Cet article présente une méthode de segmentation sémantique incrémentale de classes (CISS) pour une compréhension précise et en temps réel des scènes dans les environnements chirurgicaux robotisés. Pour surmonter les limites des modèles de segmentation existants, entraînés sur des jeux de données statiques, nous proposons TOPICS+, une version améliorée de la méthode TOPICS (Taxonomie-Orientée Poincaré-Regularisée Incrémentale de Classes). TOPICS+ corrige le déséquilibre des classes en ajoutant la perte de Dice à la fonction de perte hiérarchique, introduit le pseudo-étiquetage hiérarchique et conçoit un système de classification d'étiquettes adapté aux environnements chirurgicaux robotisés. De plus, nous présentons six nouveaux benchmarks CISS pour imiter les paramètres incrémentaux de classes d'environnements chirurgicaux robotisés réalistes et fournissons un ensemble d'étiquettes amélioré de plus de 144 classes sur le jeu de données synthétique Syn-Mediverse. Le code et les modèles entraînés sont accessibles au public.
