红外外科手术纹身:用于量化组织跟踪和映射的数据集

科学领域:

• 医疗成像医学成像
• 手术技术 手术技术
• 计算机视觉 计算机视觉

背景情况:

• 准确的组织跟踪和映射对于图像引导的手术和自动化至关重要.
• 对于内镜环境的现有数据集有局限性,包括刚性设置,可见标记或昂贵的易出错的手动注释.
• 需要强大的数据集,以方便在现实的外科手术场景中对跟踪和映射方法的定量评估.

研究的目的:

• 介绍一个新的数据集,红外外科手术纹身 (STIR),用于评估内镜组织跟踪和映射方法.
• 提供一个数据集与持久的,但不可见的可见光谱算法,标签提高准确性和通用性.
• 能够在不同的外科环境中对各种跟踪和映射算法进行定量分析和基准测试.

主要方法:

• 开发了一种新的标签方法,使用红绿 (ICG),一种红外光染料,在组织上创建持久标签.
• 收集了数百个立体视频片段 (in vivo和ex vivo),使用可见光摄像头,标签标记在红外光谱中.
• STIR数据集包括3000多个标记点,为算法评估提供了全面的资源.

主要成果:

• 成功创建了STIR数据集,标签是可见光算法看不见的,但在红外光谱中可以检测到.
• 使用STIR数据集分析了多种基于的跟踪方法.
• 使用3D和2D终点错误和准确度指标评估性能,提供对算法性能的定量见解.

结论:

• STIR数据集为量化内镜设置中的组织跟踪和映射方法的性能提供了宝贵的资源.
• 新的标签方法克服了以前数据集的局限性,提供了更好的稳定性和通用性.
• STIR促进了医学干预和手术的图像指导和自动化方面的进步.