相关实验视频
Updated: Jul 13, 2025
06:24
A Spine Robotic-Assisted Navigation System for Pedicle Screw Placement
Published on: May 11, 2020
8.9K
SurgT挑战:用于机器人手术的软组织追踪器的基准
João Cartucho1, Alistair Weld1, Samyakh Tukra1
1The Hamlyn Centre for Robotic Surgery, Imperial College London, United Kingdom.
Medical image analysis
|October 16, 2023
概括
"SurgT挑战"为手术中的软组织跟踪树立了基准,鼓励无监督深度学习. 虽然深度学习方法显示出希望,但传统的算法在手术跟踪方面仍然具有竞争力.
科学领域:
- 医疗图像计算 医疗图像计算
- 计算机辅助干预 计算机辅助干预
- 手术机器人手术机器人手术机器人手术机器人
背景情况:
- 精确的软组织追踪对于推进计算机辅助手术和机器人手术至关重要.
- 手术视频中缺乏注释数据,这阻碍了监督深度学习模型的开发.
- 需要标准化的基准来评估和比较软组织跟踪算法.
研究的目的:
- 建立第一个标准化基准来评估手术视频中的软组织追踪器.
- 促进开发和评估用于手术追踪的无监督深度学习方法.
- 为研究界提供公开可用的数据集和基准测试工具.
主要方法:
- 从20个临床病例中组织了157个立体内镜视频的SurgT挑战.
- 提供立体相机校准参数和一个隐藏的测试子集用于评估.
- 开发了新的基准测量指标,包括预期平均重叠 (EAO) 评分,以评估追踪器的性能.
主要成果:
- 性能最高的方法ICVS-2Ai使用无监督密集光流实现了0.617的EAO得分.
- 结合深度学习和CSRT的Jmees方法得分为0.583,而单独的CSRT得分为0.563.
- 结果表明,非深度学习方法在软组织跟踪方面仍然具有竞争力.
结论:
- 在SurgT挑战中,成功创建了软组织追踪研究的基准和数据集.
- 无监督深度学习方法显示出潜力,但尚未普遍优于传统算法.
- 预计挑战的资源将推动自主机器人手术和数字手术技术的进步.
