显微外科吻合工作流识别挑战赛报告
机器学习
2021-03-25 v1
摘要
“训练会话中的显微外科吻合工作流识别”（MISAW）挑战赛提供了一份包含27段人工血管显微外科吻合序列的数据集。该数据集由视频、运动学数据以及以三种不同粒度级别（阶段、步骤、活动）描述的工作流标注组成。参与者可选择使用运动学数据和视频来开发工作流识别模型。向参与者提出了四项任务：其中三项涉及在三种不同粒度级别上识别手术工作流，最后一项则在同一模型中实现所有粒度级别的识别。每项任务给出一个排名。我们采用平均应用相关平衡准确率（AD-Accuracy）作为评估指标。该指标考虑了类别不平衡问题，且比逐帧评分更具临床相关性。六支队伍（含一支非竞赛队伍）至少参与了一项任务。所有模型均采用深度学习模型，如CNN或RNN。最佳模型在阶段识别上取得了超过95%的AD-Accuracy，步骤识别达80%，活动识别达60%，所有粒度级别达75%。对于较粗粒度级别（即阶段与步骤），最佳模型的识别率可能足以支持诸如剩余手术时间预测或资源管理等应用。然而，对于活动而言，其识别率对于可临床部署的应用仍较低。MISAW数据集已公开可用，以鼓励手术工作流识别方面的进一步研究。可在 www.synapse.org/MISAW 获取。
引用
@article{arxiv.2103.13111,
title = {MIcro-Surgical Anastomose Workflow recognition challenge report},
author = {Arnaud Huaulmé and Duygu Sarikaya and Kévin Le Mut and Fabien Despinoy and Yonghao Long and Qi Dou and Chin-Boon Chng and Wenjun Lin and Satoshi Kondo and Laura Bravo-Sánchez and Pablo Arbeláez and Wolfgang Reiter and Manoru Mitsuishi and Kanako Harada and Pierre Jannin},
journal= {arXiv preprint arXiv:2103.13111},
year = {2021}
}
备注
MICCAI2020 challenge report, 36 pages including 15 for supplementary material (complet results for each participating teams), 17 figures