CholecTriplet2021: 수술 동작 트리플렛 인식을 위한 벤치마크 도전과제

수술실에서 맥락 인식型 의사결정 지원은 수술 워크플로 분석을 통해 실시간 피드백을 활용함으로써 수술의 안전성과 효율성을 향상시킬 수 있다. 기존의 대부분 연구는 단계, 단계별 절차 또는 사건과 같은 거시적인 수준에서 수술 활동을 인식하지만, 더욱 유용한 AI 지원을 위해 필요한 미세한 상호작용 세부사항은 빠져있다. <도구, 동사, 대상> 조합으로 구성된 수술 행동 트리플렛을 인식하면 수술 영상에서 발생하는 활동에 대한 포괄적인 세부 정보를 제공할 수 있다. 본 논문에서는 2021년 MICCAI에서 조직된 복강경 영상 내 수술 행동 트리플렛 인식 도전 과제인 CholecTriplet2021을 소개한다. 이 도전 과제는 행동 트리플렛 정보가 주석화된 대규모 CholecT50 데이터셋에 대한 비공개 접근 권한을 부여하였다. 본 논문에서는 도전 과제 참여자들이 제안한 최신 딥러닝 방법들의 설정 및 평가를 제시한다. 총 4개의 베이스라인 방법과 경쟁 팀들이 제안한 19개의 새로운 딥러닝 알고리즘이 직접 수술 영상에서 수술 행동 트리플렛을 인식하기 위해 제시되었으며, 평균 정밀도(mAP)는 4.2%에서 38.1% 사이를 나타냈다. 본 연구는 제시된 접근 방식들로 얻어진 결과의 중요성을 분석하고, 그들 간의 철저한 방법론적 비교와 깊이 있는 결과 분석을 수행하며, 개선된 인식을 위한 새로운 앙상블 방법을 제안한다. 우리의 분석은 아직까지 수술 워크플로 분석이 해결되지 않았음을 보여주며, 또한 미세한 수술 활동 인식에 관한 미래 연구 방향을 강조하는데 이는 외과수술 AI 발전에 있어 매우 중요한 부분이다.注:在翻译中,“型”字可能是误加的,因为原文中并没有这个字。如果需要更正,请告知。