Cholec80-port: A Geometrically Consistent Trocar Port Segmentation Dataset for Robust Surgical Scene Understanding

O artigo apresenta o Cholec80-port, um novo conjunto de dados de segmentação de portais de trocarte com consistência geométrica rigorosa (excluindo a abertura central) e um protocolo unificado para datasets públicos, demonstrando que essa consistência melhora significativamente a robustez de pipelines de compreensão cirúrgica, como reconstrução 3D e SLAM, além do que o tamanho do conjunto de dados sozinho proporcionaria.

O essencial

Imagine que você está assistindo a um filme de cirurgias laparoscópicas (aquelas feitas com pequenas incisões e uma câmera). Para o computador "ver" e entender o que está acontecendo, ele precisa separar o que é o corpo do paciente (o cenário) do que são os instrumentos (os atores).

O problema é que existe um "intruso" na cena: o trocar. É aquele tubo rígido que atravessa a barriga do paciente para a câmera entrar.

O Problema: O "Espelho" que Confunde o Computador

Pense no trocar como um espelho brilhante e texturizado colado na janela da câmera.

1. Ele atrapalha: Como ele fica fixo na câmera, ele se move junto com ela, mas não é parte do corpo. Isso confunde os algoritmos que tentam calcular a profundidade ou montar um mapa 3D da cirurgia. É como se alguém estivesse segurando um adesivo brilhante na lente da câmera o tempo todo.
2. O erro antigo: Até agora, os bancos de dados de imagens tratavam esse tubo de forma errada. Alguns diziam "é a parede da barriga", outros tentavam pintar o buraco do meio (por onde a câmera passa) como se fosse parte do tubo.
   • A analogia: Imagine tentar ensinar uma criança a desenhar um balde. Se você pintar o buraco do balde de preto (como se fosse parte do balde), a criança vai achar que o balde é um bloco sólido, e não um objeto oco. Isso quebra a lógica geométrica.

A Solução: O "Cholec80-port"

Os pesquisadores criaram um novo banco de dados chamado Cholec80-port. Eles fizeram três coisas principais:

1. A Regra de Ouro (O "Manga" do Balde): Eles definiram uma regra clara: pintar apenas a parte metálica ou plástica do tubo (a "manga"), mas deixar o buraco do meio transparente.

   • Analogia: É como se você pintasse apenas a borda de um óculos, mas deixasse as lentes transparentes. Isso permite que o computador veja o que está através do buraco, mantendo a geometria correta.

2. A Grande Limpeza (Faxina nos Dados Antigos): Eles pegaram bancos de dados antigos que tinham erros (como o "m2caiSeg" e o "GynSurg") e os "faxinaram". Eles apagaram as anotações ruins e corrigiram os buracos pintados indevidamente, aplicando a mesma regra de ouro em todos.

   • Analogia: Foi como pegar um livro de receitas antigo cheio de erros de digitação e manchas de café, e reescrevê-lo todo com uma caligrafia perfeita e padronizada.

3. O Treinamento: Eles usaram esse novo material limpo para treinar um "cérebro" de computador (uma Inteligência Artificial).

O Resultado: Um Computador Mais Esperto

O teste mostrou que o computador treinado com esse novo método é muito melhor em duas coisas:

• Precisão: Ele identifica o tubo com muito mais fidelidade, sem pintar onde não deve.
• Adaptabilidade: Mesmo quando o computador vê uma cirurgia de um hospital diferente (com luzes diferentes ou tubos de cores diferentes), ele ainda funciona bem. Isso acontece porque ele aprendeu a lógica geométrica (o formato do tubo), e não apenas a memorizar cores específicas.

Resumo em uma frase

Os pesquisadores criaram um novo "manual de instruções" para ensinar computadores a verem os tubos de cirurgia de forma lógica (pintando só a borda, não o buraco), limparam os dados antigos e provaram que isso faz a inteligência artificial entender a cirurgia com muito mais clareza, evitando que ela se confunda com reflexos e erros de perspectiva.

Isso é crucial para o futuro, onde computadores poderão ajudar a montar mapas 3D do corpo do paciente em tempo real, sem serem enganados por esses tubos brilhantes.

Resumo técnico

Resumo Técnico: Cholec80-port

1. O Problema

A compreensão precisa de cenas cirúrgicas é fundamental para tarefas avançadas como costura de imagens, reconstrução 3D e SLAM visual (vSLAM). Essas tarefas dependem da separação robusta entre movimento local (objetos dinâmicos, como instrumentos) e movimento global (fundo anatômico).

No entanto, os portais de trocar (trocar ports) representam um desafio único:

• Oclusão e Interferência: Eles são a passagem física através da parede abdominal e frequentemente obstruem o campo de visão da câmera endoscópica.
• Características Geométricas Enganosas: Suas superfícies são especulares e texturizadas, atraindo um número excessivo de pontos de características (feature points).
• Impacto Negativo: Diferente dos instrumentos cirúrgicos, os portais são fixos em relação à câmera e persistem por longos períodos. Eles introduzem características não anatômicas fortes que enviesam o emparelhamento de características, aumentam o erro geométrico e causam artefatos de alinhamento em pipelines geométricas.
• Falta de Dados: A maioria dos grandes conjuntos de dados cirúrgicos carece de rótulos explícitos para portais. Quando presentes (como em m2caiSeg e GynSurg), as anotações são limitadas: ou contêm artefatos de interpolação ou utilizam uma política de "preenchimento de buracos" (masking do lúmen central), o que é geometricamente inconsistente quando órgãos são visíveis através da abertura.

2. Metodologia

2.1. Coleta e Amostragem de Dados

• Os autores utilizaram os primeiros 20 vídeos do conjunto de dados Cholec80.
• Para equilibrar diversidade e eficiência, foram amostradas 38.434 frames (uma a cada 30 frames).
• Divisão dos dados: Vídeos 01–08 (Treino), 09–10 (Validação) e 11–20 (Teste).
• Destaque: 1.398 frames contêm portais visíveis, oferecendo um tamanho de amostra positiva significativamente maior do que conjuntos existentes (m2caiSeg: n=255; GynSurg: n=130).

2.2. SOP de Anotação: Definição de "Manga" (Sleeve)
A principal inovação metodológica é a definição rigorosa do alvo de segmentação:

• Foco na Manga (Sleeve): A anotação cobre apenas o componente cilíndrico rígido (metálico ou plástico) visível além da válvula interna.
• Exclusão do Lúmen Central: A abertura central (lúmen) é excluída da máscara. Isso é crucial para evitar a supressão de pixels anatômicos válidos (órgãos visíveis através do buraco) e manter a consistência geométrica para extração de características.
• Verificação Temporal: Para frames ambíguos (devido a reflexos especulares ou orientação), os anotadores consultaram o contexto temporal (frames vizinhos) para confirmar os limites físicos da manga, distinguindo-os de reflexos transitórios.

2.3. Limpeza e Unificação de Dados Existentes
Os autores aplicaram o mesmo SOP (Procedimento Operacional Padrão) para limpar e unificar conjuntos de dados públicos:

• m2caiSeg: Reanotado para remover artefatos de interpolação e máscaras espúrias. Apenas um subconjunto pequeno satisfaz os critérios de alta qualidade.
• GynSurg: Corrigido o problema de "preenchimento de buracos" subtraindo as regiões do lúmen central das polígonos originais, resultando em máscaras exclusivas da manga.

2.4. Modelo e Protocolo de Treinamento

• Arquitetura: Codificador ConvNeXt-Base com decodificador U-Net para segmentação semântica binária.
• Função de Perda: Combinação de Dice Loss e Binary Cross-Entropy (BCE).
• Hiperparâmetros: AdamW, taxa de aprendizado $5 \times 10^{-5}$, batch size 16, resolução de entrada $384 \times 384$.

3. Resultados

Os resultados foram avaliados usando duas métricas: Dice (fidelidade de segmentação em frames com portais) e Detect F1 (robustez no nível do frame).

• Desempenho In-Domain: O modelo treinado no Cholec80-port alcançou um Dice de 0.8616 e Detect F1 de 0.8556 no conjunto de teste Cholec80-port, superando significativamente os modelos treinados em dados originais.
• Generalização Cruzada:
  • O modelo treinado no Cholec80-port superou o modelo treinado no m2caiSeg mesmo quando avaliado no teste do m2caiSeg (Dice 0.4876 vs 0.4477), indicando que rótulos geometricamente consistentes melhoram a robustez além do ajuste específico ao conjunto de dados.
  • A generalização para o GynSurg permaneceu desafiadora (Dice 0.6110), provavelmente devido a mudanças de domínio (materiais, iluminação, fluxo cirúrgico).
• Impacto da Limpeza (Cleansing): A unificação dos dados limpos ("Combined cleaned") resultou no melhor desempenho geral, especialmente na generalização para GynSurg (Dice 0.8185) e m2caiSeg (Dice 0.7218). Isso comprova que a consistência do SOP e a limpeza de dados são fatores dominantes para a robustez cruzada.
• Casos de Falha: Os erros ocorreram principalmente em portais fracos nas bordas da imagem, mangas transparentes/low-contrast e reflexos especulares fortes que obscureciam os limites.

4. Contribuições Principais

1. SOP de Anotação Rigoroso: Uma definição prática que prioriza a fidelidade geométrica, criando máscaras de "manga de portal" que excluem a abertura central.
2. Novo Conjunto de Dados em Grande Escala: O Cholec80-port, derivado do Cholec80, com 38.434 frames e uma quantidade substancialmente maior de exemplos positivos de portais.
3. Unificação e Limpeza de Dados: Um processo de reanotação e correção dos conjuntos m2caiSeg e GynSurg sob o novo padrão, criando um recurso unificado.
4. Linha de Base Pré-treinada: Liberação de um modelo de segmentação pré-treinado e ferramentas para apoiar pesquisas futuras em visão computacional cirúrgica.

5. Significado e Conclusão

O artigo demonstra que a consistência geométrica nas anotações é crítica para o sucesso de pipelines baseados em geometria em cirurgia laparoscópica. A exclusão do lúmen central nas máscaras de segmentação previne a perda de informações anatômicas vitais e melhora a robustez dos algoritmos de rastreamento e reconstrução.

Embora a mudança de domínio entre diferentes conjuntos de dados ainda seja um obstáculo, a limpeza rigorosa dos dados e a padronização da anotação (SOP) provaram ser fatores determinantes para melhorar a transferência de aprendizado. O trabalho abre caminho para a integração de mascaramento de portais em sistemas de vSLAM, reconstrução 3D e inferência panorâmica, visando uma compreensão mais precisa e segura do ambiente cirúrgico.