MITI: SLAM Benchmark for Laparoscopic Surgery

Our MITI Dataset provides all the necessary data by a complete recording of a handheld surgical intervention at Research Hospital Rechts der Isar of TUM. It contains multimodal sensor information from IMU, stereoscopic video, and infrared (IR) tracking as ground truth for evaluation. Furthermore, calibration for the stereoscope, accelerometer, magnetometer, the rigid transformations in the sensor setup, and time-offsets are available. We wisely chose a suitable intervention that contains very few cutting and tissue deformation and shows a full scan of the abdomen with a handheld camera such that it is ideal for testing SLAM algorithms. Intending to promote the progress of visual-inertial algorithms designed for MIS application, we hope that our clinical training dataset helps and enables researchers to enhance algorithms.

本MITI数据集（MITI Dataset）通过完整记录慕尼黑工业大学（Technische Universität München，TUM）莱希河畔右岸研究医院（Rechts der Isar Research Hospital）内的一台手持外科手术操作，采集了全部必要数据。该数据集包含多模态传感器信息，其中惯性测量单元（Inertial Measurement Unit，IMU）、立体视频以及红外（IR）追踪的数据均可作为评估用基准真值（ground truth）。此外，该数据集还提供了立体摄像系统、加速度计、磁强计的标定参数，传感器部署配置中的刚体变换关系，以及时间偏移量。我们审慎选取了一台切割操作与组织形变均极少的手术操作，并通过手持相机完成了腹部全扫描，因此该数据集十分适合用于同步定位与地图构建（Simultaneous Localization and Mapping，SLAM）算法的测试。为推动面向微创外科（Minimally Invasive Surgery，MIS）应用的视觉惯性算法发展，我们期望这款临床训练数据集能够助力研究人员优化相关算法。

搜集汇总

背景与挑战

背景概述

MITI数据集是一个用于腹腔镜手术的SLAM基准数据集，包含来自手持式手术干预的多模态传感器数据（如IMU、立体视频和红外跟踪），旨在评估视觉惯性算法。该数据集特别适用于内脏手术应用，数据量208 GB，涵盖图像、文本和表格格式，并提供校准和时间偏移信息。