CathAction: A Benchmark for Endovascular Intervention Understanding

要約

カテーテル挿入分析からのリアルタイムの視覚的フィードバックは、血管内介入中の手術の安全性と効率を高めるために非常に重要です。
しかし、既存のデータセットは多くの場合、小規模で特定のタスクに限定されており、より広範な血管内インターベンションの理解に必要な包括的な注釈が不足しています。
これらの制限に対処するために、カテーテル治療を理解するための大規模なデータセットである CathAction を紹介します。
当社の CathAction データセットには、カテーテル挿入動作の理解と衝突検出のための約 500,000 の注釈付きフレームと、カテーテルとガイドワイヤーのセグメンテーションのための 25,000 のグラウンド トゥルース マスクが含まれています。
タスクごとに、その分野での最近の関連作業をベンチマークします。
従来のコンピュータ ビジョン タスクと比較した血管内意図の課題についてさらに議論し、未解決の研究上の疑問点を指摘します。
CathAction によって、現実世界のアプリケーションに適用できる血管内インターベンションを理解する方法の開発が促進されることを期待しています。
データセットは https://airvlab.github.io/cathaction/ で入手できます。

要約(オリジナル)

Real-time visual feedback from catheterization analysis is crucial for enhancing surgical safety and efficiency during endovascular interventions. However, existing datasets are often limited to specific tasks, small scale, and lack the comprehensive annotations necessary for broader endovascular intervention understanding. To tackle these limitations, we introduce CathAction, a large-scale dataset for catheterization understanding. Our CathAction dataset encompasses approximately 500,000 annotated frames for catheterization action understanding and collision detection, and 25,000 ground truth masks for catheter and guidewire segmentation. For each task, we benchmark recent related works in the field. We further discuss the challenges of endovascular intentions compared to traditional computer vision tasks and point out open research questions. We hope that CathAction will facilitate the development of endovascular intervention understanding methods that can be applied to real-world applications. The dataset is available at https://airvlab.github.io/cathaction/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google