SurgRIPE挑战：外科机器人仪器姿态估计基准
计算机视觉与模式识别
2025-06-17 v2 机器人学
摘要
准确的仪器姿态估计是机器人手术未来的关键步骤，使其能够实现如自主手术任务执行等应用。基于视觉的方法提供了实用的工具跟踪方案，但往往需要在仪器上附加标记。近期，更多研究聚焦于基于深度学习的无标记方法开发。然而，获取具有真实手术数据且包含ground truth仪器姿态的数据用于深度学习训练具有挑战性。为解决上述问题，我们介绍了外科机器人仪器姿态估计（Surgical Robot Instrument Pose Estimation, SurgRIPE）挑战，于2023年第26届国际医学图像计算与计算机辅助介入会议（MICCAI）举办。该挑战的目标是：（1）为手术视觉社区提供具有ground truth仪器姿态的真实手术视频数据，（2）建立用于评估无标记姿态估计方法的基准。该挑战促成了多种新型算法的开发，这些算法在准确性和鲁棒性方面优于现有方法。针对SurgRIPE数据集的性能评估研究突显了这些先进算法整合到机器人手术系统中的潜力，为实现更精确和自主的手术程序铺平了道路。SurgRIPE挑战成功地为该领域建立了新的基准，鼓励进一步的研究与发展，推动外科机器人仪器姿态估计领域的持续创新。
引用
@article{arxiv.2501.02990,
title = {SurgRIPE challenge: Benchmark of Surgical Robot Instrument Pose Estimation},
author = {Haozheng Xu and Alistair Weld and Chi Xu and Alfie Roddan and Joao Cartucho and Mert Asim Karaoglu and Alexander Ladikos and Yangke Li and Yiping Li and Daiyun Shen and Geonhee Lee and Seyeon Park and Jongho Shin and Young-Gon Kim and Lucy Fothergill and Dominic Jones and Pietro Valdastri and Duygu Sarikaya and Stamatia Giannarou},
journal= {arXiv preprint arXiv:2501.02990},
year = {2025}
}
备注
35 pages, 18 figures, journal paper