MuST：用于外科手术阶段识别的多尺度变压器
原文中文，约1600字，阅读约需4分钟。
📝
内容提要
本文介绍了多种手术阶段识别的先进技术，包括多尺度动作分割变换器（MS-AST）、自回归手术变压器（ARST）和多级时间卷积网络（MS-TCN）。这些方法在Cholec80数据集上实现了高达96.15%的识别准确率，显著提升了手术过程的自动化和分析能力。
❓
Q&A
什么是多尺度动作分割变换器（MS-AST）？
多尺度动作分割变换器（MS-AST）是一种用于手术阶段识别的技术，利用空间和时间信息，在不同尺度上建模时间信息。
ARST自回归手术变压器的主要特点是什么？
ARST通过条件概率分布建模阶段间相关性，采用一致性约束推断策略，推断速率达到每秒66帧。
在Cholec80数据集上，MS-AST和MS-ASCT的识别准确率分别是多少？
MS-AST和MS-ASCT在Cholec80数据集上的识别准确率分别为95.26%和96.15%。
视频基分类器在手术阶段识别中有什么优势？
视频基分类器相比于基于图片的分类器，提供了更高的识别效果。
多级时间卷积网络（MS-TCN）在手术阶段识别中有什么应用？
多级时间卷积网络（MS-TCN）具有层次化预测细化和因果扩张卷积的特点，成功应用于胆囊手术视频。
SlowFast时间建模网络（SF-TMN）在手术阶段识别任务中的表现如何？
SF-TMN在Cholec80手术阶段识别任务中实现了最先进的性能表现。
🏷️
