本研究提出了SPRMamba框架，解决了内镜下黏膜下解剖手术中手术阶段实时识别的准确性问题。实验结果显示，SPRMamba在不同的手术阶段识别任务中优于现有的最佳方法。

本文提出了一种名为ARST的自回归手术变压器，用于实时识别腹腔镜视频中的手术阶段。该方法通过条件概率分布建模阶段间相关性，并采用一致性约束推断策略以减少推断偏差和增强阶段一致性。在Cholec80数据集上验证，结果显示该方法在定量和定性上优于现有方法，并实现了每秒66帧的推断速率。

OphNet是一个大规模的眼科手术视频数据集，包含2,278个手术视频，涵盖了66种手术类型和102个手术阶段。该数据集提供了详细的注释和顺序信息，有助于手术工作流分析和时间定位任务。数据集已在GitHub上开放获取。