大规模应用的关键障碍之一。在这项工作中，我们研究了手术活动识别模型在不同手术室之间的泛化能力。我们提出了一种新的领域自适应方法，以提高手术活动识别模型在仅有未标注视频的新手术室中的性能。我们的方法为有把握的未标注视频片段生成伪标签，并在片段的增强版本上训练模型。我们将该方法扩展到半监督领域自适应设置，其中目标领域的一小部分也被标注。在我们的实验中，在从两个手术室收集的超过 480 个长手术视频的数据集上，我们提出的方法始终优于基线方法。