SurgicalMamba：以雙路SSD與強度調變步進結合狀態重投影提升線上手術階段辨識
手術階段辨識需即時於內視鏡影像串流做出判斷。本文提出SurgicalMamba，含雙路SSD、強度調變步進與狀態重投影，解決長時間脈絡、非均勻事件密度與通道相關性問題。於七個資料集達到領先線上準確度與相位Jaccard。維持O(d)每幀成本，實測單GPU可達百餘FPS，利於臨床即時部署。
線上手術階段辨識（online surgical phase recognition）要求模型在每一影格均以過往影像為基礎立即輸出判斷，這是臨床場域中實作情境不可或缺的能力。SurgicalMamba 在此背景下提出一套以狀態空間結構為核心的因應方案，目標同時解決三項手術視訊特有的難題：程序時間跨度極長、重要資訊在短暫轉折處高度集中，以及影像特徵通道間的強相關性。整體架構採用 Mamba2 的 SSD（structured state-space duality）形式，保有 O(d) 的每幀推論成本，並引入三項互補機制以提升線上辨識效能與內部可解釋性。
手術視訊的三大辨識挑戰
與自然影像不同，外科手術影像常見的特性會使辨識更困難。首先，一次手術可持續數十分鐘到數小時，正確判斷常仰賴遠端過去的脈絡；其次，時間流動不均：長時間的例行動作會被短暫但具定義性的轉換片段打斷，這些片段攜帶密集的階段資訊；再次，視域受限且器械與組織外觀重複，導致骨幹網路抽出的特徵在通道上高度相關，削弱了以通道獨立動態建模的假設。現有方法往往在這三項中只能兼顧一部分，或在長時序下成本上升，或在通道交互上力有未逮。
雙路 SSD：在狀態層分離長短期記憶
SurgicalMamba 的首要構件為雙路 Mamba2 塊，將長期與短期記憶在遞迴狀態層級上分離。慢路（slow path）攜帶跨越數分鐘的 SSM 狀態，以保留辨識所需的長時脈絡；快路（fast path）於切片邊界重置，維持對突發或短暫事件的敏捷反應。兩路共享輸入但透過獨立投影與 SSM 掃描運算，一方向的條件連結讓快路能被慢路的全局上下文所引導，兼具記憶深度與即時敏捷性。
強度調變步進：針對非均勻時間流的連續時間扭曲
為了處理相位相關資訊在時間上高度不均勻的問題，SurgicalMamba 引入 intensity-modulated temporal stepping。模型學習每幀的標量 λ，作為內在『手術時間』流速的局部尺度因子，並在慢路上調整離散化步長。當λ 在接近相位轉換時上升，會降低有效的 SSM 衰減，等於讓模型在重要時刻快速「忘記」過去不再相關的累積狀態，從而更敏感於階段交替；在平穩期則保持長期記憶的累積。
狀態重投影：在切片尺度打開通道混合
針對骨幹特徵通道高度相關的問題，提出 state regramming 機制：在每個切片邊界，模型預測一個低階斜對稱矩陣，經 Cayley 變換得到一個正交矩陣，對 SSM 隱狀態進行輸入條件的正交旋轉。此旋轉保持範數不變，但把隱狀態重投影到以內容為條件的基底，啟用通道交互而不改變原有遞迴權重或 SSD 掃描結構，讓平常被軸向對齊遞迴忽略的跨通道結構得以呈現。
評測結果與實務意義
作者在七個公開手術階段辨識基準上進行嚴格的線上評估。報告在 Cholec80 上獲得 94.6% 的準確率與 82.7% 的相位 Jaccard，在 AutoLaparo 上分別達到 89.5% 與 68.9% 的表現，皆超越先前最強方法的比較值，並在單一 GPU 上測得 119 fps 的推論速率。整體系統保有 O(d) 的每幀推論成本，顯示該設計兼顧精度、效率與可即時部署的實務需求。
總結來看，SurgicalMamba 把結構化狀態空間模型的計算效率與針對手術視訊的三項設計相結合，在嚴格的因果線上設置下同時達成高精度與可用性。它不僅提升辨識效能，也在模型內部提供一種可解讀的相位對齊簇狀結構，對未來在臨床決策輔助與自動化紀錄平台的整合具有實務參考價值。
延伸閱讀
代理人點評
SurgicalMamba 將結構化狀態空間模型與手術視訊的實務需求緊密對接。雙路分流、強度調變與正交重投影三者分別針對長時脈絡、事件密度與通道相關性，形成互補的設計思路。維持 O(d) 每幀成本且在多個資料集上提升線上準確度，顯示這類基於 SSM 的方法已具備臨床級即時應用的潛力。下一步關鍵在於與真實手術工作流程的整合測試，以及在罕見但關鍵轉折上的穩健性驗證。
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
