SurgT challenge: Benchmark of Soft-Tissue Trackers for Robotic Surgery

要約

この論文では、第 25 回医用画像コンピューティングおよびコンピュータ支援介入に関する国際会議 (MICCAI 2022) に関連して組織された「SurgT: Surgical Tracking」チャレンジを紹介します。
この課題の作成には 2 つの目的がありました。(1) 研究コミュニティが軟組織トラッカーを評価するための最初の標準化されたベンチマークを確立すること。
（2）手術では注釈付きデータが不足しているため、教師なしディープラーニング手法の開発を促進すること。
20 の臨床症例からの 157 のステレオ内視鏡ビデオのデータセットと、ステレオ カメラのキャリブレーション パラメータが提供されています。
参加者は、ステレオ内視鏡ビデオの境界ボックスを追跡するためのアルゴリズムの開発を任されました。
チャレンジの最後に、開発されたメソッドは、以前は隠されていたテスト サブセットで評価されました。
この評価では、この課題のために意図的に開発され、現在オンラインで入手できるベンチマーク指標を使用しています。
チームは、Intersection over Union (IoU) スコアの加重平均である、Expected Average Overlap (EAO) スコアに従ってランク付けされました。
パフォーマンス評価研究では、軟部組織の追跡における教師なしディープ ラーニング アルゴリズムの有効性を検証します。
最良の方法は、テスト サブセットで 0.583 の EAO スコアを達成しました。
この課題のために作成されたデータセットとベンチマーク ツールは、公開されています。
この課題は、自律型ロボット手術やその他のデジタル手術技術の発展に貢献することが期待されています。

要約(オリジナル)

This paper introduces the ‘SurgT: Surgical Tracking’ challenge which was organised in conjunction with the 25th International Conference on Medical Image Computing and Computer-Assisted Intervention (MICCAI 2022). There were two purposes for the creation of this challenge: (1) the establishment of the first standardised benchmark for the research community to assess soft-tissue trackers; and (2) to encourage the development of unsupervised deep learning methods, given the lack of annotated data in surgery. A dataset of 157 stereo endoscopic videos from 20 clinical cases, along with stereo camera calibration parameters, have been provided. The participants were tasked with the development of algorithms to track a bounding box on stereo endoscopic videos. At the end of the challenge, the developed methods were assessed on a previously hidden test subset. This assessment uses benchmarking metrics that were purposely developed for this challenge and are now available online. The teams were ranked according to their Expected Average Overlap (EAO) score, which is a weighted average of the Intersection over Union (IoU) scores. The performance evaluation study verifies the efficacy of unsupervised deep learning algorithms in tracking soft-tissue. The best-performing method achieved an EAO score of 0.583 in the test subset. The dataset and benchmarking tool created for this challenge have been made publicly available. This challenge is expected to contribute to the development of autonomous robotic surgery and other digital surgical technologies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google