SARAS内窥镜外科医生动作检测（ESAD）数据集：挑战与方法
计算机视觉与模式识别
2021-04-08 v1
摘要
对于自主机器人系统，在手术过程中监测外科医生动作并辅助主刀医生极具挑战。挑战源于手术场景的特殊结构、体腔内经工具执行的动作相较于非受限环境中人体动作在外观上更为相似，以及内窥镜相机的运动。本文提出ESAD，首个专为应对内窥镜微创手术中外科医生动作检测问题而设计的大规模数据集。ESAD旨在通过真实测试辅助机器人对外科医生所执行动作的认知，从而提升手术辅助机器人的效能与可靠性。该数据集提供前列腺切除术中捕获的真实内窥镜视频帧上21个动作类的边界框标注，并作为近期MIDL 2020挑战赛的基础。我们还使用挑战赛发布的基线模型对数据集进行分析，并描述提交至挑战赛的顶尖模型及其所得结果。本研究深入揭示了哪些方法有效且可进一步扩展。我们相信ESAD未来将作为所有从事外科医生动作检测及广义辅助机器人研究人员的实用基准。
引用
@article{arxiv.2104.03178,
title = {The SARAS Endoscopic Surgeon Action Detection (ESAD) dataset: Challenges and methods},
author = {Vivek Singh Bawa and Gurkirt Singh and Francis KapingA and Inna Skarga-Bandurova and Elettra Oleari and Alice Leporini and Carmela Landolfo and Pengfei Zhao and Xi Xiang and Gongning Luo and Kuanquan Wang and Liangzhi Li and Bowen Wang and Shang Zhao and Li Li and Armando Stabile and Francesco Setti and Riccardo Muradore and Fabio Cuzzolin},
journal= {arXiv preprint arXiv:2104.03178},
year = {2021}
}