自動的な手術技術評価の必要性が高まっています。特に、上級医師が下級医師を観察して手動でフィードバックを行う方法は主観的であり、時間もかかるためです。したがって、手術技術の評価を自動化することは、手術実践の改善に向けて非常に重要なステップとなります。本論文では、ロボット手術における外科医の動作からパターンを抽出し、外科医の技術を評価する畳み込みニューラルネットワーク（CNN）を設計しました。提案手法はJIGSAWSデータセットで検証され、縫合および針通しタスクにおいて100%の精度を達成しました。CNNの効率性を利用しつつ、クラス活性化マップを使用することでそのブラックボックス効果を軽減することにも成功しました。この機能により、当手法は自動的に手術タスクの中でどの部分が技術予測に影響を与えたかを強調し、分類の説明や研修医への個別フィードバック提供に利用することができます。