Endoscapes2023：腹腔镜胆囊切除术手术场景分割与“安全视野”评估的高质量数据集

为解决腹腔镜胆囊切除术中“安全视野”（CVS）评估的主观性问题，研究人员开发了Endoscapes2023数据集，包含201例手术视频及详细标注，助力手术安全性和效率提升。

　　在微创手术领域，腹腔镜胆囊切除术（Laparoscopic Cholecystectomy, LC）是一种常见的腹部手术，然而由于人类视觉感知的局限性，手术过程中可能会出现对解剖结构的误判，从而导致严重的胆道损伤（Bile Duct Injury, BDI）。为了降低这种风险，1995年Strasberg等人提出了“安全视野”（Critical View of Safety, CVS）的概念，旨在通过明确识别胆囊管来提高手术安全性。然而，CVS的评估目前仍依赖于主观判断，缺乏统一标准，这限制了其在临床实践中的广泛应用。

为了推动相关研究的发展，来自法国斯特拉斯堡IHU的Pietro Mascagni团队联合多学科专家，开发了Endoscapes2023数据集。该数据集包含201例腹腔镜胆囊切除术视频，涵盖手术器械和肝胆解剖结构的分割掩码，以及由三位训练有素的外科医生根据公开协议评估的CVS标准。这一数据集的发布，为开发目标检测、语义分割、实例分割以及CVS预测模型提供了高质量的数据支持，有望显著提高腹腔镜胆囊切除术的安全性和效率。

该研究的核心在于通过深度学习模型分析手术视频，从而支持外科医生在视觉任务中更准确地评估CVS。研究人员通过改进之前的数据集，消除了帧选择偏差，并大幅扩展了数据规模。Endoscapes2023数据集不仅提供了二元CVS标准评估，还提供了细粒度肝胆解剖结构的空间标注，这在现有解剖分割数据集中是一个显著的进步。

在技术方法方面，研究人员首先从手术视频中提取关键帧，并按照每秒1帧的频率进行采样，以消除选择偏差。随后，由三位独立外科医生对CVS标准进行二元评估，并通过多轮审查确保标注一致性。此外，研究人员还利用LabelMe软件对6个关键解剖结构进行语义分割，并自动提取边界框和实例分割掩码，进一步丰富了数据集内容。

研究结果显示，CVS在11090帧中的678帧（6.1%）中被成功实现，而三个CVS标准（C1、C2和C3）的实现率分别为17.1%、12.4%和19.2%。此外，Cohen’s kappa值表明，不同标注者之间在CVS、C1、C2和C3的评估上具有中等一致性。这些结果表明，Endoscapes2023数据集不仅在规模上有了显著提升，而且在标注一致性和细粒度解剖结构标注方面也取得了重要进展。

该研究发表在《Scientific Data》上，为微创手术领域提供了一个高质量的数据集，有助于推动基于人工智能的手术导航系统的发展。通过提供更准确的CVS评估和细粒度解剖结构标注，该数据集有望提高腹腔镜胆囊切除术的安全性和效率，降低胆道损伤的风险。未来，研究人员计划进一步扩展数据集规模，并开展多中心研究以提高模型的泛化能力。