本研究提出了一种神经有限状态机（NFSM）模块，用于外科阶段识别，解决手术视频分析的可持续性问题。NFSM通过全局状态嵌入和动态转移表显著提高了长流程视频的识别准确性，展示了其在外科及其他领域的广泛适应性。

本文介绍了多种深度学习方法在手术视频分析中的应用，包括RSDNet、MTMS-TCN、FedCy、STAR-Net和SuPRA等。这些方法通过自动识别手术阶段和步骤，提高了预测准确性和识别性能。此外，OphNet数据集为眼科手术工作流分析提供了丰富的视频资源，推动了微创手术的发展。

本文介绍了一种基于医学图像的手术问答系统，结合视觉和文本模型，验证其在手术程序问卷中的应用。研究探讨了多模态表示学习、手术视频分析及机器人辅助手术的自治性，提出了新方法和框架，以提高手术技能训练和器械分割性能。