[論文レビュー] The TUM LapChole dataset for the M2CAI 2016 workflow challenge

Ralf Stauder, Daniel Ostler+4 more|arXiv (Cornell University)|Oct 28, 2016

Medical Imaging Techniques and Applications参考文献 11被引用数 51

ひとこと要約

本論文は、M2CAI 2016 ワークフロー検出コンテスト向けに設計された、20本の腹腔鏡胆嚢切除手術動画から成る TUM LapChole データセットを紹介する。このデータセットには手術フェーズラベルが付与されており、最小侵襲外科学における動画ベースのフェーズ認識を用いた自動手術ワークフロー分析の研究を可能にする。データセットは15本の学習用動画と5本のテスト用動画から構成されており、実世界の腹腔鏡手術動画を用いた自動手術フェーズ認識の研究を支援する。

ABSTRACT

In this technical report we present our collected dataset of laparoscopic cholecystectomies (LapChole). Laparoscopic videos of a total of 20 surgeries were recorded and annotated with surgical phase labels, of which 15 were randomly pre-determined as training data, while the remaining 5 videos are selected as test data. This dataset was later included as part of the M2CAI 2016 workflow detection challenge during MICCAI 2016 in Athens.

研究の動機と目的

• 腹腔鏡胆嚢切除における手術ワークフロー分析のための標準化された、公開可能なデータセットの開発。
• MICCAI 2016 での M2CAI 2016 ワークフロー検出コンテストを支援するため、ラベル付き動画データの提供。
• 実世界の腹腔鏡手術動画記録を用いて、自動手術フェーズ認識アルゴリズムのベンチマーク化を可能にする。
• 動画像認識およびパターン認識分野における手術ワークフロー理解の研究を促進する。

提案手法

• 20本の腹腔鏡胆嚢切除動画が、標準的な外科学的機器を用いて臨床現場で記録された。
• 各動画は、手術の異なるフェーズを定義するために、専門医による手動による手術フェーズラベルの付与が行われた。
• 教師あり学習と評価を支援するため、データセットは15本の学習用動画と5本のテスト用動画に分割された。
• フェーズ間の一貫性を確保し、比較分析を可能にするために、ラベルの標準化が行われた。
• 再現性のある手術ワークフロー認識研究を促進するため、M2CAI 2016 コンテストの一部としてデータセットが公開された。

実験結果

リサーチクエスチョン

• RQ1 手術フェーズのラベルが一貫性を持つ、複数の外科医が関与する腹腔鏡外科学データセットを、どのように構築できるか？
• RQ2 このデータセットを用いて学習・評価された自動手術フェーズ認識モデルの性能はいかほどか？
• RQ3 このデータセットは、手術ワークフロー検出における異なるコンピュータビジョン手法の比較に、信頼できるベンチマークとして機能できるか？
• RQ4 腹腔鏡胆嚢切除において、異なる専門医や手術プロトコル間で、手術フェーズのラベル付けはどの程度一貫性を示すか？

主な発見

• TUM LapChole データセットには、一貫性のある手術フェーズラベルが付与された20本の高品質な腹腔鏡胆嚢切除動画が含まれている。
• このデータセットは、MICCAI 2016 での M2CAI 2016 ワークフロー検出コンテストの基盤として成功裏に活用された。
• 学習用とテスト用の分割割合（15:5）により、自動手術フェーズ認識モデルの堅牢な評価が可能となった。
• 今後の動画ベースのコンピュータビジョンを用いた手術ワークフロー分析分野における研究のための標準化されたベンチマークを提供している。