HemoSet: The First Blood Segmentation Dataset for Automation of Hemostasis Management

手术中出血是各种手术都会出现的情况，迫使外科医生必须迅速适应由于血液迅速充填手术区域所导致的视觉干扰。将自动化引入止血管理这一至关重要的外科手术任务将减轻外科医生和手术助手的精神和体力负担，同时提高手术的效率和安全性。自动化止血管理的第一步是检测手术区域内的血液。为了推动手术中血液检测算法的发展，我们提出了HemoSet，这是第一个基于活体动物机器人手术中出血的血液分割数据集。我们的数据集涵盖了血管出血情况，其中湍流流动导致手术区域出现异常的池形几何形状。这些池是在外科手术中普遍存在的条件下形成的，包括不均匀的异质组织、光线光滑和快速的工具移动。我们对几种最先进的分割模型进行了基准测试，并提供了有关血液检测特定困难的见解。我们希望通过提供一个平台来训练和完善血液分割模型，解决这种机器人技术所需的精度，从而促进自主血液吸引工具的发展。

自动化血液吸引工具的开发需要血液检测算法，但目前缺乏基于手术中出血情况的血液分割数据集。

本论文提出了HemoSet数据集，基于实验动物机器人手术中的出血情况，旨在推动血液分割模型的开发。

HemoSet数据集包含了手术中出现的血管出血情景，涉及到手术中常见的不均匀异质组织、光照不均和快速工具移动等因素。论文对多个现有的分割模型进行了评估和比较，并提供了血液检测的难点分析。HemoSet数据集的开发有望促进自动化血液吸引工具的研发。

最近的相关研究包括：1. "Surgical Tool Detection and Tracking Using Convolutional Neural Networks and Kalman Filters"；2. "Real-Time Automatic Segmentation of Surgical Smoke for Computer-Aided Laparoscopic Surgery Using a Light-Weight CNN"。