RGA-Net：基于互惠注意机制的机器人外科系统视觉增强框架
计算机视觉与模式识别
2026-02-17 v1
摘要
机器人外科系统高度依赖高质量的视觉反馈以实现精确的遥操作；然而，能源类设备产生的手术烟雾显著降低内窥镜视频画质，损害人机界面并影响手术结果。本文提出 RGA-Net（Reciprocal Gating and Attention-fusion Network），一个专为消除机器人手术工作流程中的手术烟雾而设计的新型深度学习框架。我们的方案通过分层编码器-解码器架构应对手术烟雾的独特挑战，包括稠密、非均匀分布和复杂光散射，具备两个关键创新：(1) Dual-Stream Hybrid Attention (DHA) 模块，通过结合移位窗口注意力与频域处理来捕获局部手术细节和全局照明变化；(2) Axis-Decomposed Attention (ADA) 模块，通过分解注意力机制高效处理多尺度特征。这些组件通过互惠交叉门控模块连接，实现编码器和解码器路径之间的双向特征调制。在 DesmokeData 和 LSD3K 手术数据集上的广泛实验表明，RGA-Net 在恢复适用于机器人手术集成的视觉清晰度方面表现优异。该方法通过提供始终清晰的可视化，增强了外科医生与机器人的界面，为减轻外科医生的认知负担、优化操作流程并降低 minimally invasives 手术的 iatrogenic 损伤风险奠定了技术基础。这些实际收益可以通过未来涉及外科医生可用性评估的临床试验进一步验证。该框架代表了机器人外科系统更可靠更安全的重要一步，通过计算视觉增强实现。
引用
@article{arxiv.2602.13726,
title = {RGA-Net: A Vision Enhancement Framework for Robotic Surgical Systems Using Reciprocal Attention Mechanisms},
author = {Quanjun Li and Weixuan Li and Han Xia and Junhua Zhou and Chi-Man Pun and Xuhang Chen},
journal= {arXiv preprint arXiv:2602.13726},
year = {2026}
}
备注
Accepted by ICRA2026