合理評估手術(shù)團隊的術(shù)中狀態(tài),對于提升團隊協(xié)作和確保手術(shù)環(huán)境安全至關(guān)重要。傳統(tǒng)評估方法通常是由人來執(zhí)行,如對每個手術(shù)團隊成員進行采訪、發(fā)放自查問卷,而這樣做既耗時間,又可能產(chǎn)生回憶偏差。一種有效的解決方案是通過分析手術(shù)視頻來追蹤手術(shù)團隊的重要活動,例如成員是否遵循手術(shù)規(guī)程,或者因意外事件而分心。但是,由于手術(shù)科室情況復雜,在不付出任何人力的情況下識別團隊活動仍然具有挑戰(zhàn)性。一篇文章(Advanced Biomedical Engineering,DOI:10.14326/abe.11.37)介紹了一種人工智能識別系統(tǒng),能從手術(shù)視頻中自動識別、分析手術(shù)團隊的術(shù)中活動,以了解術(shù)中團隊的狀態(tài)。研究團隊重點關(guān)注了兩類術(shù)中需要多人參與的活動:無菌包裝器械的傳遞(如在巡回護士和洗手護士之間的傳遞),以及可能導致團隊注意力轉(zhuǎn)移的意外事件。該系統(tǒng)使用支持向量機(support vector machine,SVM)作為識別模型,主要包含以下步驟:①姿勢判斷:輸入手術(shù)視頻,利用深度學習的人體姿態(tài)評估技術(shù)和粒子濾波器對視頻中手術(shù)團隊成員的姿勢進行判斷;②成員動作追蹤:為每名成員創(chuàng)建個人身份標識號,通過分析人體朝向、面部朝向、手臂動作來追蹤各成員動作;③團隊行為識別:基于提取出的個人動作數(shù)據(jù),識別手術(shù)器械傳遞、注意力轉(zhuǎn)移等團隊行為;④可視化界面顯示:在手術(shù)視頻右側(cè)界面展示2D 模型,按照時間軸對團隊活動進行可視化。研究還使用了模擬手術(shù)場景的視頻來測試此系統(tǒng),結(jié)果顯示,該系統(tǒng)能夠有效識別器械傳遞動作和團隊注意力轉(zhuǎn)移事件。這項研究提供了機器識別術(shù)中關(guān)鍵動作的技術(shù),有可能改變手術(shù)視頻的使用方式,幫助手術(shù)團隊更有效地獲取有價值的信息,為探索術(shù)中團隊合作的定量評估提供了可能性。