Point Tracking in Surgery--The 2024 Surgical Tattoos in Infrared (STIR) Challenge
作者: Adam Schmidt, Mert Asim Karaoglu, Soham Sinha, Mingang Jang, Ho-Gun Ha, Kyungmin Jung, Kyeongmo Gu, Ihsan Ullah, Hyunki Lee, Jonáš Šerých, Michal Neoral, Jiří Matas, Rulin Zhou, Wenlong He, An Wang, Hongliang Ren, Bruno Silva, Sandro Queirós, Estêvão Lima, João L. Vilaça, Shunsuke Kikuchi, Atsushi Kouno, Hiroki Matsuzaki, Tongtong Li, Yulu Chen, Ling Li, Xiang Ma, Xiaojian Li, Mona Sheikh Zeinoddin, Xu Wang, Zafer Tandogdu, Greg Shaw, Evangelos Mazomenos, Danail Stoyanov, Yuxin Chen, Zijian Wu, Alexander Ladikos, Simon DiMaio, Septimiu E. Salcudean, Omid Mohareri
发布时间: 2025-04-03
来源: arxiv
研究方向: 医学图像处理与计算机辅助手术
主要内容
本文介绍了2024年Surgical Tattoos in Infrared (STIR)挑战赛，旨在推动手术中点跟踪和重建方法的改进，以更好地理解组织运动，从而实现下游任务如分割、3D重建、虚拟组织地标标记、基于探针的自动扫描和子任务自主性。
主要贡献
1. 组织了STIR挑战赛，为点跟踪领域提供了一个基准测试。
2. 提供了公开的测试数据集，以促进算法的测试、比较和迭代。
3. 评估了算法的准确性和效率，并分析了提交结果。
4. 提出了未来算法改进和研究的方向。
研究方法
1. 使用红外标记来量化提交方法的性能。
2. 使用δ[avg]指标评估算法的准确性。
3. 使用计算延迟来评估算法的效率。
4. 使用多种点跟踪算法，如MFT、CSRT、RAFT等。
5. 采用多帧信息进行长期跟踪和遮挡管理。
实验结果
在2D跟踪精度方面，MFT是表现最好的基线方法。在3D跟踪精度方面，ICVS 2AI的提交表现最好。在效率方面，ICVS 2AI的算法在NVIDIA A100 GPU上的平均延迟为144.63毫秒，对应7 FPS，这在许多手术点跟踪应用中是可以接受的。
未来工作
使用伪标记、合成数据增强、学生教师模型等技术在手术场景中进行训练。预训练模型以使用手术特征。使用立体数据来提高跟踪，而不是在单眼中进行跟踪。训练高效的长期跟踪和重定位模型。