Cómo usar esta lista
Los temas 1 a 33 están pensados sobre todo para estudiantes de medicina, y los temas 34 a 56 para estudiantes de informática. Muchos temas funcionan bien para un estudiante de medicina y uno de informática juntos; consulta el trabajo conjunto.
Los temas son un punto de partida, no un encargo cerrado. Acuerda la redacción final con tu director o directora. Cada tema indica qué tipo de trabajo admite y en qué datos se basa.
La nota «requiere aprobación ética» significa que el estudio involucra a personas: una encuesta, un experimento docente o un análisis del rendimiento de los propios anotadores. Ese trabajo solo puede empezar cuando lo apruebe el comité de ética de tu universidad.
Muchos temas dependen de cuánto haya avanzado el proyecto. Los temas sobre conjuntos de datos abiertos pueden elegirse ya; los temas sobre la anotación propia del proyecto se abrirán cuando empiece la anotación piloto.
Anatomía y cirugía operatoria
-
«¿Con qué frecuencia se alcanza la visión crítica de seguridad en la colecistectomía laparoscópica? Un análisis del conjunto de datos abierto Endoscapes2023»
Cuántos fotogramas previos a la colocación del clip cumplen cada uno de los tres criterios de seguridad y con qué frecuencia discrepan los expertos.
Trabajo de curso, resumen · Endoscapes2023 -
«El triángulo de Calot en pantalla: un atlas de anatomía laparoscópica a partir de fotogramas anotados»
Un atlas didáctico de cómo se ven el conducto cístico, la arteria cística y el triángulo hepatocístico.
Tesis, material didáctico · Endoscapes2023, CholecSeg8k -
«Cronometrar una colecistectomía: duración y variabilidad de las fases quirúrgicas»
Cuánto dura cada una de las siete fases, qué fases se alargan con más frecuencia y con qué puede relacionarse.
Trabajo de curso · Cholec80 -
«¿Dos operaciones, una lógica? La estructura temporal de la colecistectomía y de la histerectomía laparoscópicas»
Comparación del orden y la duración de los pasos de dos operaciones laparoscópicas distintas.
Trabajo de curso, resumen · Cholec80, AutoLaparo -
«Qué ve el cirujano en la resección rectal robótica: con qué frecuencia son visibles las estructuras anatómicas y en qué condiciones»
Qué órganos entran en el campo de visión, con qué frecuencia y cuánto están cubiertos.
Trabajo de curso · DSAD -
«Un mapa de instrumentos de la operación: qué instrumentos se usan en cada fase de la colecistectomía»
Relación entre las fases quirúrgicas y los instrumentos visibles, como base para un esquema didáctico y para la evaluación de modelos.
Trabajo de curso, resumen · Cholec80 -
«Humo, sangre y reflejos: qué dificulta reconocer la anatomía en los fotogramas laparoscópicos»
Cómo afectan los obstáculos visuales habituales a la precisión de la anotación humana y de la de los modelos.
Tesis · DSAD, CholecSeg8k -
«Puntos de referencia de la colecistectomía segura: definiciones en las guías clínicas y en las guías de anotación de conjuntos de datos abiertos»
¿Coinciden las definiciones con las que se anotan los datos con lo que se enseña a los cirujanos?
Resumen, revisión bibliográfica · Endoscapes2023 y publicaciones
Calidad de la anotación y factores humanos
-
«Concordancia entre estudiantes de medicina que anotan estructuras anatómicas»
La kappa de Fleiss y el coeficiente de Dice para distintas estructuras: dónde coinciden los estudiantes y dónde no.
Resumen, artículo · anotación del proyecto · requiere aprobación ética -
«Curso, experiencia, especialidad: ¿depende la precisión de la anotación de la formación médica?»
Estudiantes de distintos cursos, residentes y cirujanos comparados sobre los mismos fotogramas.
Artículo · anotación del proyecto · requiere aprobación ética -
«La curva de aprendizaje de un anotador: cómo cambia la precisión de los contornos durante las primeras 20 horas»
Cuándo se estabiliza la precisión y qué estructuras tardan más en aprenderse.
Tesis · tareas de calibración del proyecto · requiere aprobación ética -
«Confía, pero verifica: la tendencia a aceptar la preanotación automática sin editarla»
Con qué frecuencia aceptan los anotadores la sugerencia de un modelo aunque sea imprecisa, y cómo contrarrestarlo.
Artículo · anotación del proyecto con preanotación · requiere aprobación ética -
«Dónde discrepan los anotadores: causas anatómicas de las disputas de segmentación»
Clasificación de los fotogramas discutidos en el registro del líder clínico: mala visibilidad, variante anatómica, definición poco clara.
Resumen · el registro de casos discutidos del proyecto -
«El coste de un fotograma: esfuerzo de anotación del vídeo quirúrgico y cómo reducirlo»
Cuánto tardan un fotograma y un vídeo, y qué acelera el trabajo sin perder calidad.
Trabajo de curso · estadísticas de tareas de CVAT -
«Las fases quirúrgicas vistas por un estudiante y por un cirujano: concordancia en los límites de las fases»
Con qué precisión marcan los estudiantes el inicio y el final de las fases en comparación con la referencia de los autores del conjunto de datos.
Resumen · Cholec80 y anotación del proyecto
Inteligencia artificial en cirugía
-
«Dónde se equivoca la red: una revisión clínica de los errores en el reconocimiento de fases quirúrgicas»
La mirada de un médico sobre los errores de un modelo: cuáles son peligrosos y cuáles inofensivos.
Tesis · Cholec80, modelos de referencia del proyecto -
«Entre hospitales: cuánto cae el reconocimiento de fases con datos de otro hospital»
Un modelo entrenado con vídeos de un hospital se prueba con vídeos de otros.
Artículo (con un ingeniero) · Cholec80, HeiChole -
«¿Puede un modelo reconocer la visión crítica de seguridad?»
Cuánto se parece la valoración de un modelo a la de los expertos y qué explica las diferencias.
Tesis, artículo · Endoscapes2023 -
«¿Entiende el modelo la anatomía? Mapas de atención y puntos de referencia clínicos»
Qué partes del fotograma «mira» el modelo y si coinciden con lo que mira un cirujano.
Tesis · CholecSeg8k, Endoscapes2023 -
«Cerdo o humano: ¿pueden los modelos de visión quirúrgica aprender de operaciones en animales?»
Cómo rinden en operaciones en personas los modelos entrenados con grabaciones de operaciones en cerdos.
Artículo · EndoVis 2017, EndoVis 2018, CholecSeg8k -
«Modelos de segmentación de propósito general en vídeo quirúrgico: qué ven sin ajuste fino»
Prueba de modelos como Segment Anything en fotogramas laparoscópicos: qué funciona de entrada y qué no.
Trabajo de curso · CholecSeg8k, DSAD -
«Un asistente de IA en el quirófano: qué avisos consideran útiles los cirujanos y cuáles peligrosos»
Una encuesta a cirujanos y residentes sobre funciones deseables e inaceptables de la IA intraoperatoria.
Resumen · encuesta · requiere aprobación ética
Otras especialidades
-
«Instrumentos en la cirugía de cataratas: qué es lo más difícil de reconocer para un modelo y por qué»
Un análisis de errores de la segmentación de instrumentos en fotogramas de operaciones bajo el microscopio.
Trabajo de curso, oftalmología · CaDIS -
«El pólipo pasado por alto: una revisión clínica de los errores de segmentación de pólipos»
Qué pólipos pasan por alto con más frecuencia los modelos y cómo se relaciona con su forma, tamaño y localización.
Trabajo de curso, gastroenterología · Kvasir-SEG, HyperKvasir -
«A través del microscopio y del laparoscopio: tareas de visión artificial en cirugía ocular y abdominal»
Una revisión de en qué se diferencian los datos, las tareas y las dificultades entre ambos campos.
Resumen, revisión bibliográfica · CATARACTS, Cholec80
Educación médica
-
«Un vídeo quirúrgico anotado como material didáctico de anatomía topográfica: diseño y evaluación»
Elaboración de un módulo didáctico con fotogramas anotados y comprobación de su valor en clase.
Tesis · anotación del proyecto · requiere aprobación ética -
«La exposición a casos en cifras: ¿acelera ver operaciones anotadas el reconocimiento de puntos de referencia anatómicos?»
Comparación de la velocidad y la precisión al reconocer estructuras antes y después de una serie de visionados.
Artículo · requiere aprobación ética -
«Anotar para aprender: qué aprenden los estudiantes sobre anatomía y cirugía al anotar operaciones»
Autoevaluación y una prueba de conocimientos antes y después de un semestre en el proyecto.
Resumen · encuesta · requiere aprobación ética -
«Un entrenador “Encuentra el conducto cístico”: un ejercicio interactivo con datos abiertos»
Creación de un ejercicio web en el que el estudiante marca una estructura y el programa compara la respuesta con la referencia.
Trabajo de curso (con un estudiante de informática) · CholecSeg8k, Endoscapes2023
Ética, derecho y organización de la ciencia
-
«¿Puede la IA aprender de YouTube? Cuestiones éticas y legales del uso de grabaciones públicas de operaciones»
Derechos de autor, consentimiento del paciente y desidentificación: qué exige un uso lícito.
Resumen, revisión -
«Licencias de los conjuntos de datos quirúrgicos abiertos: qué puede hacer un investigador»
Comparación de las condiciones de los conjuntos de datos más conocidos y de lo que implican para las publicaciones.
Resumen, revisión -
«Lo que revela el fotograma: datos personales en grabaciones de operaciones endoscópicas y cómo eliminarlos»
Qué información sobre pacientes y personal aparece en las grabaciones y cómo ocultarla de forma fiable.
Trabajo de curso · metodología del proyecto -
«Ciencia abierta en cirugía: cómo pueden participar los estudiantes de medicina en la investigación reproducible»
La experiencia del proyecto como modelo de participación estudiantil en la ciencia.
Resumen, ensayo
Visión artificial y aprendizaje automático
-
«Un modelo de referencia de segmentación anatómica en CholecSeg8k: una comparación reproducible de U-Net, DeepLabV3+ y SegFormer»
Las mismas particiones, el mismo presupuesto de entrenamiento y las mismas métricas para tres arquitecturas, con ablaciones e intervalos de confianza.
Trabajo de curso, tesis · CholecSeg8k -
«Reconocimiento de fases quirúrgicas en la colecistectomía: redes convolucionales temporales frente a transformers»
Qué arquitectura maneja mejor el contexto largo de una operación y dónde fallan ambas.
Tesis · Cholec80 -
«Poca anotación, mucho vídeo: aprendizaje semisupervisado y autosupervisado para la segmentación quirúrgica»
Cómo aprovechar miles de fotogramas sin etiquetar para mejorar un modelo entrenado con cientos de etiquetados.
Tesis, tesis de máster · Endoscapes2023, Cholec80 -
«Adaptar Segment Anything 2 al vídeo laparoscópico: ajuste fino y evaluación»
Cuánto mejora el ajuste fino de un modelo de propósito general la segmentación de órganos e instrumentos y cuánta anotación requiere.
Tesis · CholecSeg8k, Endoscapes2023 -
«Robustez frente al humo, los reflejos y el desenfoque: una batería de degradaciones para probar modelos de visión quirúrgica»
Degradaciones sintéticas y reales, la caída de calidad y formas de reducirla.
Trabajo de curso · CholecSeg8k, DSAD -
«Cuándo un modelo debe decir “no lo sé”: calibración de la confianza en modelos de segmentación»
Medir y mejorar la calibración, y abstenerse en los fotogramas dudosos.
Tesis · CholecSeg8k, Endoscapes2023 -
«Del cerdo al humano: adaptación de dominio para la segmentación de instrumentos»
Cómo trasladar un modelo entrenado con operaciones en animales a grabaciones de operaciones en personas.
Artículo · EndoVis 2017, EndoVis 2018, CholecSeg8k -
«Por debajo de 50 milisegundos: destilación y cuantización para modelos en tiempo real»
Cómo mantener la calidad dentro del objetivo de 30–50 ms por fotograma y cómo medir la latencia con honestidad.
Tesis · CholecSeg8k, Cholec80 -
«Detección y seguimiento de instrumentos quirúrgicos en vídeo»
Un detector y un seguidor de instrumentos, métricas de seguimiento, errores bajo oclusión.
Trabajo de curso · CholecT50, Cholec80 -
«Reconocimiento de tripletes de acción instrumento–verbo–objetivo»
Modelos para tripletes de acción y un análisis de las clases más difíciles.
Tesis · CholecT50
Datos, anotación y MLOps
-
«Aprendizaje activo para la anotación: qué fotogramas enviar primero a los anotadores»
Estrategias de selección de fotogramas y cuántas horas de anotación ahorran con la misma calidad del modelo.
Tesis · Cholec80, CholecSeg8k -
«Control de calidad automático de la anotación: encontrar máscaras sospechosas antes de la revisión»
Reglas y modelos que señalan los probables errores de los anotadores.
Trabajo de curso · anotación del proyecto -
«Una biblioteca de métricas de concordancia entre anotadores para segmentación y anotación temporal»
Kappa de Fleiss, Dice, concordancia en los límites de las fases, con pruebas y documentación.
Trabajo de curso · datos sintéticos, anotación del proyecto -
«Un proceso de entrenamiento reproducible: de una versión de los datos a una ficha de modelo»
DVC, Hydra y MLflow en un solo proceso, de modo que cualquier resultado pueda repetirse con un solo comando.
Trabajo de curso, tesis · cualquier conjunto de datos abierto -
«Particiones sin fugas: comprobar automáticamente que ningún paciente aparece a la vez en el entrenamiento y en la prueba»
Cómo las fugas inflan las métricas y cómo detectarlas con pruebas.
Trabajo de curso · Cholec80, Endoscapes2023 -
«Un benchmark honesto: intervalos de confianza, ejecuciones repetidas y protección del conjunto de prueba»
Cómo construir una clasificación en la que los resultados no puedan ajustarse al conjunto de prueba.
Tesis · conjuntos de datos abiertos
Desidentificación y seguridad
-
«El texto en las pantallas del equipo de endoscopia: detectarlo y ocultarlo en un proceso de desidentificación»
Encontrar fechas, nombres y números en el fotograma y enmascararlos de forma fiable.
Trabajo de curso, tesis · fotogramas sintéticos -
«Fotogramas fuera del cuerpo: detectar rostros del personal y el quirófano en las grabaciones»
Un clasificador de fotogramas dentro/fuera y detección de rostros para el filtrado automático.
Trabajo de curso · Cholec80 -
«Cómo demostrar que un vídeo está desidentificado: un método para verificar un proceso de desidentificación»
Conjuntos de prueba, métricas de tasa de omisión y aceptación independiente.
Tesis · datos sintéticos
Ingeniería del software e interfaces
-
«Un modelo de preanotación en CVAT como función sin servidor: latencia, carga y escalado»
Integración de un modelo con la herramienta de anotación y medición de cómo responde con muchos anotadores.
Tesis · CVAT, Segment Anything 2 -
«Un entrenador web de anatomía para estudiantes de medicina con datos abiertos»
Un ejercicio interactivo: el estudiante marca una estructura y el programa compara la respuesta con la referencia.
Trabajo de curso · CholecSeg8k, Endoscapes2023 -
«Una interfaz para la revisión clínica de los errores de un modelo»
Cómo mostrar a un médico dónde y por qué se equivocó un modelo, de modo que una revisión lleve minutos y no horas.
Trabajo de curso · Cholec80, CholecSeg8k -
«Infraestructura como código para la IA médica: aislamiento de datos, registro de auditoría y despliegues reproducibles»
Cómo construir una plataforma Kubernetes en la que los datos médicos no se filtren y cada despliegue sea repetible.
Tesis · infraestructura del proyecto, previo acuerdo
Trabajo conjunto para estudiantes de medicina e informática
El trabajo más interesante se hace en parejas: el estudiante de medicina se ocupa del sentido clínico y el de informática del modelo y del código. Temas que combinan bien:
- 16 + 35: un modelo de reconocimiento de fases y una revisión clínica de sus errores;
- 20 + 40: trasladar modelos de operaciones en animales a operaciones en personas, desde el lado de la ingeniería y desde el lado clínico;
- 29 + 54: el entrenador «Encuentra el conducto cístico», su contenido y su implementación;
- 13 + 45: los fotogramas discutidos vistos por un cirujano y la detección automática de errores de anotación;
- 16 + 55: una interfaz en la que un médico revisa los errores de un modelo.
Reglas para el trabajo con los datos del proyecto
- Cita a los autores del conjunto de datos y respeta los términos de la licencia. La mayoría de los conjuntos de datos permiten solo uso no comercial. Consulta la página de licencias.
- Sin datos de pacientes más allá de los conjuntos de datos publicados y los vídeos permitidos. No uses grabaciones de tu propio hospital.
- Los estudios con personas solo tras la aprobación del comité de ética de tu universidad y con el consentimiento de los participantes.
- Un resultado negativo es un resultado. Un trabajo que muestra con honestidad que una idea no funcionó es valioso para el proyecto.
- Las publicaciones que usen datos del proyecto deben acordarse de antemano con el líder científico del proyecto. La autoría sigue el acuerdo de contribución.
Propón tu propio tema
¿Tienes una idea que no está en la lista? Escribe a support@opensurgicalvision.org con el asunto «Research topic» (en inglés, para que el equipo clasifique el correo) o abre un hilo en GitHub Discussions. Los buenos temas se añadirán a la lista.
Para empezar, consulta las páginas para estudiantes de medicina, para estudiantes de informática y para docentes.