Cataract-1K：用于场景分割、阶段识别与异常检测的白内障手术数据集
计算机视觉与模式识别
2023-12-12 v1
摘要
近年来，计算机辅助干预和术后手术视频分析的格局已被深度学习技术深刻重塑，从而在医生技能、手术室管理和整体手术结果方面取得了显著进步。然而，深度学习驱动的手术技术的发展严重依赖于大规模数据集和标注。特别是，手术场景理解和阶段识别是计算机辅助手术和白内障手术视频术后评估领域的关键支柱。在此背景下，我们提出了最大的白内障手术视频数据集，该数据集满足了构建计算机化手术工作流程分析和检测白内障手术术后异常的各种需求。我们通过评估几种SOTA神经网络架构在阶段识别和手术场景分割上的性能来验证标注的质量。此外，我们通过评估白内障手术视频中的跨域器械分割性能，开启了白内障手术中器械分割的域适应研究。该数据集和标注将在论文被接受后公开提供。
引用
@article{arxiv.2312.06295,
title = {Cataract-1K: Cataract Surgery Dataset for Scene Segmentation, Phase Recognition, and Irregularity Detection},
author = {Negin Ghamsarian and Yosuf El-Shabrawi and Sahar Nasirihaghighi and Doris Putzgruber-Adamitsch and Martin Zinkernagel and Sebastian Wolf and Klaus Schoeffmann and Raphael Sznitman},
journal= {arXiv preprint arXiv:2312.06295},
year = {2023}
}
备注
12 pages, 5 figures, 7 tables