CataractCompDetect：针对白内障手术的术中并发症检测
计算机视觉与模式识别
2025-11-25 v1
摘要
白内障手术是全球最常进行的手术之一，但术中并发症如虹膜脱出、后囊裂开（PCR）和视网膜流失仍是不良结果的主要原因。自动检测此类事件可实现早期警报系统和客观培训反馈。本文提出CataractCompDetect，一种结合相位感知定位、SAM 2基准跟踪、并发症特定风险评分和视觉语言推理的最终分类的并发症检测框架。为验证CataractCompDetect，我们构建CataComp——首个标注术中并发症的白内障手术视频数据集，包含53例手术，其中23例伴临床并发症。在CataComp上，CataractCompDetect实现平均F1分数70.63%，并分别达到81.8%（虹膜脱出）、60.87%（PCR）和69.23%（视网膜流失）。这些结果凸显了将结构化手术先验与视觉语言推理结合识别稀有但高影响术中事件的价值。该数据集和代码将在接受后公开发布。
引用
@article{arxiv.2511.18968,
title = {CataractCompDetect: Intraoperative Complication Detection in Cataract Surgery},
author = {Bhuvan Sachdeva and Sneha Kumari and Rudransh Agarwal and Shalaka Kumaraswamy and Niharika Singri Prasad and Simon Mueller and Raphael Lechtenboehmer and Maximilian W. M. Wintergerst and Thomas Schultz and Kaushik Murali and Mohit Jain},
journal= {arXiv preprint arXiv:2511.18968},
year = {2025}
}