TEMSET-24K：用于索引腔部内镜视频的密集标注数据集基于手术时间线分割
计算机视觉与模式识别
2025-02-11 v1
摘要
索引内镜手术视频在手术数据科学中至关重要，为系统的回顾性分析和临床绩效评估奠定了基础。尽管其重要性显而易见，当前的视频分析仍依赖于手动索引，过程耗时。计算机视觉，特别是深度学习技术，为自动化提供了潜力，但由于缺乏公开可获取的密集标注手术数据集，进展有限。为此，我们提出了TEMSET-24K数据集，包含24,306个肛肠内镜微手术(TEMS)视频短片。每个短片均由临床专家精细标注，使用新颖的分层标注分类学涵盖阶段、任务和动作三元组，捕捉手术工作流程的细微结构。为验证该数据集，我们对深度学习模型进行了基准测试，包括基于transformer的架构。我们的类比评估显示，对于诸如Setup和缝合等关键阶段，准确率可达0.99，F1分数可达0.99。使用ConvNeXt、ViT和SWIN V2编码器测试的STALNet模型一致地分割了良好代表的阶段。TEMSET-24K为手术数据科学提供了关键基准，推动了最先进解决方案的发展。
引用
@article{arxiv.2502.06708,
title = {TEMSET-24K: Densely Annotated Dataset for Indexing Multipart Endoscopic Videos using Surgical Timeline Segmentation},
author = {Muhammad Bilal and Mahmood Alam and Deepa Bapu and Stephan Korsgen and Neeraj Lal and Simon Bach and Amir M Hajivanand and Muhammed Ali and Kamran Soomro and Iqbal Qasim and Paweł Capik and Aslam Khan and Zaheer Khan and Hunaid Vohra and Massimo Caputo and Andrew Beggs and Adnan Qayyum and Junaid Qadir and Shazad Ashraf},
journal= {arXiv preprint arXiv:2502.06708},
year = {2025}
}