要約
手術における組織の動きを理解することは、セグメンテーション、3D再構成、仮想組織ランドマーク、自律プローブベースのスキャン、サブタスクの自律性などの下流タスクでのアプリケーションを有効にするために重要です。
ラベル付きデータは、アルゴリズムを定量化してトレーニングできるため、これらの下流タスクでアルゴリズムを有効にするために不可欠です。
このペーパーでは、これに対処するためのポイントトラッキングチャレンジを紹介します。参加者は、定量化のためにアルゴリズムを提出できます。
提出されたアルゴリズムは、赤外線（Stir）の手術タトゥーという名前のデータセットを使用して評価されます。これは、Stir Challenge 2024と名付けられたチャレンジと呼ばれます。
精度コンポーネントは、in vivoおよびex vivoシーケンスのアルゴリズムの精度をテストします。
効率コンポーネントは、アルゴリズム推論の遅延をテストします。
この課題は、Miccai Endovis 2024の一部として実施されました。この課題では、合計8つのチームがあり、4つのチームが前に提出し、4つのチームがチャレンジデー後に提出しました。
このペーパーでは、Stir Challenge 2024について詳しく説明しています。これは、手術における空間的理解のために、より正確で効率的なアルゴリズムにフィールドを移動するのに役立ちます。
この論文では、デザイン、提出、および課題の結果をまとめたものです。
チャレンジデータセットはこちらから入手できます：https：//zenodo.org/records/14803158、およびベースラインモデルとメトリック計算のコードはhttps://github.com/athaddius/stirmetrics
要約(オリジナル)
Understanding tissue motion in surgery is crucial to enable applications in downstream tasks such as segmentation, 3D reconstruction, virtual tissue landmarking, autonomous probe-based scanning, and subtask autonomy. Labeled data are essential to enabling algorithms in these downstream tasks since they allow us to quantify and train algorithms. This paper introduces a point tracking challenge to address this, wherein participants can submit their algorithms for quantification. The submitted algorithms are evaluated using a dataset named surgical tattoos in infrared (STIR), with the challenge aptly named the STIR Challenge 2024. The STIR Challenge 2024 comprises two quantitative components: accuracy and efficiency. The accuracy component tests the accuracy of algorithms on in vivo and ex vivo sequences. The efficiency component tests the latency of algorithm inference. The challenge was conducted as a part of MICCAI EndoVis 2024. In this challenge, we had 8 total teams, with 4 teams submitting before and 4 submitting after challenge day. This paper details the STIR Challenge 2024, which serves to move the field towards more accurate and efficient algorithms for spatial understanding in surgery. In this paper we summarize the design, submissions, and results from the challenge. The challenge dataset is available here: https://zenodo.org/records/14803158 , and the code for baseline models and metric calculation is available here: https://github.com/athaddius/STIRMetrics
arxiv情報
| 著者 | Adam Schmidt,Mert Asim Karaoglu,Soham Sinha,Mingang Jang,Ho-Gun Ha,Kyungmin Jung,Kyeongmo Gu,Ihsan Ullah,Hyunki Lee,Jonáš Šerých,Michal Neoral,Jiří Matas,Rulin Zhou,Wenlong He,An Wang,Hongliang Ren,Bruno Silva,Sandro Queirós,Estêvão Lima,João L. Vilaça,Shunsuke Kikuchi,Atsushi Kouno,Hiroki Matsuzaki,Tongtong Li,Yulu Chen,Ling Li,Xiang Ma,Xiaojian Li,Mona Sheikh Zeinoddin,Xu Wang,Zafer Tandogdu,Greg Shaw,Evangelos Mazomenos,Danail Stoyanov,Yuxin Chen,Zijian Wu,Alexander Ladikos,Simon DiMaio,Septimiu E. Salcudean,Omid Mohareri |
| 発行日 | 2025-03-31 16:53:09+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google