相关实验视频
Updated: May 25, 2025
07:30
Learning Modern Laryngeal Surgery in a Dissection Laboratory
Published on: March 18, 2020
7.9K
LapEx:一个新的多式联络数据集,用于在腹腔镜外科手术中进行上下文识别和实践评估
Arthur Derathé1, Fabian Reche1,2, Sylvain Guy1
1Univ. Grenoble Alpes, CNRS, UMR 5525, VetAgro Sup, Grenoble INP, INSERM, TIMC, 38000, Grenoble, France.
Scientific data
|February 26, 2025
概括
这项研究引入了外科数据科学 (SDS) 的新数据集,为腹腔镜袖子胃切除手术提供了详细的注释. 它解决了对现实数据的需求,以改善手术中的机器学习.
科学领域:
- 手术数据科学手术数据科学
- 机器学习在医学中的应用
- 腹腔镜外科手术 腹腔镜外科手术
背景情况:
- 在外科数据科学 (SDS) 中,对大型,现实的注释数据集的需求日益增加.
- 现有的腹腔镜手术数据集往往缺乏临床现实主义和详细的注释.
- 在外科手术数据集中很少评估注释变化.
研究的目的:
- 创建一个新的,多层次的注释数据集,用于腹腔镜袖子胃切除手术.
- 解决当前数据集在细粒度和现实性方面存在的局限性.
- 为在SDS中评估机器学习模型提供基准.
主要方法:
- 编制了30个袖子胃切除手术程序.
- 执行三种级别的注释:细粒度的程序活动,语义细分和外科技能评估 (场景曝光质量).
- 进行了全面的注释变异性分析.
主要成果:
- 开发了一个数据集,详细说明了在袖子胃切除术中 fundus 解剖的细节.
- 量化注释变化,突出任务的复杂性.
- 建立了一个公共数据集,以推进SDS研究.
结论:
- 新的数据集增强了腹腔镜外科手术中机器学习的现实性和细分性.
- 注释可变性分析为模型开发提供了关键的见解.
- 公开可用的数据集是外科数据科学社区的宝贵资源.
