arXiv cs.CL· Arda Mamur, Matthias Seibold, Christoph Laux, Florian Wanivenhaus, Philipp F\"urnstahl·· 11 小时前AI 评分20
手术室内实时术中专家口述内容的系统性分析
A Systematic Analysis of Live Intraoperative Surgical Expert Narrations
AI 导读
研究分析了两名资深脊柱外科医生实施的13台内镜下腰椎减压手术（13.2小时）的实时口述音频，经无标注流水线将语音转为带时间戳的手术线索。3171条话语中1201条（37.9%）被保留为程序性线索，其中60.7%提及器械、48.0%提及解剖结构、57.1%提及手术动作，39%为指令。全部467条经人工核验的器械请求均早于器械出现在视野中，中位提前8.2秒，但18.0%的保留线索存在领域术语转写错误。
正文 · AI 翻译
摘要：人工标注仍是手术视频理解的主要瓶颈。由主刀外科医生进行的术中实时叙述是一种无需人工标注的可扩展替代方案，但其包含的信息尚未得到表征。我们分析了 13 例内镜下腰椎减压手术（13.2 小时），由两位资深脊柱外科医生完成，使用时间同步的近场麦克风德语音频。一条无需标注的流水线（词级语音识别、手术术语错误的确定性纠正、话语融合、基于 LLM 的英语翻译以及相关性过滤）将语音转换为带时间戳的流程线索，并标注其所引用的手术实体及其言语行为。在 3,171 条话语中，1,201 条（37.9%）被保留为流程线索，而 57.6% 为非流程性并被移除。保留的线索涉及器械（60.7%）、解剖结构（48.0%）和手术动作（57.1%），其中 98.5% 至少包含上述之一。39% 的线索（1,201 条中的 472 条）为指令，主要是器械请求和命令。全部 467 条经人工核验的器械请求均先于器械出现在视野中，中位提前量为 8.2 秒。领域术语转写错误影响了 18.0% 的保留线索。因此，实时叙述是一种密集的、无需标注的监督信号，描述了器械、解剖结构、动作和团队协作，但它含有噪声，且与其所命名的事件在时间上存在偏移，在安全的下游使用之前必须对这种偏移进行建模。
| 评论： | 被接收为 MICCAI 2026 SafeSurg Workshop 的摘要 |
| 主题： | 计算机视觉与模式识别（cs.CV）；计算与语言（cs.CL） |
| ACM 分类： | I.2.10；J.3 |
| 引用为： | arXiv:2611.00028 [cs.CV] |
| （或 arXiv:2611.00028v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.00028 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Arda Mamur [查看电子邮件]
[v1]
2026 年 10 月 5 日星期一 09:48:28 UTC（423 KB）
来源：arXiv cs.CL · arxiv.org