Endoscapes2023|腹腔镜手术数据集|医学图像处理数据集

Endoscapes2023是一个全面的腹腔镜视频数据集，用于外科解剖和工具分割、物体检测以及安全视图（CVS）评估。该数据集专注于腹腔镜胆囊切除术视频中的一个感兴趣区域，在该区域中，CVS是相关的且定义良好：在解剖阶段和第一个夹/切胆囊动脉或胆囊管之前。

Endoscapes2023 is a comprehensive laparoscopic video dataset designed for surgical anatomy and tool segmentation, object detection, and Critical View of Safety (CVS) assessment. The dataset focuses on a region of interest within laparoscopic cholecystectomy videos, where the CVS is relevant and well-defined: during the dissection phase and prior to the first clip/cut of the cystic artery or cystic duct.

原始信息汇总

数据集概述

数据集名称

Endoscapes2023

数据集目的

用于外科解剖和工具分割、对象检测以及安全视角（CVS）评估的综合腹腔镜视频数据集。

数据集内容

数据集分为三个子数据集：

1. Endoscapes-CVS201: 包含11090帧，来自201个视频，由3位专家标注CVS。这些帧均匀分布，每5秒一帧，总共有58813帧（1fps）。
2. Endoscapes-BBox201: 包含1933帧，来自201个视频，标注了5个解剖结构/区域和1个工具类（共6类）的边界框。这些帧每30秒一帧。
3. Endoscapes-Seg50: 包含493帧，来自50个视频，标注了6个类的实例和语义分割掩码。这是Endoscapes-BBox201的一个子集，选择了约25%的视频，每30秒一帧。

文件结构

数据集的文件结构如下：

• 所有注释采用COCO格式，CVS标签作为图像级标签编码。
• 训练、验证和测试集分别包含相应的图像和注释文件。
• 训练集分割为12.5%和25%的官方分割，各有三个折叠。
• 包含所有元数据的CSV文件和用于实例和语义分割的额外文件。

注释格式

• 所有注释文件采用COCO格式。
• CVS标签表示三位注释者对每个标准的平均值，小数表示注释者之间的分歧。

使用许可

数据集遵循CC BY-NC-SA 4.0许可，仅供非商业科学研究使用。

AI搜集汇总

数据集介绍

构建方式

Endoscapes2023数据集的构建基于腹腔镜胆囊切除术视频，聚焦于手术解剖和工具分割、目标检测以及关键安全视图（CVS）评估。数据集通过从201个视频中提取帧，并以5秒和30秒的间隔进行标注，涵盖了胆囊、胆囊管、胆囊动脉等解剖结构的边界框和分割掩码。标注工作由三位专家完成，CVS标签为三位标注者的平均值，确保了数据的准确性和一致性。数据集分为三个子集：Endoscapes-CVS201、Endoscapes-BBox201和Endoscapes-Seg50，分别用于CVS评估、目标检测和实例分割任务。

特点

Endoscapes2023数据集的特点在于其多任务适用性，涵盖了手术场景分割、目标检测和CVS评估等多个领域。数据集提供了丰富的标注信息，包括边界框、实例分割掩码和语义分割掩码，且所有标注均采用COCO格式，便于与其他计算机视觉任务兼容。此外，数据集还提供了未标注的中间帧，支持半监督学习和时间序列模型的训练。数据集的分割和标注工作由多位专家完成，确保了高质量的标注数据，适用于高精度的医学图像分析任务。

使用方法

Endoscapes2023数据集的使用方法灵活多样，适用于多种计算机视觉任务。用户可以通过下载数据集并加载COCO格式的标注文件，快速进行目标检测、实例分割和CVS评估等任务的训练和测试。数据集提供了详细的文件结构和标注说明，用户可以根据任务需求选择不同的子集进行实验。此外，数据集还提供了基准模型和代码示例，用户可以参考相关技术报告和GitHub仓库，快速上手并复现实验结果。数据集的使用需遵守CC BY-NC-SA 4.0许可协议，仅限于非商业科学研究用途。

背景与挑战

背景概述

Endoscapes2023数据集由法国斯特拉斯堡大学CAMMA研究团队于2023年发布，旨在为腹腔镜手术场景中的解剖结构分割、工具检测以及关键安全视野（CVS）评估提供高质量的数据支持。该数据集聚焦于胆囊切除术中的解剖区域，涵盖了手术视频中的关键帧，并提供了丰富的标注信息，包括CVS评估、边界框标注以及实例和语义分割标注。Endoscapes2023的发布为手术计算机视觉领域的研究提供了重要的数据基础，推动了手术场景理解与安全评估技术的发展。

当前挑战

Endoscapes2023数据集在解决腹腔镜手术场景理解问题时面临多重挑战。首先，手术视频中的解剖结构复杂且动态变化，导致精确分割和检测难度较大。其次，CVS评估依赖于专家标注，而不同专家之间的标注一致性难以保证，这为模型训练带来了不确定性。此外，数据集的构建过程中，视频帧的选择与标注需要极高的专业性和时间成本，尤其是在处理大规模视频数据时，如何高效提取关键帧并确保标注质量成为一大难题。这些挑战不仅体现在数据集的构建上，也对后续模型的性能提出了更高的要求。

常用场景

经典使用场景

Endoscapes2023数据集在腹腔镜手术视频分析领域具有广泛的应用，尤其是在胆囊切除术的解剖结构分割、手术工具检测以及关键安全视图（CVS）评估方面。该数据集通过提供高质量的标注视频帧，支持深度学习模型在手术场景中的精确分割和检测任务。研究人员可以利用这些数据开发自动化工具，辅助外科医生在手术过程中识别关键解剖结构，确保手术安全。

实际应用

在实际应用中，Endoscapes2023数据集为开发智能手术辅助系统提供了重要支持。例如，基于该数据集训练的模型可以实时分析手术视频，自动识别胆囊、胆囊管、胆囊动脉等关键解剖结构，并评估手术过程中的关键安全视图。这些功能能够显著提升手术的精确性和安全性，减少人为错误的发生。此外，数据集还可用于培训外科医生，帮助他们通过模拟手术场景提高操作技能。

衍生相关工作

Endoscapes2023数据集已经衍生出多项经典研究工作。例如，Murali等人（2023）利用该数据集开发了基于潜在图表示的关键安全视图评估方法，显著提升了CVS评估的准确性。Alapatt等人（2021）提出了时间约束神经网络（TCNN）框架，利用数据集中的半监督学习潜力，实现了视频语义分割的突破。此外，Ramesh等人（2023）通过自监督学习方法，进一步挖掘了数据集在手术计算机视觉中的潜力，推动了该领域的技术进步。