본 논문은 복강경 담낭절제술의 안전성 평가에 필수적인 중요 안전성 관점(CVS) 인식 자동화를 위한 다중 모드 수술 기반 모델에서 텍스트 활용 방안을 연구합니다. 기존의 CVS 인식 모델은 시각 정보만을 사용하고, 비용과 시간이 많이 드는 공간적 주석에 의존하는 한계가 있습니다. 본 연구는 다중 레이블 분류 프레임워크를 기반으로, 이미지 임베딩과 각 CVS 기준에 대한 텍스트 설명을 양성 및 음성 프롬프트를 사용하여 정렬하는 CVS-AdaptNet이라는 다중 레이블 적응 전략을 제시합니다. 최첨단 수술 기반 모델인 PeskaVLP를 Endoscapes-CVS2020 데이터셋에 적용하여 실험한 결과, CVS-AdaptNet은 57.6 mAP를 달성하여 ResNet50 이미지 전용 기준 모델(51.5 mAP)보다 6점 향상된 성능을 보였습니다. 또한 이미지-텍스트 정렬 분석에 도움이 되는 텍스트 특정 추론 방법을 제안합니다. 기존의 공간 주석 기반 방법과의 성능 차이는 여전히 존재하지만, 일반적인 모델을 특수 수술 과제에 적용하는 잠재력을 보여줍니다.
