微创外科手术由于其术后恢复快,并发症少等优点已成为主流的手术方式之一。但其也存在缺陷,在传统的开腔手术中,医生能够凭借视觉和触觉的感知定位手术环境中的神经血管束。而在微创外科手术中,医生根据内窥镜提供的手术视觉（视频画面）操纵手术工具进行手术,该过程中医生失去了触觉感知,且仅凭肉眼无法观察到视频图像中组织表面细微的脉动运动,从而无法精准感知神经血管的位置与运动状态等重要信息。因此,医生在微创手术过程中容易误伤神经血管束,造成出血甚至是神经损伤,影响患者的术后生理功能。本研究论文通过视频微小运动放大技术对外科手术中内窥镜提供的视频图像进行处理,放大手术视频中神经血管束微小的脉动运动,使医生能够仅凭肉眼定位神经血管束,从而减少手术风险。本文首先提出一种全新的时域滤波方法,即混合时域滤波,应用于传统欧拉视频运动放大方法。我们所提出的混合时域滤波不仅能使放大后的脉动运动符合原始的运动特征,且能够降低运动放大视频中噪声的引入,使得视频中的非脉动运动位置与原始视频更加一致。进一步地,本文提出一种全新的手术视频脉动运动放大方法,其结合了所提出的混合时域滤波与基于深度学习的运动放大方法,对内镜视频中的神经血管束的脉动运动进行有效地放大。结合基于深度学习的空间分解方式能够进一步有效的减少运动放大视频中的噪声和伪影,给医生提供良好的手术视野,从而更加准确的定位神经血管束的位置。在实验部分,本工作利用机器人前列腺切除术中收集的内镜视频对我们所提出的全新手术视频脉动运动放大方法进行了评估,通过定性与定量的分析与对比证实了我们所提出方法的有效性。