The Endoscapes Dataset for Surgical Scene Segmentation, Object Detection, and Critical View of Safety Assessment: Official Splits and Benchmark

这份技术报告详细介绍了Endoscapes数据集，该数据集包含了201个腹腔镜胆囊切除术（LC）视频，并带有高度精细的注释，旨在自动评估安全关键视野（CVS）。Endoscapes包含11090个带有CVS注释和1933个带有工具和解剖边界框注释的视频帧，这些注释由三名不同的临床专家完成，同时还有来自50个视频的422个带有工具和解剖分割掩模的帧。在本报告中，我们提供了详细的数据集统计信息（大小、类别分布、数据集划分等）以及实例分割、目标检测和CVS预测的全面性能基准。数据集和模型检查点可在https://github.com/CAMMA-public/Endoscapes上公开获取。

Endoscapes数据集的目标是为了自动评估胆囊镜手术中的安全性关键视图（CVS），并提供高度详细的注释。这是否是一个新问题？

论文提供了Endoscapes数据集，其中包含201个胆囊镜手术视频，这些视频的帧被稀疏但定期地注释为分割掩模、边界框和CVS评估。同时，论文提供了实例分割、目标检测和CVS预测的综合性能基准。相比当前领域的研究状况，这篇论文的思路有什么新意？

论文提供了高度详细的Endoscapes数据集，包括201个胆囊镜手术视频，11090个CVS注释和1933个工具和解剖边界框，以及50个视频的422个工具和解剖分割掩模。论文还提供了实例分割、目标检测和CVS预测的综合性能基准，并公开了数据集和模型检查点的代码。这篇论文的工作可以为胆囊镜手术的自动评估提供基础。

最近的相关研究包括：1）基于深度学习的胆囊镜手术自动评估方法；2）使用胆囊镜手术视频的机器学习方法来预测术后并发症；3）使用深度学习方法自动检测胆囊镜手术中的解剖结构。