（1）摘要：

该研究构建眼科视频基础模型OVFM，用于显微眼科手术步骤识别与术中导航。模型基于多中心手术视频，以自监督视频Transformer学习时空运动特征，并通过分阶段知识蒸馏压缩后部署于手术显微镜处理单元。在真实手术视频与猪眼湿实验中，OVFM支持步骤识别、结构分割和导航提示，并用于评估其对手术表现的影响。

（2）研究背景：

医学基础模型多集中于术前诊断，术中应用受限于手术视频数据不足、实时部署困难和与手术流程整合不足。眼科显微手术精度要求高、视频动态性强，适合发展术中视频基础模型。现有手术视频数据集规模和术式覆盖有限，模型参数与术中算力之间也存在矛盾。

（3）主要内容：

研究整合多中心、多术式眼科显微手术视频，构建大规模预训练数据集；采用自监督视频Transformer，学习跨帧时空表征；在多项下游任务中评估手术步骤识别、工具识别、并发症检测、技能评估、手术场景分割、角膜缘边界分割和核块定位；并设计通用到任务特定的知识蒸馏策略，将模型集成到显微镜导航系统。

（4）研究设计：

构建多中心眼科手术视频数据集并进行自监督预训练；在多项下游任务上微调并与基线模型比较；采用分阶段知识蒸馏获得轻量模型；将蒸馏模型部署到手术显微镜，开发步骤识别与结构分割导航系统；开展猪眼白内障手术用户研究，采用交叉设计比较有无导航的手术表现，并分析不同经验水平医生的差异。

（5）结果：

OVFM在多项手术视频识别与分割任务中优于基线，表现出较好的时空特征学习能力；蒸馏模型在降低参数规模的同时保留主要任务性能，并支持显微镜端实时处理；跨中心评估显示步骤识别和角膜缘分割能力基本保留；猪眼用户研究中，导航提示改善切口与撕囊相关操作指标，提高操作一致性，并缩小专家与新手之间的表现差距。

（6）思路延伸：

后续可扩展后节手术和更多术式数据，采用更高分辨率、全长视频以保留细粒度时序信息；加强跨中心、跨设备泛化验证；关注模型透明性、决策责任和术中人机协作边界；并将视频基础模型与增强现实、机器人辅助和多模态感知结合，推动手术智能导航向更复杂术式拓展。

提供各种材料设计（包括高创新性方案设计、制备、表征、体内外验证（细胞/动物实验）等全流程服务）：博后团队（持有多篇一区高分大作）满足您各种刁钻疑难需求，包括 水凝胶 /药物递送/纳米材料/高分子/脂质体/微针给药等，可课题设计/国自然申请/发AFM、SCI、AM等一二区高分文章等，欢迎咨询👇️
17768014569（高工）
17761925168（张工）
18013729810（杨工）