ArthroPhase：用于关节镜视频阶段识别的数据集与方法
计算机视觉与模式识别
2025-07-30 v2
摘要
本研究旨在通过引入首个关节镜数据集并开发新型 transformer 模型，推动 Anterior Cruciate Ligament (ACL) 重建手术中的外科阶段识别。我们旨在通过利用时空特征建立 ACL 重建的基准，解决关节镜视频特有的局限视野、遮挡和视觉失真等挑战。我们开发了 ACL27 数据集，包含 27 组 ACL 手术视频，每组视频均标注了手术阶段。模型采用 transformer 架构，利用 ResNet-50 实现时序感知的帧级特征提取，并通过 transformer 层整合时空特征，引入手术进度指数 (Surgical Progress Index, SPI) 来量化手术进程。模型在 ACL27 数据集上实现了 72.91% 的总体准确率。在 Cholec80 数据集上，模型以 92.4% 的准确率实现了与最新方法的可比性能。SPI 在 ACL27 和 Cholec80 数据集上的输出误差分别为 10.6% 和 9.86%，表明其可靠的手术进程估计能力。该研究为关节镜手术的阶段识别提供了重大进展，提供了全面的数据集和稳健的 transformer 模型。结果验证了该模型的有效性和可泛化性，凸显了其在提升手术培训、实时辅助和运营效率方面的潜在价值。该数据集和代码已公开，旨在促进该关键领域的未来研究与发展。
引用
@article{arxiv.2502.07431,
title = {ArthroPhase: A Novel Dataset and Method for Phase Recognition in Arthroscopic Video},
author = {Ali Bahari Malayeri and Matthias Seibold and Nicola Cavalcanti and Jonas Hein and Sascha Jecklin and Lazaros Vlachopoulos and Sandro Fucentese and Sandro Hodel and Philipp Furnstahl},
journal= {arXiv preprint arXiv:2502.07431},
year = {2025}
}