摘要

胃肠（GI）病理定期进行筛查、活检和手术切除。通常在结肠镜检查过程中及之后，不会对这些操作以及治疗或切除的区域进行专门的跟踪或分析。关于疾病边界、发展情况以及切除区域的数量和大小的信息会丢失，这可能导致术后随访效果不佳和重新评估困难。为了提高现有标准并促进该领域的进一步研究，我们发布了“Kvasir-Instrument”数据集，该数据集包含590帧带有注释的图像，其中涉及胃肠手术工具如圈套器、气囊和活检钳等。除了图像外，数据集还包括真实掩模和边界框，并已由两位专家胃肠内镜医师验证。此外，我们提供了一个用于胃肠手术工具分割的基线模型，以促进研究和算法开发。使用经典的U-Net架构，我们获得了0.9158的Dice系数得分和0.8578的Jaccard指数。DoubleUNet也观察到了类似的Dice系数得分。定性结果显示，对于具有高光度的图像以及包含多个工具的帧，模型表现不佳；而在其他类型的图像上，两种方法均表现出最佳结果。定性和定量结果均表明，模型的表现较为合理，但仍存在很大的改进空间。利用该数据集进行基准测试为研究人员提供了参与自动内镜诊断和治疗工具分割研究的机会。