SurgT挑战赛：机器人手术中软组织追踪器基准评测
计算机视觉与模式识别
2023-09-01 v3 机器人学
图像与视频处理
摘要
本文介绍了与MICCAI 2022联合举办的“SurgT: Surgical Tracking”挑战赛。创建该挑战赛有两个目的：(1) 为研究界建立首个标准化基准，以评估软组织追踪器；(2) 鉴于手术中缺乏标注数据，鼓励开发无监督深度学习方法。我们提供了一个包含来自20个临床病例的157段立体内窥镜视频的数据集，以及立体相机标定参数。参与者的任务是开发算法，在立体内窥镜视频中追踪以边界框表示的软组织运动。挑战赛结束时，所开发的方法在一个先前隐藏的测试子集上进行了评估。该评估使用了专为本挑战赛开发的基准指标，以验证无监督深度学习算法在软组织追踪中的有效性。用于对方法进行排名的指标是期望平均重叠度（Expected Average Overlap, EAO）分数，它衡量追踪器边界框与真实边界框之间的平均重叠度。挑战赛中排名第一的是ICVS-2Ai提交的深度学习方法，其EAO分数高达0.617。该方法采用ARFlow从裁剪图像中估计无监督稠密光流，使用光度损失和正则化损失。第二名Jmees的EAO为0.583，其在非深度学习基线方法CSRT之上使用深度学习进行手术工具分割。CSRT本身的EAO分数相近，为0.563。挑战赛结果表明，目前非深度学习方法仍具竞争力。为本挑战赛创建的数据集和基准工具已公开于https://surgt.grand-challenge.org/。
引用
@article{arxiv.2302.03022,
title = {SurgT challenge: Benchmark of Soft-Tissue Trackers for Robotic Surgery},
author = {Joao Cartucho and Alistair Weld and Samyakh Tukra and Haozheng Xu and Hiroki Matsuzaki and Taiyo Ishikawa and Minjun Kwon and Yong Eun Jang and Kwang-Ju Kim and Gwang Lee and Bizhe Bai and Lueder Kahrs and Lars Boecking and Simeon Allmendinger and Leopold Muller and Yitong Zhang and Yueming Jin and Sophia Bano and Francisco Vasconcelos and Wolfgang Reiter and Jonas Hajek and Bruno Silva and Estevao Lima and Joao L. Vilaca and Sandro Queiros and Stamatia Giannarou},
journal= {arXiv preprint arXiv:2302.03022},
year = {2023}
}