الجراحة غير الغازية هي تدخل جراحي يستخدم لفحص الأعضاء داخل البطن، وقد انتشر استخدامها على نطاق واسع بفضل فعاليتها مقارنة بالجراحة المفتوحة. وبفضل التحسينات في المعدات، مثل الكاميرات عالية الدقة، تطورت هذه الإجراءات بشكل كبير، كما أظهرت أساليب البرمجيات الجديدة إمكانات كبيرة لدعم العمليات الجراحية بالحوسبة. ومع ذلك، لا تزال هناك تحديات ومتطلبات لتحسين كشف ومتابعة موقع الأدوات خلال هذه الإجراءات الجراحية. ولتحقيق هذا الهدف، قمنا بتقييم ومقارنة بعض أساليب التعلم العميق الشائعة التي يمكن استكشافها لتقسيم أدوات الجراحة تلقائيًا في الجراحة البطانية، وهي خطوة مهمة نحو تتبع الأدوات. تُظهر نتائج تجاربنا أن شبكة الانتباه ذات المُفكّك المزدوج (DDANet) تحقق أداءً متفوقًا مقارنة بأساليب التعلم العميق الحديثة الأخرى. حيث حققت DDANet معامل ديك 0.8739 ومتوسط تقاطع على الاتحاد (mean intersection-over-union) 0.8183 على مجموعة بيانات التحدي لتقسيم الأدوات الجراحية الطبية الصلبة (ROBUST-MIS) لعام 2019، وبسرعة في الوقت الفعلي تبلغ 101.36 إطارًا في الثانية، وهي سرعة بالغة الأهمية لضمان فعالية هذه الإجراءات.