摘要
手术姿态识别对于手术技能评估和高效手术培训至关重要。以往的研究工作主要基于变体图模型（如HMMs和CRFs）或深度学习模型（如循环神经网络和时间卷积网络）。然而，当前大多数方法通常存在过度分割的问题，导致段落级别的编辑得分较低。相比之下，我们提出了一种本质上不同的方法，即将任务建模为一个顺序决策过程。通过使用来自深度模型的分层特征，训练了一个智能代理进行强化学习。为了减少过度分割错误，我们将时间一致性整合到我们的动作设计和奖励机制中。在JIGSAWS数据集上的实验表明，所提出的方法在编辑得分方面优于现有最先进方法，在帧级准确性方面则与之相当。我们的代码将在稍后发布。