为了在临床实践中整合实时人工智能系统，需要解决数据可用性、数据质量和缺乏多样性数据集等挑战。为此，我们介绍了 GastroVision，一个多中心开放获取的胃肠内镜数据集，该数据集包括来自胃肠道的 24 种不同病理异常、息肉切除病例和正常发现，提供了大规模、精确标记的多样化数据集，并验证了数据集的重要性。我们相信，该数据集可以促进基于人工智能的胃肠疾病检测和分类算法的开发。

Jul, 2023

我们开发了深度学习技术来自动评估腹腔镜胆囊切除术中的安全视野，通过结构信息的规则评估确定三个安全视野标准中的每一个标准，并在实践中基于领域知识开发专门的学习技术，以弥补有限的训练数据。

Sep, 2023

通过引入 CholecTrack20 数据集，本文解决了在外科视频中进行工具跟踪的需求，该数据集是根据内窥镜手术的复杂性精心注释的，可跟踪多类多工具的三个不同视角的工具轨迹，包括内窥镜手术、人体内部手术和相机视野中的工具可见性，该详细数据集满足了手术过程中不断变化的辅助要求。

Dec, 2023

本研究介绍了 CholecInstanceSeg，这是迄今为止最大的开放式工具实例分割数据集，旨在为手术机器人和腹腔镜手术领域的工具实例分割算法的开发和评估提供全面且高质量的开放式数据集。

Jun, 2024

本文介绍了一种用于眼科手术视频的语义分割数据集，以及在该数据集上对几个最新的深度学习模型的语义分割性能进行的基准测试。

Jun, 2019

通过 EndoVis 工作坊提出的机器人仪器分割数据集，在模拟真实手术时应用于学习适用的技术，其中包括了最先进的 U-Net 和其他流行的 CNN 架构，并且逐步增加这个数据集的复杂性，包括针对器械，类型和解剖器官的分割。

Jan, 2020

本研究介绍了 EgoSurgery-Tool 数据集，其中包含 49K 个手术工具边界框和 46K 个手边界框的注释，侧重于手术工具和手的检测以实现对头戴式摄像头记录的自我中心开放式手术活动的理解。

Jun, 2024

该研究提出一种基于双目内窥镜深度估计和光流的深度声明网络，通过减小两个几何损失优化相机姿态估计，并且引入了两个自适应的像素权重映射来平衡贡献，实现在挑战性的内窥镜手术场景中更加鲁棒的相机姿态估计，具有推进微创外科领域相关任务（如 SLAM 或 3D 重建）的研究意义。

Apr, 2023

为解决开放手术阶段识别研究的不足，该研究提出了一种基于眼球凝视的遮蔽自编码器（GGMAE）方法，并介绍了一个名为 EgoSurgery-Phase 的新的视角手术视频数据集，有效提高了开放手术阶段识别的准确性。

May, 2024

本文介绍了 2017 年 DAVIS 视频物体分割挑战赛，该挑战赛是一个公共数据集，评测方法和比赛，它是为了特别针对视频物体分割任务而设计的，挑战赛遵循其他成功首创的做法，如 ILSVRC 和 PASCAL VOC，DAVIS 挑战赛包括数据集、评估方法和与 CVPR 2017 同地举办的独立工作坊，本文还描述了该基准测试的范围、数据集的主要特征、竞赛的评价指标，并对参赛者的结果进行了详细分析。

Apr, 2017