从单个时间戳学习：腹腔动脉切除术的复杂度估计
计算机视觉与模式识别
2025-11-07 v1
摘要
目的：在腹腔动脉切除术（LC）中，对手术复杂度进行准确评估至关重要，因为严重的炎症与更长的手术时间和术后并发症风险增加相关。Parkland 评分标准（PGS）提供了对炎症严重程度进行分层的临床验证框架；然而，其在手术视频中的自动化仍基本未被探索，尤其是在必须在无需事前手动裁剪的情况下完整分析视频的真实场景中。方法：本文引入了 STC-Net（SingleTimestamp-based Complexity estimation in LC via the PGS），一种 novel 框架，用于在 PGS 框架下进行基于单个时间戳的 LC 复杂度估计，旨在应对弱时间监督。不同于仅限于静态图像或手动裁剪剪辑的先前方法，STC-Net 可直接处理完整视频。它联合执行时间局部化和评分，通过时间局部化、窗口提议和评分模块实现。我们提出了一种新型损失函数，结合硬性和软性局部化目标以及背景感知的评分监督。结果：在 1,859 例 LC 视频的私有数据集上评估，STC-Net 实现了 62.11% 的准确率和 61.42% 的 F1 分数，显著优于非局部化基线方法，在两个指标上均提升了超过 10%，凸显了针对手术复杂度评估的弱监督方法的有效性。结论：STC-Net 展示了一种可扩展且高效的自动化 PGS 基于手术复杂度估计方法，从完整的 LC 视频中实现，这对于术后分析和手术培训具有前景。
引用
@article{arxiv.2511.04525,
title = {Learning from Single Timestamps: Complexity Estimation in Laparoscopic Cholecystectomy},
author = {Dimitrios Anastasiou and Santiago Barbarisi and Lucy Culshaw and Jayna Patel and Evangelos B. Mazomenos and Imanol Luengo and Danail Stoyanov},
journal= {arXiv preprint arXiv:2511.04525},
year = {2025}
}