SurgStreamer：基于结构化状态与可复用推理层的主动式、请求驱动手术视频流监测

基于摘要分析。该研究面向手术视频中的请求驱动事件检测及历史事件问答，提出 SurgStreamer，将手术特定的视觉感知与手术无关的监测推理解耦。其主要研究对象是手术视频监测，而非 EEG 解码或 BCI。 方法将 1 FPS 视频流映射为包含器械、动作和手术阶段的结构化状态，再结合事件记忆，使用精确规则或小型控制器评估形式化监测条件；控制器通过指针而非名称访问实体。任务强调明确的事件语义和仅依据当前及既往信息作出告警决策。摘要中的监测核心评估使用 gold conditions，因此不能将结果直接解释为从自然语言请求到告警的完整端到端能力。 作者报告，在预注册、封闭的 12 例腹腔镜胆囊切除术测试集上，完整手术评估的宏平均事件 F1 为 0.598。在所有方法均只能访问相同 75 秒窗口的评估中，SurgStreamer 得分为 0.677；所测试的 OneStreamer-4B 配置最高为 0.540，包括使用 SurgStreamer 状态微调及使用适配视觉编码器进行视频微调的配置，比较的 Holm 校正后 p≤0.012。完整手术与窗口评估的可用上下文不同，两组分数不宜直接比较。 作者报告，在三个外部中心，仅重新训练感知模块，就使留出手术上的表现从 0.239 提升至 0.470；摘要未在该句明确指标名称。迁移至垂体手术时，胆囊切除术上训练的控制器在 oracle state 条件下与域内控制器表现接近（0.947 对 0.938）。但在预测状态下，未重校准告警阈值时未达到预注册非劣效标准，差值为 -0.024，区间为 [-0.040, -0.008]；区间类型和非劣效界值尚未验证。 作者据此认为，感知与推理解耦具有价值，而分布偏移下的感知是主要限制。具体状态标注、控制器训练、事件匹配规则、数据划分、消融及统计信息尚未验证。上述结果不构成 EEG/BCI 有效性的证据。