CholecTrack20：面向手术器械的多视角跟踪数据集

手术视频中的器械跟踪对于推进计算机辅助干预（如技能评估、安全区估计和人机协作）至关重要。然而，缺乏具有丰富上下文的数据集限制了该领域的AI应用。现有数据集依赖于过于通用的跟踪形式化，无法捕捉手术特有的动态，例如器械移出摄像机视野或退出体外。这导致轨迹缺乏临床相关性，且在实际手术应用中缺乏灵活性。在这些数据集上训练的方法在面对烟雾、反光和出血等视觉挑战时往往表现不佳，进一步暴露了当前方法的局限性。我们引入了CholecTrack20，一个用于手术过程中多类、多器械跟踪的专用数据集。它通过三个视角重新定义了跟踪形式化：(i) 术中、(ii) 体内和 (iii) 可见性，从而生成适应性强且具有临床意义的器械轨迹。该数据集包含20个完整手术视频，以1 fps进行标注，产生超过35K帧和65K个标注的器械实例。标注内容包括空间位置、类别、身份、操作者、阶段和场景视觉挑战。在CholecTrack20上对最先进方法进行基准测试揭示了显著的性能差距，当前方法（< 45\% HOTA）无法满足临床转化所需的准确度。这些发现促进了对先进且直观的跟踪算法的需求，并将CholecTrack20确立为开发鲁棒的AI驱动手术辅助系统的基础。