Notícias

Jun 02, 2024

Conjunto de dados de anatomia cirúrgica de Dresden para segmentação de órgãos abdominais em ciência de dados cirúrgicos

Dados Científicos volume 10, Artigo número: 3 (2023) Citar este artigo 5751 Acessos 1 Citações 29 Detalhes da Métrica Altmétrica A laparoscopia é uma técnica de imagem que permite exames minimamente invasivos

Dados Científicos volume 10, Artigo número: 3 (2023) Citar este artigo

5751 Acessos

1 Citações

29 Altmétrico

Detalhes das métricas

A laparoscopia é uma técnica de imagem que permite procedimentos minimamente invasivos em diversas disciplinas médicas, incluindo cirurgia abdominal, ginecologia e urologia. Até o momento, os conjuntos de dados de imagens laparoscópicas disponíveis publicamente são limitados principalmente a classificações gerais de dados, segmentações semânticas de instrumentos cirúrgicos e anotações fracas de baixo volume de órgãos abdominais específicos. O conjunto de dados de anatomia cirúrgica de Dresden fornece segmentações semânticas de oito órgãos abdominais (cólon, fígado, pâncreas, intestino delgado, baço, estômago, ureter, glândulas vesiculares), a parede abdominal e duas estruturas vasculares (artéria mesentérica inferior, veias intestinais) em visão laparoscópica . No total, este conjunto de dados compreende 13.195 imagens laparoscópicas. Para cada estrutura anatômica, fornecemos mais de mil imagens com segmentações em pixels. As anotações compreendem segmentações semânticas de órgãos únicos e um conjunto de dados de segmentação de múltiplos órgãos, incluindo segmentos para todas as onze estruturas anatômicas. Além disso, fornecemos anotações fracas da presença de órgãos para cada imagem. Este conjunto de dados expande significativamente o horizonte para aplicações de ciência de dados cirúrgicos de visão computacional em cirurgia laparoscópica e pode, assim, contribuir para uma redução de riscos e uma tradução mais rápida da Inteligência Artificial para a prática cirúrgica.

Medidas)

Cirurgia laparoscópica

Tipo(s) de tecnologia

Laparoscopia

Tipo(s) de fator(es)

Presença e localização de estruturas anatômicas em imagens laparoscópicas

Característica da Amostra - Organismo

Um homem sábio

Característica da Amostra - Meio Ambiente

abdômen

Característica da Amostra - Localização

cavidade abdominal

A cirurgia laparoscópica é uma técnica comumente utilizada que facilita procedimentos cirúrgicos minimamente invasivos, bem como cirurgia assistida por robô e traz diversas vantagens sobre a cirurgia aberta: menor tempo de internação hospitalar, menor perda de sangue, recuperação mais rápida, melhor visão cirúrgica e, especialmente para procedimentos robóticos, controle mais intuitivo e preciso dos instrumentos cirúrgicos1,2. Entretanto, muitas das informações da imagem não são aproveitadas, pois a atenção humana não consegue processar essa imensa quantidade de informações em tempo real. Além disso, são necessários conhecimentos anatômicos e experiência médica para interpretar as imagens. Esta barreira representa um ponto de partida promissor para o desenvolvimento de funções de assistência informática baseadas em Inteligência Artificial (IA).

Os métodos e técnicas em rápido desenvolvimento proporcionados pelo uso da IA, mais precisamente o reconhecimento automatizado de instrumentos, órgãos e outras estruturas anatômicas em imagens ou vídeos laparoscópicos, têm o potencial de tornar os procedimentos cirúrgicos mais seguros e menos demorados3,4,5, 6. Os conjuntos de dados de imagens laparoscópicas de código aberto são limitados, e os conjuntos de dados existentes, como Cholec807, LapGyn48, SurgAI9 ou Heidelberg Colorectal Data Set10, compreendem principalmente anotações em nível de imagem que permitem ao usuário diferenciar se a estrutura de interesse é ou não mostrada em uma imagem sem fornecendo informações sobre sua localização espacial específica e aparência. No entanto, essas anotações em pixels são necessárias para uma variedade de tarefas de aprendizado de máquina para reconhecimento de imagens no contexto da ciência de dados cirúrgicos . Num ambiente clínico, tais algoritmos poderiam facilitar o reconhecimento dependente do contexto e, assim, a proteção de estruturas anatômicas vulneráveis, visando, em última análise, aumentar a segurança cirúrgica e a prevenção de complicações.

Um grande gargalo no desenvolvimento e na aplicação clínica de tais funções de assistência baseadas em IA é a disponibilidade de dados anotados de imagens laparoscópicas. Para enfrentar esse desafio, fornecemos segmentações semânticas que fornecem informações sobre a posição de uma estrutura específica por meio de anotações de cada pixel de uma imagem. Com base em dados de vídeo de 32 ressecções ou extirpações retais assistidas por robô, este conjunto de dados oferece uma quantidade total de 13.195 imagens laparoscópicas extensivamente anotadas exibindo diferentes órgãos intraabdominais (cólon, fígado, pâncreas, intestino delgado, baço, estômago, ureter, glândulas vesiculares) e estruturas anatômicas (parede abdominal, artéria mesentérica inferior, veias intestinais). Para uma representação realista de obstáculos laparoscópicos comuns, apresenta vários níveis de visibilidade de órgãos, incluindo partes de órgãos pequenas ou parcialmente cobertas, artefatos de movimento, iluminação não homogênea e fumaça ou sangue no campo de visão. Além disso, o conjunto de dados contém rótulos fracos de visibilidade do órgão para cada imagem individual.