手术视觉域适应：来自 MICCAI 2020 SurgVisDom 挑战赛的结果
计算机视觉与模式识别
2021-03-01 v1
摘要
手术数据科学正通过赋能情境感知应用而变革微创手术。然而，围绕开发情境感知模型所需的手术数据（以及更广义的健康数据）存在诸多挑战。本工作作为医学图像计算与计算机辅助干预（MICCAI）2020 会议内镜视觉（EndoVis）挑战赛的一部分提出，旨在探索手术中视觉域适应的潜力以克服数据隐私问题。具体而言，我们提议利用机器人辅助手术中手术操作的虚拟现实（VR）仿真视频来开发用于在临床类似环境中识别任务的算法。我们展示了挑战赛参与者为解决视觉域适应所开发的不同方法的性能。我们的分析表明，所提出的模型仅从 VR 数据无法学习到有意义的运动基特征，但在提供少量临床类似数据时表现显著更好。基于这些结果，我们讨论了在手术数据科学中解决视觉域适应问题的有前景的方法与进一步工作。我们还在 https://www.synapse.org/surgvisdom2020 公开发布了挑战赛数据集。
引用
@article{arxiv.2102.13644,
title = {Surgical Visual Domain Adaptation: Results from the MICCAI 2020 SurgVisDom Challenge},
author = {Aneeq Zia and Kiran Bhattacharyya and Xi Liu and Ziheng Wang and Satoshi Kondo and Emanuele Colleoni and Beatrice van Amsterdam and Razeen Hussain and Raabid Hussain and Lena Maier-Hein and Danail Stoyanov and Stefanie Speidel and Anthony Jarc},
journal= {arXiv preprint arXiv:2102.13644},
year = {2021}
}
备注
Results from SurgVisDom 2020 challenge held at MICCAI 2020