本文介绍了一种预测性神经网络，能够从腹腔镜视频中理解和预测外科手术过程的关键交互方面，并利用外科知识图谱。该方法在外科数据集和应用中验证，结果显示相比于非结构化的替代方法，该方法具有优势。

本文提出了一种名为ARST的自回归手术变压器，用于实时识别腹腔镜视频中的手术阶段。该方法通过条件概率分布建模阶段间相关性，并采用一致性约束推断策略以减少推断偏差和增强阶段一致性。在Cholec80数据集上验证，结果显示该方法在定量和定性上优于现有方法，并实现了每秒66帧的推断速率。