用于腔镜下手术的手术阶段、关键点和仪器识别的视频数据集（PhaKIR）
计算机视觉与模式识别
2025-11-11 v1
摘要
机器人和计算机辅助的 minimally 侵入性手术（RAMIS）正越来越依赖计算机视觉方法来实现可靠的仪器识别和手术工作流程理解。开发此类系统通常需要大型且准确标注的数据集，但现有资源常常只解决单一任务，忽略时间依赖性，或缺乏多中心的 variability。我们提出了手术程序阶段、关键点和仪器识别（PhaKIR）数据集，包含来自三家医疗机构的八个完整腔镜下胆囊切除手术视频。该数据集提供了三项相互关联任务的帧级标注：手术阶段识别（485,875 帧）、仪器关键点估计（19,435 帧）和仪器实例分割（19,435 帧）。PhaKIR 是已知最前沿的多机构数据集，首次同时提供阶段标签、仪器姿态信息和像素级仪器分割，同时由于手术程序序列的完整性，能够利用时间上下文。该数据集作为 PhaKIR 挑战的基础，作为 Endoscopic Vision（EndoVis）挑战在 MICCAI 2024 的一部分，旨在为手术场景理解基准方法，进一步验证了数据集的质量和相关性。该数据集可通过 Zenodo 平台在请求后公开获取。
引用
@article{arxiv.2511.06549,
title = {Video Dataset for Surgical Phase, Keypoint, and Instrument Recognition in Laparoscopic Surgery (PhaKIR)},
author = {Tobias Rueckert and Raphaela Maerkl and David Rauber and Leonard Klausmann and Max Gutbrod and Daniel Rueckert and Hubertus Feussner and Dirk Wilhelm and Christoph Palm},
journal= {arXiv preprint arXiv:2511.06549},
year = {2025}
}
备注
9 pages, 5 figures, 4 tables