[논문 리뷰] The TUM LapChole dataset for the M2CAI 2016 workflow challenge

Ralf Stauder, Daniel Ostler외 4명|arXiv (Cornell University)|2016. 10. 28.

Medical Imaging Techniques and Applications참고 문헌 11인용 수 51

한 줄 요약

이 논문은 M2CAI 2016 워크플로우 검출 도전 대회를 위해 설계된, 20개의 복강경 담낭절제술 영상으로 구성된 TUM LapChole 데이터셋을 소개한다. 이 데이터셋은 수술 단계 레이블이 주석 처리되어 있으며, 최소 침습 수술에서 영상 기반 단계 인식을 통한 자동 수술 워크플로우 분석 연구를 가능하게 한다. 데이터셋은 15개의 학습 영상과 5개의 테스트 영상로 구성되어 있어, 자동 수술 워크플로우 분석 연구에 기여한다.

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.

연구 동기 및 목표

• 복강경 담낭절제술에서 수술 워크플로우 분석을 위한 표준화되고 공개 가능한 데이터셋을 개발하기 위해.
• M2CAI 2016에서의 워크플로우 검출 도전 대회를 지원하기 위해 주석 처리된 영상 데이터를 제공하기 위해.
• 실제 복강경 영상 기록을 사용하여 자동 수술 단계 인식 알고리즘의 벤치마크를 제공하기 위해.
• 영상 인식 및 패턴 인식 기술을 활용한 수술 워크플로우 이해 연구를 촉진하기 위해.

제안 방법

• 표준 수술 장비를 사용하여 임상 환경에서 20개의 복강경 담낭절제술 영상을 촬영하였다.
• 각 영상에 대해 전문 수술의가 수술 단계 레이블을 수동으로 주석 처리하여 절차의 명확한 단계를 정의하였다.
• 교수 학습 및 평가를 지원하기 위해 데이터셋을 15개의 학습 영상과 5개의 테스트 영상으로 분할하였다.
• 수술 단계 간 일관성을 확보하고 비교 분석을 가능하게 하기 위해 주석을 표준화하였다.
• 재현 가능한 수술 워크플로우 인식 연구를 촉진하기 위해 M2CAI 2016 도전 대회 일환으로 데이터셋을 공개하였다.

실험 결과

연구 질문

• RQ1 수술 워크플로우 분석을 위한 표준화된 다수의 수술의가 참여한 복강경 수술 데이터셋을 어떻게 구성할 수 있는가?
• RQ2 이 데이터셋을 기반으로 학습 및 테스트된 자동 수술 단계 인식 모델의 성능은 어떠한가?
• RQ3 이 데이터셋은 다양한 컴퓨터 시각 기반 접근법 간의 수술 워크플로우 검출 비교를 위한 신뢰할 수 있는 기준점이 될 수 있는가?
• RQ4 복강경 담낭절제술에서 다양한 전문의와 수술 간에 수술 단계 주석은 얼마나 일관성 있는가?

주요 결과

• TUM LapChole 데이터셋은 일관된 수술 단계 주석 처리가 된 20개의 고품질 복강경 담낭절제술 영상로 구성되어 있다.
• 이 데이터셋은 M2CAI 2016 워크플로우 검출 도전 대회에서 성공적으로 기초 자료로 사용되었다.
• 학습 및 테스트 분할(15:5) 덕분에 자동 수술 단계 인식 모델의 강력한 평가가 가능해졌다.
• 영상 기반 컴퓨터 시각 기술을 활용한 수술 워크플로우 분석 분야의 향후 연구를 위한 표준화된 기준점이 제공된다.