FetReg: Placental Vessel Segmentation and Registration in Fetoscopy Challenge Dataset

FetReg数据集是首个大规模胎儿镜视频数据集，包含来自欧洲三个不同胎儿手术中心的18个不同手术过程的视频。该数据集专注于创建无漂移的长时间胎儿镜视频马赛克，以解决双胎输血综合征（TTTS）治疗中的可视化挑战。数据集通过多中心数据收集，捕捉了不同临床设置和成像设备带来的变异性，为开发通用和鲁棒的语义分割和视频马赛克算法提供了丰富的资源。数据集的应用领域主要集中在提高胎儿镜手术的视觉辅助和决策支持，以减少手术时间和提高治疗效果。

The FetReg dataset is the first large-scale fetoscopic video dataset, containing videos of 18 distinct surgical procedures from three different fetal surgery centers across Europe. This dataset focuses on creating drift-free long-duration fetoscopic video mosaics to address the visualization challenges encountered during the treatment of Twin-to-Twin Transfusion Syndrome (TTTS). Collected via a multi-center approach, it captures variability arising from different clinical settings and imaging equipment, serving as a rich resource for developing generalizable and robust semantic segmentation and video mosaic algorithms. Its primary application areas focus on enhancing visual assistance and decision support for fetoscopic surgeries, with the goals of reducing surgical duration and improving treatment outcomes.

搜集汇总

数据集介绍

构建方式

在胎儿镜激光光凝术治疗双胎输血综合征的临床背景下，FetReg数据集的构建体现了多中心协作的严谨性。该数据集源自欧洲三家胎儿医学中心的18例手术视频，通过视频帧分解与裁剪，提取了2060张标注图像。标注过程由学术研究人员与专业标注人员协作完成，涵盖背景、胎盘血管、手术工具及胎儿四类语义标签，并经由胎儿医学专家验证，确保了标注的准确性与一致性。数据采集充分考虑了手术内与手术间的变异性，以及不同临床环境与成像设备带来的差异，为算法泛化性研究提供了坚实基础。

使用方法

该数据集设计用于支持胎盘血管语义分割与视频拼接配准两项核心任务。在分割任务中，研究者可利用标注图像训练模型，以识别背景、血管、工具及胎儿四类目标，并通过交叉验证策略评估模型在未见数据上的泛化性能。对于配准任务，数据集提供了未标注的视频片段，要求算法实现连续帧之间的同形映射，以生成无漂移的大视野拼接图像。评估基于帧对之间的结构相似性指标，强调配准的一致性而非绝对精度，旨在推动能够克服术中视觉挑战的鲁棒算法发展，为计算机辅助手术提供关键技术支持。

背景与挑战

背景概述

在胎儿医学领域，双胎输血综合征（TTTS）作为单绒毛膜多胎妊娠的严重并发症，其治疗依赖于胎儿镜激光凝固术。然而，该手术因视野受限、操作灵活性差及羊水浑浊导致的视觉障碍而极具挑战性。为推进计算机辅助干预技术的发展，由伦敦大学学院、意大利理工学院及米兰理工大学等机构的研究团队于2021年共同创建了FetReg数据集。该数据集聚焦于胎盘血管分割与视频拼接，旨在通过大规模多中心数据，编码手术中的内部与跨病例变异性，为开发鲁棒的语义分割和漂移自由拼接算法提供基准，从而提升手术可视化效果与临床决策支持。

当前挑战

FetReg数据集所应对的核心领域挑战在于实现胎儿镜图像中胎盘血管、工具及胎儿的精确语义分割，并构建长期视频的漂移自由拼接，以扩展手术视野。具体而言，分割任务面临数据类别高度不平衡、羊水浑浊与光源变异导致的图像质量低下，以及非平面视角带来的形态学差异；而拼接任务则需克服纹理匮乏、动态遮挡及缺乏真实相机运动标注的难题。在构建过程中，挑战包括多中心数据采集中的设备与设置差异、人工标注的一致性与准确性保障，以及如何从长时程视频中筛选适宜拼接的片段以应对临床环境的复杂性。

常用场景

经典使用场景

在胎儿镜激光光凝术治疗双胎输血综合征的临床实践中，FetReg数据集被广泛应用于胎盘血管的语义分割与视频拼接算法的开发与验证。该数据集通过提供多中心、大规模的真实手术视频，为研究人员构建了模拟术中复杂环境的基准平台，其中包含背景、血管、手术工具及胎儿等四类标注信息。经典使用场景涉及利用深度学习模型如U-Net进行血管网络的精确识别，进而支持术中视野扩展，帮助外科医生在受限的视野下更清晰地观察胎盘血管吻合结构，从而提升手术的精准性与安全性。

解决学术问题

FetReg数据集主要解决了胎儿镜图像分析领域的两大核心学术问题：一是克服术中因羊水浑浊、视野狭窄及光照变异导致的图像质量低下问题，通过提供高质量标注数据推动鲁棒分割模型的发展；二是应对长时视频拼接中的漂移与一致性挑战，为无漂移拼接算法提供评估基准。该数据集的意义在于首次整合了多中心临床数据，编码了不同患者与医疗设备间的变异性，为泛化性强的计算机辅助干预方法奠定了基础，显著促进了手术数据科学在胎儿医学中的转化应用。

实际应用

在实际临床应用中，基于FetReg数据集开发的算法可直接集成到胎儿镜手术系统中，实现实时血管增强显示与视野扩展。例如，通过血管分割结果生成概率图，辅助外科医生快速定位胎盘血管吻合点，减少术中遗漏；同时，视频拼接技术能将连续帧融合为全景图像，提供更完整的胎盘表面图谱，支持手术路径规划与术后评估。这些应用不仅缩短了手术时间，还降低了因不完全消融导致的持续性双胎输血综合征风险，提升了胎儿存活率与手术预后。

数据集最近研究

最新研究方向

在胎儿镜手术领域，胎盘血管分割与视频拼接技术正成为计算机辅助干预的前沿热点。FetReg数据集作为首个大规模多中心胎儿镜视频资源，推动了针对双胎输血综合征（TTTS）治疗的智能化算法发展。当前研究聚焦于利用深度学习模型，如U-Net与ResNet50结合的基础架构，实现胎盘血管、手术工具及胎儿结构的精准语义分割，以克服术中视野受限、羊水浑浊及光照变异等挑战。同时，视频拼接任务致力于通过同形映射和序列配准技术，构建无漂移的胎盘全景图像，从而提升手术导航的准确性与安全性。这些进展不仅促进了手术数据科学在胎儿医学中的应用，还为多中心协作下的算法泛化与鲁棒性评估提供了关键基准，有望显著降低TTTS治疗中的残留血管风险，改善临床预后。

相关研究论文

• FetReg: Placental Vessel Segmentation and Registration in Fetoscopy Challenge Dataset

  伦敦大学学院计算机科学系与介入和外科科学研究中心 · 2021年