Geo-RepNet：用于内窥黏膜切除的手术阶段几何感知表示学习

手术阶段识别在 developing 用于 minimally invasive procedures such as Endoscopic Submucosal Dissection (ESD) 的智能辅助系统中发挥着关键作用。然而，不同阶段之间的高度视觉相似性以及RGB图像中缺乏结构线索构成了显著挑战。深度信息提供了有价值的几何线索，可通过提供关于空间关系和解剖结构的见解来补充外观特征。在本文中，我们首次为手术阶段识别引入深度信息，并提出 Geo-RepNet，一种几何感知的卷积框架，将RGB图像和深度信息整合以增强在复杂手术场景中的识别性能。基于可重参数化 RepVGG 主干网络，Geo-RepNet 包含从原始深度图中提取几何先验的 Depth-Guided Geometric Prior Generation (DGPG) 模块，以及几何增强的多尺度注意力 (GEMA)，通过几何感知的交叉注意力和高效的多尺度聚合来注入空间引导。为评估我们方法的有效性，我们构建了一个来自真实世界 ESD 视频的具有密集帧级注释的九阶段 ESD 数据集。对该数据集上的大量实验表明，Geo-RepNet 在保持鲁棒性和在复杂且低纹理手术环境下的高计算效率的同时，实现了最先进的性能。