ऑनलाइन सर्जिकल चरण पहचान एक कठिन कार्य क्यों है
एक ऑनलाइन सिस्टम जो सर्जरी की प्रगति पर नज़र रखता है, उसे हर नए फ्रेम पर वर्तमान चरण का लेबल देना होता है। उसके पास भविष्य के फ्रेम नहीं होते: वह केवल पहले देखे गए डेटा पर निर्भर कर सकता है। साथ ही, सर्जरी घंटों तक चलती है, और एक फ्रेम को संसाधित करने की लागत रिकॉर्डिंग के हर अगले घंटे के साथ नहीं बढ़नी चाहिए। अन्यथा, मॉडल वास्तविक समय में काम करना बंद कर देगा।
औपचारिक रूप से, SSD-आधारित आवर्ती आर्किटेक्चर — structured state-space duality — इस बाधा के अंतर्गत आते हैं। वे पूरे इतिहास को एक छिपी हुई अवस्था में स्थानांतरित करते हैं, और प्रति फ्रेम गणना की मात्रा स्थिर रहती है। लेकिन SSD-परत की अपनी एक विशेषता है: प्रत्येक हेड के भीतर संक्रमण एक एकल स्केलर द्वारा परिभाषित होता है। यह स्केलर एक साथ निर्धारित करता है कि वर्तमान फ्रेम अवस्था में "कहाँ" जाता है और अवस्था से जानकारी कितनी जल्दी भुला दी जाती है।
वीडियो सर्जरी के लिए, ऐसा कठोर संबंध बाधा उत्पन्न करता है। दृश्य पैटर्न — उपकरणों, ऊतकों, रुचि के क्षेत्रों की उपस्थिति — विभिन्न चरणों में दोहराए जाते हैं। छवि का एक नया प्रवेश पुराने के ऊपर लिखा जाता है, और अंततः दो समान एपिसोड केवल इस बात से भिन्न होते हैं कि वे कितने समय पहले हुए थे। हानि फलन मॉडल को कोई स्पष्ट संकेत नहीं देता कि अवस्था की पुरानी सामग्री वास्तव में कब बेकार हो गई। इसके अलावा, चरण स्वयं बहुत भिन्न लंबाई के हो सकते हैं: कुछ सेकंड तक चलते हैं, अन्य पूरी प्रक्रिया का एक महत्वपूर्ण हिस्सा लेते हैं, और दृश्य रूप से सर्जरी लगभग अपरिवर्तित दिख सकती है।
अवस्था को पुनःप्रोग्राम करना और विस्मृति को नियंत्रित करना
कार्य के लेखक — Sukju Oh और Sukkyu Sun — इसके लिए SurgicalMamba मॉडल प्रस्तावित करते हैं। उनका समाधान आवर्ती परत को पूरी तरह से बदलना नहीं है, बल्कि स्थानांतरित अवस्था के व्यवहार को ठीक करना है।
पहला तंत्र state regramming — अवस्था का पुनःप्रोग्रामिंग — कहलाता है। प्रत्येक संसाधित चंक की सीमा पर, छिपा हुआ वेक्टर केवल आगे नहीं भेजा जाता, बल्कि एक कोण पर घुमाया जाता है जो वर्तमान चंक की सामग्री पर निर्भर करता है। इसके कारण, दो समान खंड, जिनके बीच एक और चरण बीत चुका है, अवस्था स्थान के विभिन्न क्षेत्रों में आते हैं और एक-दूसरे को मिटाना बंद कर देते हैं। मॉडल उन्हें केवल उम्र के आधार पर नहीं, बल्कि संदर्भ के आधार पर अलग कर सकता है।
दूसरा तंत्र चरण संक्रमणों पर क्षय का मॉड्यूलेशन है। जब मॉडल चरणों के बीच की सीमा को चिह्नित करता है, तो यह अस्थायी रूप से विस्मृति को बढ़ाता है: अवस्था समाप्त चरण की जानकारी से जल्दी साफ हो जाती है। चरण के भीतर ही, क्षय धीमा रहता है ताकि संदर्भ बना रहे। सफाई की तीव्रता इस तरह चुनी जाती है कि मॉडल सबसे लंबे चरण के अंत तक "जीवित" रहे और आवश्यक संदर्भ को समय से पहले न खोए।
महत्वपूर्ण बात यह है कि दोनों परिवर्तन SSD की N-अर्ध-पृथक्करणीय संरचना को नहीं तोड़ते, और इसलिए जटिलता की पिछली गारंटी बनी रहती है: प्रति फ्रेम O(d)। मॉडल स्ट्रीमिंग कार्य के लिए पर्याप्त हल्का रहता है।
परीक्षणों ने क्या दिखाया
सात सार्वजनिक बेंचमार्क पर, SurgicalMamba अत्याधुनिक सटीकता प्राप्त करता है। Cholec80 सेट पर, ऑनलाइन सटीकता 94.6% और फेज़ जैककार्ड 82.7% थी। AutoLaparo पर, परिणाम थोड़े कम हैं, लेकिन फिर भी उल्लेखनीय हैं: क्रमशः 89.5% और 68.9%। साथ ही, एक GPU पर मॉडल प्रति सेकंड 312.88 फ्रेम संसाधित करता है — वास्तविक समय के लिए बड़े अंतर के साथ।
फेज़ जैककार्ड यहाँ सामान्य सटीकता से अधिक महत्वपूर्ण है: यह जाँचता है कि अनुमानित चरण अंतराल वास्तविक अंतराल के साथ कितना ओवरलैप करते हैं। यह सीमाओं पर त्रुटियों के प्रति अधिक कठोर है, जहाँ सिस्टम आमतौर पर सबसे अधिक गलतियाँ करते हैं।
दिलचस्प बात यह है कि यह तंत्र केवल सर्जरी में ही काम नहीं करता। यदि कोई मानक Mamba2 में केवल अवस्था घुमाव ऑपरेशन जोड़ता है, तो यह MQAR मीट्रिक में सुधार करता है — लंबे संदर्भ से कई पहले देखे गए तत्वों को निकालने की क्षमता। सुधार ठीक वहीं दिखाई देता है जहाँ आवर्ती अवस्था सीमा थी। यह बताता है कि अवस्था का पुनःप्रोग्रामिंग आवर्ती मॉडल की एक अधिक सामान्य समस्या को हल करता है, न कि केवल सर्जिकल चरण पहचान के कार्य को।
