ProstaTD：从分类到全监督检测的外科三元组桥梁
计算机视觉与模式识别
2025-09-30 v3
摘要
外科三元组检测是外科视频分析中的一项关键任务。然而，现有数据集如CholecT50缺乏精确的空间边界框标注，使得图像级的三元组分类无法满足实际应用需求。加入边界框标注对于使该任务具有实际意义至关重要，因为它们提供了准确分析和提升模型泛化能力所需的空间上下文。为解决这些不足，我们引入了ProstaTD，一个用于外科三元组检测的大规模、多机构数据集，其开发源自机器人辅助前列腺切除术这一技术要求极高的领域。ProstaTD为每个结构化三元组活动提供了临床定义的时间边界和高精度边界框标注。该数据集包含71,775个视频帧和196,490个标注三元组实例，来自跨多个机构进行的21台手术，反映了广泛的外科实践和术中条件。标注过程在严格的医疗监督下进行，涉及超过60名参与者，包括执业外科医生和受过医学训练的标注员，经历了多个迭代的标注与验证阶段。为进一步促进未来的通用外科标注，我们开发了两款定制标注工具，以提高标注工作流的效率和可扩展性。此外，我们创建了一个外科三元组检测评估工具包，实现了跨研究的标准化和可重复的性能评估。ProstaTD是迄今为止规模最大、最具多样性的外科三元组数据集，将该领域从简单分类推进到具有精确空间和时间边界的全检测，从而为公平基准测试提供了坚实基础。
引用
@article{arxiv.2506.01130,
title = {ProstaTD: Bridging Surgical Triplet from Classification to Fully Supervised Detection},
author = {Yiliang Chen and Zhixi Li and Cheng Xu and Alex Qinyang Liu and Ruize Cui and Xuemiao Xu and Jeremy Yuen-Chun Teoh and Shengfeng He and Jing Qin},
journal= {arXiv preprint arXiv:2506.01130},
year = {2025}
}