SurgPhase：基于交互式网页平台的时间高效垩腺瘤手术阶段识别
计算机视觉与模式识别
2026-03-27 v1
摘要
准确的手术阶段识别对于分析程序工作流程、支持手术决策以及实现手术教育和绩效评估的数据驱动改进至关重要。本文提出了一个针对垩腺瘤手术（PTS）视频的阶段识别综合框架，结合自监督表征学习、稳健的时间建模和可扩展的数据标注策略。该方法在保留测试集上实现90%的准确率，超越当前最先进的方法，显示出强大的在可变手术病例上的泛化能力。本工作的核心贡献是集成一个面向手术医生的协作式在线平台，设计用于上传手术视频、接收自动化阶段分析并贡献以不断增长的数据集。该平台不仅促进了大规模数据收集，也促进了知识共享和持续模型改进。为解决标注数据有限的挑战，我们在251个未标记的PTS视频上使用自监督框架对ResNet-50模型进行预训练，以提取高质量的特征表征。在81个程序的标记数据集上进行微调，采用修改的训练方案，结合焦点损失、渐进层解冻和动态抽样，以解决类别不平衡和程序变异性问题。
引用
@article{arxiv.2603.24897,
title = {SurgPhase: Time efficient pituitary tumor surgery phase recognition via an interactive web platform},
author = {Yan Meng and Jack Cook and X. Y. Han and Kaan Duman and Shauna Otto and Dhiraj Pangal and Jonathan Chainey and Ruth Lau and Margaux Masson-Forsythe and Daniel A. Donoho and Danielle Levy and Gabriel Zada and Sébastien Froelich and Juan Fernandez-Miranda and Mike Chang},
journal= {arXiv preprint arXiv:2603.24897},
year = {2026}
}