本研究提出了多种新方法用于手术阶段识别，包括卷积神经网络、强化学习和自回归变压器等技术，显著提高了识别的准确率和效率。通过多模态学习和自我监督，研究在不同手术数据集上展示了优越性能，推动了自动手术阶段识别技术的发展。

本文介绍了多种手术阶段识别技术，包括多级时间卷积网络（MS-TCN）、自回归手术变压器（ARST）和SlowFast时间建模网络（SF-TMN），这些方法在胆囊手术视频和Cholec80数据集上表现优异，利用时间和空间信息提升了识别准确率，推动了计算机辅助手术的发展。

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。

本文介绍了多尺度动作分割变换器（MS-AST）和多尺度动作分割因果变换器（MS-ASCT）用于手术阶段识别，准确率分别达到95.26%和96.15%。在非医学数据集上也取得了最先进的结果。