[论文解读] 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 51

一句话总结

本文介绍了TUM LapChole数据集，该数据集包含20个经手术阶段标签标注的腹腔镜胆囊切除术视频，专为M2CAI 2016手术流程检测挑战而设计。该数据集包含15个训练视频和5个测试视频，支持在微创手术中使用基于视频的阶段识别技术进行自动化手术流程分析。

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.

研究动机与目标

• 为腹腔镜胆囊切除术中的手术流程分析开发一个标准化的、公开可用的数据集。
• 通过提供标注的视频数据，支持MICCAI 2016会议上举行的M2CAI 2016手术流程检测挑战赛。
• 利用真实世界的腹腔镜视频记录，实现自动化手术阶段识别算法的基准测试。
• 促进计算机视觉与模式识别在手术流程理解研究中的发展。

提出的方法

• 在临床环境中使用标准手术设备录制了20个腹腔镜胆囊切除术视频。
• 由经验丰富的外科医生对手术阶段标签进行人工标注，以定义手术的不同阶段。
• 将数据集划分为15个训练视频和5个测试视频，以支持监督学习与评估。
• 对标注进行标准化处理，以确保不同手术阶段之间的一致性，并支持对比分析。
• 作为M2CAI 2016挑战赛的一部分发布该数据集，以促进手术流程识别研究的可重复性。

实验结果

研究问题

• RQ1 如何构建一个标准化的、多外科医生参与的腹腔镜手术数据集，以支持手术流程分析？
• RQ2 在该数据集上进行训练和测试时，自动化手术阶段识别模型的性能如何？
• RQ3 该数据集能否作为比较不同计算机视觉方法在手术流程检测中表现的可靠基准？
• RQ4 在腹腔镜胆囊切除术中，不同专家和不同手术之间，手术阶段标注的一致性如何？

主要发现

• TUM LapChole数据集包含20个高质量的腹腔镜胆囊切除术视频，且手术阶段标注具有一致性。
• 该数据集成功用作MICCAI 2016会议上M2CAI 2016手术流程检测挑战赛的基础。
• 训练与测试数据集的划分（15:5）为自动化手术阶段识别模型的稳健评估提供了支持。
• 该数据集为未来基于视频的计算机视觉技术在手术流程分析研究中提供了标准化基准。