2.3.3 手術流程自动分析 除了识别手术录像中出现的器械，另一个研究方向是手术流程的自动分析。已经有人提出了结合手术时间信息来实现这个功能的方案[29]。目前大多数解决方案都依赖于统计模型，如条件随机场模型[30]。最近，有研究还提出了基于循环神经网络(recurrent neural networks，RNN)的解决方案，在所有这些工作中，统计模型或RNN算法被用来标示手术所处的阶段[31]。但是，鉴于手术活动和工具使用之间具有强相关性，未来可以期待利用手术器械识别来优化手术流程的分析的效果。

    上述学者的研究成果清楚地表明，手术视频处理算法采用组合式CNN胜过采用单个CNN算法。不同结构CNN模型通常被先用于手术视频特征的提取训练，再与标准的机器学习算法(决策树、随机森林、多层感知器等)结合最终实现手术器械的分类识别。然而，目前的研究表明这样的方法所取得的结果仍不尽理想，因为不同的样本可能被CNN算法误分类[32]。同时在手术视频中有许多难以分类的样本，特别是在那些出现多个形状相同的手术器械的场景(例如在白内障手术中有两种类型的套管) ......