Guide3D

Guide3D数据集由利物浦大学创建，专门用于内窥镜手术工具的3D形状重建。该数据集包含8746个高分辨率的生物平面X射线视频帧，这些帧在真实世界环境中捕获并手动标注。数据集的创建过程包括使用生物平面X射线系统和半身血管模型进行数据采集，并通过计算机视觉标注工具进行手动标注。Guide3D数据集主要应用于内窥镜手术中的导航和工具操作，旨在提高分割和3D重建技术的准确性和效率，从而改善手术干预的效果。The Guide3D dataset, developed by the University of Liverpool, is specifically designed for 3D shape reconstruction of endoscopic surgical tools. This dataset comprises 8746 high-resolution biplane X-ray video frames captured in real-world clinical environments and manually annotated. The development workflow of the Guide3D dataset involves data acquisition using a biplane X-ray system and a half-body vascular phantom model, followed by manual annotation performed via computer vision annotation tools. The Guide3D dataset is primarily applied to navigation and tool manipulation in endoscopic surgery, aiming to enhance the accuracy and efficiency of segmentation and 3D reconstruction technologies, thereby improving the outcomes of surgical interventions.

原始信息汇总

Guide3D 数据集概述

数据集描述

Guide3D 是一个专门为推进血管内手术工具的3D重建而设计的双平面X射线数据集。该数据集包含高分辨率、手动标注的荧光视频，这些视频是在真实临床条件下使用双平面成像系统捕获的。数据集在模拟临床环境中进行了验证，确认其适用于实际应用，并为导丝形状预测提供了一个基准。

数据集特点

• 双平面成像：数据集使用双平面成像系统，提供两个视角的图像，有助于提高3D重建的准确性。
• 高分辨率：包含高分辨率的荧光视频。
• 手动标注：所有视频都经过手动标注，确保数据质量。
• 临床验证：在模拟临床环境中进行了验证，确保数据集的实用性和可靠性。

数据集组成

数据集包含两种类型的导丝样本：

• Radifocus™ 导丝（带角度）
• Nitrex 导丝（直型）

样本数量统计

样本类型	Radifocus™ 导丝（带角度）	Nitrex 导丝（直型）	总计
有液体	3664	484	4148
无液体	2472	2126	4598
总计	6136	2610	8746

数据集目标

• 填补现有数据集在双平面成像和3D重建方面的空白。
• 为导丝形状预测提供基准，促进相关研究的发展。
• 通过提供高质量的数据集和代码，推动机器学习技术在血管内手术中的应用，提高手术的精确性和效率。

搜集汇总

数据集介绍

构建方式

Guide3D数据集的构建基于双平面X射线系统，采用高分辨率的图像增强管和双焦点X射线管，确保了图像的高清晰度。数据采集过程中使用了半体血管模型，该模型通过软硅胶和连续流动泵模拟人体血液流动，确保了血管结构的生理准确性。此外，数据集包含了两种常用导丝的导航数据，通过手动标注工具（CVAT）进行精确的导丝路径标注，最终形成了包含8,746帧高分辨率图像的数据集。

特点

Guide3D数据集的显著特点在于其双平面X射线图像的高分辨率和手动标注的精确性，这为3D重建和分割算法提供了高质量的训练数据。此外，数据集包含了导丝在不同流体条件下的图像，增加了数据的多样性和复杂性，有助于提升算法的鲁棒性。数据集的开源性质和详细的标注信息，使其成为推进内血管导航技术发展的宝贵资源。

使用方法

Guide3D数据集主要用于内血管导航中的3D重建和导丝分割任务。研究者可以利用该数据集训练和验证深度学习模型，如U-Net、TransUnet和SwinUnet等，以提高导丝的分割精度和3D形状预测的准确性。此外，数据集支持基于视频的分析方法，如光流网络，可以进一步探索导丝在时间维度上的动态特性，从而提升内血管手术中的导航和操作精度。

背景与挑战

背景概述

Guide3D数据集由利物浦大学、帝国理工学院等机构的研究人员于2024年创建，专注于内血管手术工具的三维形状重建。该数据集的核心研究问题在于解决内血管手术中缺乏公开可用数据集的问题，特别是通过双平面X射线技术来提升手术工具的导航精度。Guide3D不仅填补了这一领域的空白，还为机器学习方法的发展和验证提供了标准化平台，对内血管手术的精确导航和操作具有重要影响。

当前挑战

Guide3D数据集在构建过程中面临的主要挑战包括：一是图像分割的准确性，由于缺乏评估分割方法的数据集，导致形状重建的难度增加；二是专用双平面扫描设备的成本高昂，限制了其在临床环境中的广泛应用。此外，该数据集还需解决深度感知问题，传统的单平面荧光透视技术在视觉化手术工具时存在显著局限，增加了手术风险。这些挑战突显了开发更精确的分割算法和引导线重建方法的迫切需求。

常用场景

经典使用场景

Guide3D数据集在医学影像领域中，主要用于推进内血管手术工具的3D重建。通过提供高分辨率的双平面X射线视频，该数据集支持精确的分割和3D重建算法的发展。其经典应用场景包括在内血管手术中，利用双平面成像系统进行导丝和导管的精确导航，从而提高手术的安全性和效率。此外，Guide3D还支持基于视频的光流网络研究，以捕捉手术工具的动态变化。

实际应用

在实际应用中，Guide3D数据集被广泛用于内血管手术的导航和工具操作。通过精确的3D重建，医生可以更准确地定位和操作导丝和导管，减少手术风险。此外，该数据集还支持开发实时监控系统，帮助医生在手术过程中实时调整操作策略，提高手术成功率。Guide3D的应用不仅限于学术研究，还为临床实践提供了强有力的技术支持。

衍生相关工作

基于Guide3D数据集，许多相关研究工作得以展开。例如，研究者们开发了新的导丝形状预测网络，利用深度学习技术从单平面图像序列中预测导丝的3D形状。此外，Guide3D还促进了光流网络和时间动态分析的研究，为内血管手术中的实时监控和操作提供了新的方法。这些衍生工作不仅提升了手术导航的精度，还推动了内血管手术技术的整体进步。