66、医疗领域的数字化革新：DORC与数字医疗的前沿探索

医疗领域的数字化革新：DORC与数字医疗的前沿探索

1. DORC：手术工作流识别工具

在手术工作流识别领域，传统的隐马尔可夫模型（HMM）存在精度问题。其短期记忆特性使得微小的瞬时误差都可能扰乱整个标注过程。为解决这一问题，研究引入了线性时态逻辑（LTL）对HMM进行补充。

LTL是一种与时间相关的逻辑系统，用户可以编写硬编码规则来管理时间序列。尽管手术并非严格的确定性过程，但胆囊切除手术通常遵循一套广泛的工具和阶段模式。而且，技术规则的时间复杂度为O(1)，这使得LTL能以极少的额外时间融入系统，捕捉标注中的错误。

为从Cholec80数据集中提取准确全面的信息，研究开发了一个程序，从工具和阶段注释中提取简单规则。该程序观察阶段转换的原因，包括特定工具模式的频率以及工具存在状态的变化量。

1.1 实验过程

DORC通过结合工具识别和阶段识别方法来运行，具体步骤如下：
1. 视频帧分离 ：将实时视频数据分离成帧。
2. 帧预处理与工具识别 ：对每一帧进行预处理，并根据工具识别方法进行分析。
3. 时间序列分析 ：每帧中观察到的工具存在情况形成实时时间序列，再根据阶段识别方法进行分析。
4. 手术阶段识别输出 ：最终输出逐帧的手术阶段识别结果，展示给主刀医生。

系统使用Cholec80数据集中随机选取的20个训练视频进行训练。工具识别程序采用带有预处理和改进区域提议算法的Fast R - CNN，阶段识别程序提取HMM转移概率，