Endomapper数据集

Endomapper数据集是由Aragón卫生研究所创建的，包含96个完整内窥镜手术视频，总时长超过24小时。该数据集旨在支持内窥镜视觉同时定位与映射(VSLAM)方法的开发与评估，涵盖了内窥镜校准视频、解剖标志、手术标注、分割、重建等多种元数据和标注。数据集的应用领域包括内窥镜导航辅助、盲区检测、息肉测量等，旨在解决内窥镜手术中的定位与导航问题。The Endomapper dataset was constructed by the Aragón Health Research Institute. It comprises 96 full-length endoscopic surgical videos with a total duration exceeding 24 hours. This dataset is intended to support the development and evaluation of endoscopic Visual Simultaneous Localization and Mapping (VSLAM) approaches, and includes a comprehensive range of metadata and annotations covering endoscopic calibration videos, anatomical landmarks, surgical annotations, segmentation datasets, and 3D reconstruction annotations. Its application areas include endoscopic navigation assistance, blind zone detection, polyp measurement, and other relevant tasks, with the core objective of addressing localization and navigation challenges in endoscopic surgical procedures.

搜集汇总

数据集介绍

构建方式

Endomapper数据集的构建方式独具匠心，旨在为内镜手术中的空间人工智能（Spatial AI）研究提供有力支持。该数据集首次收集了96个完整的内镜手术视频，这些视频是在常规医疗实践中拍摄的，对现有医疗数据进行了二次利用。数据采集过程严格遵守伦理规范，并在医院临床环境中进行，确保了数据的真实性和可靠性。视频录制采用了Olympus EVIS EXERA III系列内镜系统，并使用Epiphan Video DVI2USB 3.0和Magewell Pro Capture DVI采集卡进行数据采集。视频经过编辑，去除了患者个人信息，并以高清格式保存。此外，数据集还包含了内镜的校准视频，以及相关的几何和光度校准参数。

特点

Endomapper数据集的特点在于其全面性和高质量。数据集包含了超过24小时的高清内镜手术视频，涵盖了结肠镜检查、胃镜检查以及校准视频。这些视频不仅包含了内镜的校准数据，还包含了原始的校准视频，为研究者提供了丰富的视觉信息。此外，数据集还提供了与视频相关的元数据和标注，包括解剖学标志、手术过程标签、分割、重建、具有真实值的模拟序列以及同一患者的其他手术过程。这些元数据和标注为研究者提供了更深入的视角，有助于他们更好地理解内镜手术的过程和特点。

使用方法

使用Endomapper数据集的方法相对简单。首先，研究者需要从Synapse平台获取数据集，并根据平台的规定填写使用声明。获取数据后，研究者可以访问视频文件、校准参数、元数据和标注等信息。数据集的视频文件采用了H264编码格式，并提供了缩略图版本以便快速预览。此外，数据集还包含了模拟结肠的序列，为研究者提供了额外的测试和验证工具。研究者可以使用数据集中的校准参数和模拟序列来评估和改进他们的空间人工智能算法。

背景与挑战

背景概述

Endomapper数据集的创建是为了推动内镜检查中视觉同时定位与建图（VSLAM）方法的发展。该数据集由西班牙萨拉戈萨大学等机构的研究人员于2022年发布，包含96个高质量、校准完整的常规内镜检查记录，时长超过24小时。Endomapper数据集是首个包含内镜校准信息以及原始校准视频的内镜数据集，其目的是促进VSLAM方法在真实内镜数据中的发展和评估。该数据集包含了从解剖学标志、程序标签、分割、重建到模拟序列的真实数据，为内镜检查的智能化和自动化提供了宝贵的数据资源。

当前挑战

Endomapper数据集面临的挑战主要包括：1) 内镜检查场景的动态变化，如内镜运动、肠道变形等，导致VSLAM算法的跟踪失败；2) 内镜图像中的光照变化和遮挡问题，如内镜光源与相机共位、肠道表面纹理差、反射多等，影响VSLAM算法的精度和鲁棒性；3) 内镜检查中工具的分割问题，工具遮挡视野并导致VSLAM算法失败，需要开发更有效的分割方法；4) 内镜检查中的解剖学区域识别问题，不同区域之间差异细微，需要开发更准确的识别模型。Endomapper数据集为解决这些挑战提供了宝贵的数据资源，并有望推动VSLAM在内镜检查中的应用和发展。

常用场景

经典使用场景

Endomapper数据集在医学影像领域，尤其是内镜手术领域，具有重要的应用价值。该数据集为研究者提供了完整的内镜手术过程视频，以及相关的校准参数和元数据，为视觉同步定位与建图（VSLAM）算法的研究和应用提供了宝贵的数据资源。通过Endomapper数据集，研究者可以开发更精确的内镜定位和导航系统，从而辅助医生进行更精准的诊断和治疗。

解决学术问题

Endomapper数据集解决了医学影像领域，尤其是内镜手术领域，长期存在的定位和导航难题。传统的内镜手术主要依靠医生手动操作，存在定位不准确、导航效率低等问题。Endomapper数据集为研究者提供了高质量的内镜手术视频数据，以及相关的校准参数和元数据，为开发更精确的内镜定位和导航系统提供了重要的数据支持。

衍生相关工作

Endomapper数据集的发布，促进了医学影像领域，尤其是内镜手术领域的研究。基于Endomapper数据集，研究者开发了多种VSLAM算法，并取得了显著的成果。此外，Endomapper数据集还被用于开发基于内镜的增强现实系统和机器人系统，为内镜手术的自动化和智能化提供了重要的数据支持。