用于快速医学视频标注的即时点标注

目的：在医学研究中，深度学习模型依赖于高质量标注数据，这一过程通常费力且耗时。对于需要边界框标注的检测任务尤其如此。调整两个角点的需求使得该过程本质上是逐帧的。鉴于专家时间稀缺，需要适合临床医生的高效标注方法。方法：我们提出了一种用于实时视频标注的即时方法，以提高标注效率。在这种方法中，通过将光标保持在实时视频中的目标上，维持连续的单点标注，从而减轻了传统标注方法中繁琐的暂停和重复导航的需要。这种新颖的标注范式继承了点标注使用点对框教师模型生成伪标签的能力。我们通过开发数据集并将即时标注时间与传统标注方法进行比较，实证评估了这种方法。结果：使用我们的方法，标注速度比传统标注技术快3.2倍。在开发的同等标注预算数据集上，我们实现了比传统方法平均提高6.51 ± 0.98 AP@50。结论：无需花哨的技巧，我们的方法在标注任务中提供了显著的加速。它可以轻松地在任何标注平台上实现，以加速深度学习在基于视频的医学研究中的集成。