لاپاراسکوپی شیوه ای از جراحی است که می تواند عمل های بزرگ را با ایجاد شکاف های کوچک در بدن بیمار انجام دهد و لذا روز به روز جایگاه خاص خود را بهتر پیدا می کند. از این رو وجود راهکارهایی برای کوتاه کردن زمان لاپاروسکوپی می تواند منافع بسیاری از جمله کاهش هزینه ها را داشته باشد. یک روش برای کوتاه تر کردن زمان جراحی لاپاروسکوپی، کاهش زمان های تلف شده در این عمل است. برای این منظور لازم است ابتدا عوامل منجر به بروز وقفه و اتلاف زمان در جراحی لاپاروسکوپی شناسایی شود. اما متاسفانه با بررسی پیشینه تحقیق، این نتیجه بدست آمد که شناسایی عوامل موثر در بروز وقفه کمتر مورد توجه قرار گرفته است. از این رو ارایه راهکاری برای شناسایی عوامل بروز وقفه در لاپاروسکوپی، ضروری است. وجه تمایز جراحی لاپاراسکوپی از عمل های جراحی باز، استفاده از دوربینی به نام لاپاراسکوپ برای مشاهده ی بافت های درون بدن و انجام عمل جراحی با مشاهده ی تصاویر به دست آمده می باشد. براین اساس پردازش ویدیوهای ضبط شده در حین جراحی لاپاراسکوپی به منظور استخراج دانش ارزشمند از آن ها بسیار حایز اهمیت است. لذا در این رساله، سعی بر این است که برای شناسایی وقفه ها و علل وقوع آن ها، از دانش موجود در ویدیوهای جراحی های لاپاراسکوپی بهره ببریم. رویکرد پیشنهادی در این رساله به چهار گام اصلی افراز شده است که شامل شناسایی وقفه ها، تعیین سطح وخامت آن ها، شناسایی علل بروز وقفه و در پایان رتبه بندی این علت ها است. بدین منظور، در این رساله، روش هایی برای بخش بندی تصویر هر فریم ویدیویی و کشف ابزارهای جراحی ارایه می شود. نتایج تجربی نشان می دهد روش های پیشنهادی در برابر چالش های پردازش ویدیوی لاپاراسکوپی، نسبت به روش های پیشین مستحکم تر است و با دقت بالاتری (دقت بیش از 92%) می توانند ابزارهای جراحی را در تصاویر لاپاراسکوپی شناسایی کنند. پس از بخش بندی تصویر و شناسایی ابزارهای جراحی، مشخصه های متعددی از فریم های ویدیوی لاپاراسکوپی استخراج می گردد و با استفاده از مشخصه های مزبور، ویدیوی لاپاراسکوپی به تعدادی پاره ی زمانی همگن تفکیک می شود. برای این منظور دو روش برای بخش بندی زمانی ویدیو پیشنهاد گردید. هردو روش پیشنهادی با مقایسه با سایر روش های پیشین بخش بندی زمانی ویدیو اعتبارسنجی شده و نتایج تجربی حاکی از عملکرد برتر آن ها (با صحت بیش از 92%) نسبت به روش های مورد مقایسه است. سپس از میان پاره های زمانی ویدیو، وقفه ها شناسایی می شوند. سطح وخامت هر وقفه به صورت تابعی از طول وقفه و وخامت فرایند متناظر با آن تعیین می شود. برای شناسایی فرایند متناظر با هر وقفه در عمل جراحی، رویکردی برای بازشناسی الگوی گردش کار جراحی در ویدیوی لاپاراسکوپی پیشنهاد شده است. نتایج تجربی نشان می دهد عملکرد رویکرد پیشنهادی در بازشناسی الگوی گردش کار (با صحت) در مقایسه با رویکرد پیشین بهتر است. سپس برای شناسایی علل بروز وقفه از مشاهده ، مصاحبه ی زنده در عمل های جراحی با خبرگان بیمارستانی و تحلیل خودکار ویدیو بهره گرفته شده است. سرانجام برای اولویت بندی علل بروز وقفه، روابط علّی بین علل بروز وقفه شناسایی شده است. وقفه های والد برحسب شاخص های متعدد با روش تاپسیس فازی و fmea فازی رتبه بندی و مقایسه می شوند. نتایج مقایسه نشان می دهد پنج علت مهم تر بروز وقفه در جراحی لاپاراسکوپی در هر دو روش بسیار شبیه یکدیگر هستند. سرانجام نتایج اولویت بندی وقفه های عمل های لاپاراسکوپی با نتایج اولویت بندی وقفه های سایر انواع عمل های جراحی مقایسه می شود. رویکردهای پیشنهادی در این رساله می توانند برای ثبت هوشمند قطعات ویدیو، سنجش سطح مهارت جراحان، خلاصه سازی ویدیوهای لاپاراسکوپی، سهولت ذخیره، بازیابی و مرور ویدیوهای لاپاراسکوپی و پاره ای موارد دیگر به کار گرفته شوند.

چکیده ندارد.