手術手技は、多様な主体、機器および相互作用が複雑に絡み合う高度に専門的な手術室（OR）環境で行われる。これまで、このような要求の高い環境におけるすべての関係性と相互作用を理解できるのは、医学的訓練を受けた人間の専門家のみであった。本論文は、OR領域における自動化・包括的・意味論的な理解とモデリングに向け、コミュニティが一歩前進するよう貢献することを目的としている。その目標達成のため、本研究では、初めて意味論的シーングラフ（Semantic Scene Graph, SSG）を用いて手術シーンを記述・要約する手法を提案する。シーングラフのノードは、医療従事者、患者、医療機器など、手術室内の異なる主体や物体を表し、エッジはそれらの間の関係性を示す。提案手法の有効性を検証するため、本研究では、現実的な手術室シミュレーションセンターで6台のRGB-Dセンサを用いて記録した10例の全膝置換術を含む、世界初の公開可能な4次元（4D）手術SSGデータセット「4D-OR」を構築した。4D-ORは6,734フレームから構成され、SSG、人間および物体の姿勢、臨床役割など、豊富なラベル情報が付与されている。さらに、エンドツーエンドのニューラルネットワークベースのSSG生成パイプラインを提案し、マクロF1スコア0.75の成功確率を達成することで、手術室における意味論的推論を可能にすることを実証した。また、シーングラフの表現力の高さを裏付けるために、臨床役割予測というタスクに本手法を適用し、マクロF1スコア0.85の性能を達成した。本研究のコードおよびデータセットは、論文採択後、公開予定である。