Dataset Cataract-1K pour l'analyse assistée par apprentissage profond des vidéos de chirurgie de la cataracte

Résumé Au cours des dernières années, le paysage des interventions assistées par ordinateur et de l'analyse vidéo chirurgicale post-opératoire a été considérablement modifié par les techniques d'apprentissage profond, entraînant des avancées significatives dans les compétences des chirurgiens, la gestion des salles d'opération et les résultats chirurgicaux globaux. Cependant, la progression des technologies chirurgicales alimentées par apprentissage profond repose profondément sur de grands ensembles de données et des annotations. En particulier, la compréhension des scènes chirurgicales et la reconnaissance des phases se présentent comme des piliers essentiels dans le domaine de la chirurgie assistée par ordinateur et de l'évaluation post-opératoire des vidéos de chirurgie de la cataracte. Dans ce contexte, nous présentons le plus grand ensemble de données de vidéos de chirurgie de la cataracte qui répond à des exigences diverses pour la construction d'une analyse automatisée du workflow chirurgical et la détection des irrégularités post-opératoires dans la chirurgie de la cataracte. Nous validons la qualité des annotations en évaluant la performance de plusieurs architectures de réseaux neuronaux à la pointe de la technologie pour la reconnaissance des phases et la segmentation des scènes chirurgicales. De plus, nous lançons la recherche sur l'adaptation de domaine pour la segmentation des instruments dans la chirurgie de la cataracte en évaluant la performance de la segmentation des instruments inter-domaines dans les vidéos de chirurgie de la cataracte. L'ensemble de données et les annotations sont accessibles au public dans Synapse.