本研究では、腹腔鏡下胆嚢摘出術における肝囊腫解剖の正確な特定が手術の合併症を防ぐために重要であると述べています。深層学習モデルは、遮蔽、長距離依存性、および希少構造の微細なジオメトリーを把握することに苦労しているため、グラフベースのセグメンテーション手法を導入し、手術シーンの解析における空間的および意味的理解を向上させることを目的としています。提案する2つのセグメンテーションモデルは、ビジョントランスフォーマー（ViT）とグラフニューラルネットワーク（GNN）を統合し、解剖領域間の空間関係を明示的にモデル化します。これにより、最新の基準に対して、平均交差率（mIoU）が7〜8%、平均ダイス係数（mDice）が6%改善されました。提案された手法は、特に薄くて希少な構造において解剖学的に一貫した予測を生み出し、より安全な手術を支援する可能性を示しています。