TopoOR：面向手术室的统一拓扑场景表示
计算机视觉与模式识别
2026-03-11 v1
摘要
手术场景图（Surgical Scene Graphs）将手术操作室（OR）的复杂性抽象为实体及其关系的结构，但现有范式 suffer from 严格的二元结构限制。主要依赖成对消息传递或标记化序列的框架会将 OR 中固有的流形几何压平，导致结构丢失。我们引入 TopoOR，一种新的范式，将多模态操作室建模为更高阶结构，本质上保留了二元和群关系。通过将实体之间的相互作用提升为更高阶拓扑单元，TopoOR 本身建模了 OR 中存在的复杂动态和多模性。这一拓扑表示包含传统场景图，从而提供了严格更大的表达能力。我们还提出了更高阶注意力机制，显式地在层次化关系注意力中保留流形结构和模态特定特征。如此，我们规避了将 3D 几何、音频和机器人运动学整合到单个联合潜在表示中，保留了用于安全关键推理所需的精确多模态结构，不同于现有方法。广泛的实验表明，我们的方法在卫生事件检测、机器人阶段预测和下一动作预测等任务中超越传统图和 LLM 基线。
引用
@article{arxiv.2603.09466,
title = {TopoOR: A Unified Topological Scene Representation for the Operating Room},
author = {Tony Danjun Wang and Ka Young Kim and Tolga Birdal and Nassir Navab and Lennart Bastian},
journal= {arXiv preprint arXiv:2603.09466},
year = {2026}
}