Jak korzystać z tej listy
Tematy 1–33 są skierowane głównie do studentów medycyny, tematy 34–56 do studentów informatyki. Wiele tematów dobrze sprawdza się w parze: student medycyny i student informatyki razem; zobacz wspólną pracę.
Tematy są punktem wyjścia, a nie gotowym zadaniem. Ostateczne sformułowanie uzgodnij z promotorem. Przy każdym temacie podano, jaki rodzaj pracy mu odpowiada i na jakich danych się opiera.
Adnotacja „wymaga zgody komisji etycznej” oznacza, że w badaniu uczestniczą ludzie: ankieta, eksperyment dydaktyczny lub analiza własnych wyników adnotatorów. Taką pracę można rozpocząć dopiero po zatwierdzeniu przez komisję etyczną Twojej uczelni.
Wiele tematów zależy od tego, jak daleko zaszedł projekt. Tematy na otwartych zbiorach danych można wybierać już teraz; tematy dotyczące własnej adnotacji projektu otworzą się, gdy ruszy adnotacja pilotażowa.
Anatomia i chirurgia operacyjna
-
„Jak często osiąga się krytyczny widok bezpieczeństwa w cholecystektomii laparoskopowej? Analiza otwartego zbioru Endoscapes2023”
Ile klatek przed zaklipsowaniem spełnia każde z trzech kryteriów bezpieczeństwa i jak często eksperci się nie zgadzają.
Praca semestralna, streszczenie · Endoscapes2023 -
„Trójkąt Calota na ekranie: atlas anatomii laparoskopowej z zaadnotowanych klatek”
Atlas dydaktyczny pokazujący, jak wyglądają przewód pęcherzykowy, tętnica pęcherzykowa i trójkąt wątrobowo-pęcherzykowy.
Praca dyplomowa, pomoc dydaktyczna · Endoscapes2023, CholecSeg8k -
„Mierzenie czasu cholecystektomii: czas trwania i zmienność faz operacji”
Ile trwa każda z siedmiu faz, które fazy najczęściej się przedłużają i z czym to może być związane.
Praca semestralna · Cholec80 -
„Dwie operacje, jedna logika? Struktura czasowa cholecystektomii i histerektomii laparoskopowej”
Porównanie kolejności i czasu trwania etapów dwóch różnych operacji laparoskopowych.
Praca semestralna, streszczenie · Cholec80, AutoLaparo -
„Co widzi chirurg podczas robotowej resekcji odbytnicy: jak często widoczne są struktury anatomiczne i w jakich warunkach”
Jakie narządy pojawiają się w polu widzenia, jak często i w jakim stopniu są zasłonięte.
Praca semestralna · DSAD -
„Mapa narzędzi operacji: jakie narzędzia są używane w każdej fazie cholecystektomii”
Powiązanie faz operacji z widocznymi narzędziami jako podstawa schematu dydaktycznego i oceny modeli.
Praca semestralna, streszczenie · Cholec80 -
„Dym, krew i odblaski: co utrudnia rozpoznawanie anatomii na klatkach laparoskopowych”
Jak typowe przeszkody wizualne wpływają na dokładność adnotacji ludzkiej i modelowej.
Praca dyplomowa · DSAD, CholecSeg8k -
„Punkty orientacyjne bezpiecznej cholecystektomii: definicje w wytycznych klinicznych i w instrukcjach adnotacji otwartych zbiorów danych”
Czy definicje używane do adnotowania danych zgadzają się z tym, czego uczy się chirurgów?
Streszczenie, przegląd piśmiennictwa · Endoscapes2023 i publikacje
Jakość adnotacji i czynniki ludzkie
-
„Zgodność między studentami medycyny adnotującymi struktury anatomiczne”
Kappa Fleissa i współczynnik Dice dla różnych struktur: gdzie studenci się zgadzają, a gdzie nie.
Streszczenie, artykuł · adnotacja projektu · wymaga zgody komisji etycznej -
„Rok, doświadczenie, specjalizacja: czy dokładność adnotacji zależy od wykształcenia medycznego?”
Studenci różnych lat, rezydenci i chirurdzy porównani na tych samych klatkach.
Artykuł · adnotacja projektu · wymaga zgody komisji etycznej -
„Krzywa uczenia się adnotatora: jak zmienia się dokładność obrysów w ciągu pierwszych 20 godzin”
Kiedy dokładność się stabilizuje i których struktur uczy się najdłużej.
Praca dyplomowa · zadania kalibracyjne projektu · wymaga zgody komisji etycznej -
„Ufaj, ale sprawdzaj: skłonność do przyjmowania automatycznej wstępnej adnotacji bez poprawek”
Jak często adnotatorzy przyjmują sugestię modelu, nawet gdy jest niedokładna, i jak temu przeciwdziałać.
Artykuł · adnotacja projektu ze wstępną adnotacją · wymaga zgody komisji etycznej -
„Gdzie adnotatorzy się różnią: anatomiczne przyczyny sporów o segmentację”
Klasyfikacja klatek spornych z dziennika kierownika klinicznego: słaba widoczność, wariant anatomiczny, niejasna definicja.
Streszczenie · dziennik przypadków spornych projektu -
„Koszt klatki: nakład pracy przy adnotacji wideo chirurgicznego i jak go zmniejszyć”
Ile czasu zajmują klatka i wideo i co przyspiesza pracę bez utraty jakości.
Praca semestralna · statystyki zadań CVAT -
„Fazy operacji oczami studenta i chirurga: zgodność co do granic faz”
Jak dokładnie studenci zaznaczają początek i koniec faz w porównaniu ze wzorcem autorów zbioru danych.
Streszczenie · Cholec80 i adnotacja projektu
Sztuczna inteligencja w chirurgii
-
„Gdzie sieć się myli: kliniczny przegląd błędów rozpoznawania faz operacji”
Spojrzenie lekarza na błędy modelu: które są niebezpieczne, a które nieszkodliwe.
Praca dyplomowa · Cholec80, modele bazowe projektu -
„Między szpitalami: jak bardzo spada rozpoznawanie faz na danych innego szpitala”
Model wytrenowany na wideo z jednego szpitala testowany na wideo z innych.
Artykuł (z inżynierem) · Cholec80, HeiChole -
„Czy model potrafi rozpoznać krytyczny widok bezpieczeństwa?”
Jak bardzo ocena modelu zbliża się do oceny ekspertów i co tłumaczy różnice.
Praca dyplomowa, artykuł · Endoscapes2023 -
„Czy model rozumie anatomię? Mapy uwagi i kliniczne punkty orientacyjne”
Na które części klatki model „patrzy” i czy pokrywają się z tym, na co patrzy chirurg.
Praca dyplomowa · CholecSeg8k, Endoscapes2023 -
„Świnia czy człowiek: czy modele widzenia chirurgicznego mogą uczyć się na operacjach zwierząt?”
Jak modele wytrenowane na nagraniach operacji świń radzą sobie na operacjach ludzi.
Artykuł · EndoVis 2017, EndoVis 2018, CholecSeg8k -
„Uniwersalne modele segmentacji na wideo chirurgicznym: co widzą bez dostrajania”
Testowanie modeli takich jak Segment Anything na klatkach laparoskopowych: co działa od razu, a co nie.
Praca semestralna · CholecSeg8k, DSAD -
„Asystent AI na sali operacyjnej: które podpowiedzi chirurdzy uznają za przydatne, a które za niebezpieczne”
Ankieta wśród chirurgów i rezydentów o pożądanych i niedopuszczalnych funkcjach śródoperacyjnej AI.
Streszczenie · ankieta · wymaga zgody komisji etycznej
Inne specjalizacje
-
„Narzędzia w chirurgii zaćmy: co modelowi najtrudniej rozpoznać i dlaczego”
Analiza błędów segmentacji narzędzi na klatkach operacji pod mikroskopem.
Praca semestralna, okulistyka · CaDIS -
„Przeoczony polip: kliniczny przegląd błędów segmentacji polipów”
Które polipy modele pomijają najczęściej i jak to się wiąże z ich kształtem, rozmiarem i lokalizacją.
Praca semestralna, gastroenterologia · Kvasir-SEG, HyperKvasir -
„Przez mikroskop i przez laparoskop: zadania widzenia komputerowego w chirurgii oka i jamy brzusznej”
Przegląd tego, jak różnią się dane, zadania i trudności w obu dziedzinach.
Streszczenie, przegląd piśmiennictwa · CATARACTS, Cholec80
Edukacja medyczna
-
„Zaadnotowane wideo chirurgiczne jako pomoc w nauce anatomii topograficznej: projekt i ocena”
Zbudowanie modułu dydaktycznego na zaadnotowanych klatkach i sprawdzenie jego wartości na zajęciach.
Praca dyplomowa · adnotacja projektu · wymaga zgody komisji etycznej -
„Kontakt z przypadkami w liczbach: czy oglądanie zaadnotowanych operacji przyspiesza rozpoznawanie punktów orientacyjnych anatomii?”
Porównanie szybkości i dokładności rozpoznawania struktur przed serią seansów i po niej.
Artykuł · wymaga zgody komisji etycznej -
„Adnotacja jako nauka: czego studenci uczą się o anatomii i chirurgii, adnotując operacje”
Samoocena i test wiedzy przed semestrem w projekcie i po nim.
Streszczenie · ankieta · wymaga zgody komisji etycznej -
„Trener „Znajdź przewód pęcherzykowy”: interaktywne ćwiczenie na otwartych danych”
Zbudowanie ćwiczenia internetowego, w którym student zaznacza strukturę, a program porównuje odpowiedź ze wzorcem.
Praca semestralna (ze studentem informatyki) · CholecSeg8k, Endoscapes2023
Etyka, prawo i organizacja nauki
-
„Czy AI może uczyć się z YouTube? Kwestie etyczne i prawne wykorzystania publicznych nagrań operacji”
Prawa autorskie, zgoda pacjenta i deidentyfikacja: czego wymaga zgodne z prawem wykorzystanie.
Streszczenie, przegląd -
„Licencje otwartych zbiorów danych chirurgicznych: co wolno badaczowi”
Porównanie warunków popularnych zbiorów danych i tego, co oznaczają dla publikacji.
Streszczenie, przegląd -
„Co zdradza klatka: dane osobowe w nagraniach operacji endoskopowych i jak je usunąć”
Jakie informacje o pacjentach i personelu pojawiają się na nagraniach i jak niezawodnie je ukryć.
Praca semestralna · metodologia projektu -
„Otwarta nauka w chirurgii: jak studenci medycyny mogą uczestniczyć w powtarzalnych badaniach”
Doświadczenia projektu jako wzór udziału studentów w nauce.
Streszczenie, esej
Widzenie komputerowe i uczenie maszynowe
-
„Bazowy model segmentacji anatomii na CholecSeg8k: powtarzalne porównanie U-Net, DeepLabV3+ i SegFormer”
Te same podziały, budżet treningu i metryki dla trzech architektur, z ablacjami i przedziałami ufności.
Praca semestralna, dyplomowa · CholecSeg8k -
„Rozpoznawanie faz operacji w cholecystektomii: czasowe sieci splotowe kontra transformery”
Która architektura lepiej radzi sobie z długim kontekstem operacji i gdzie zawodzą obie.
Praca dyplomowa · Cholec80 -
„Mało adnotacji, dużo wideo: uczenie półnadzorowane i samonadzorowane w segmentacji chirurgicznej”
Jak wykorzystać tysiące nieoznaczonych klatek, by poprawić model wytrenowany na setkach oznaczonych.
Praca dyplomowa, magisterska · Endoscapes2023, Cholec80 -
„Dostosowanie Segment Anything 2 do wideo laparoskopowego: dostrajanie i ewaluacja”
O ile dostrajanie modelu uniwersalnego poprawia segmentację narządów i narzędzi i ile adnotacji wymaga.
Praca dyplomowa · CholecSeg8k, Endoscapes2023 -
„Odporność na dym, odblaski i rozmycie: zestaw zakłóceń do testowania modeli widzenia chirurgicznego”
Zakłócenia syntetyczne i rzeczywiste, spadek jakości i sposoby jego ograniczenia.
Praca semestralna · CholecSeg8k, DSAD -
„Kiedy model powinien powiedzieć „nie wiem”: kalibracja pewności modeli segmentacji”
Mierzenie i poprawianie kalibracji oraz powstrzymywanie się od odpowiedzi na wątpliwych klatkach.
Praca dyplomowa · CholecSeg8k, Endoscapes2023 -
„Od świni do człowieka: adaptacja domeny w segmentacji narzędzi”
Jak przenieść model wytrenowany na operacjach zwierząt na nagrania operacji ludzi.
Artykuł · EndoVis 2017, EndoVis 2018, CholecSeg8k -
„Poniżej 50 milisekund: destylacja i kwantyzacja dla modeli czasu rzeczywistego”
Jak utrzymać jakość w celu 30–50 ms na klatkę i jak uczciwie mierzyć opóźnienie.
Praca dyplomowa · CholecSeg8k, Cholec80 -
„Wykrywanie i śledzenie narzędzi chirurgicznych na wideo”
Detektor i tracker narzędzi, metryki śledzenia, błędy przy zasłonięciu.
Praca semestralna · CholecT50, Cholec80 -
„Rozpoznawanie trójek akcji narzędzie–czynność–cel”
Modele trójek akcji i analiza najtrudniejszych klas.
Praca dyplomowa · CholecT50
Dane, adnotacja i MLOps
-
„Aktywne uczenie w adnotacji: które klatki wysłać adnotatorom w pierwszej kolejności”
Strategie wyboru klatek i ile godzin adnotacji oszczędzają przy tej samej jakości modelu.
Praca dyplomowa · Cholec80, CholecSeg8k -
„Automatyczna kontrola jakości adnotacji: wyszukiwanie podejrzanych masek przed przeglądem”
Reguły i modele wskazujące prawdopodobne błędy adnotatorów.
Praca semestralna · adnotacja projektu -
„Biblioteka metryk zgodności między adnotatorami dla segmentacji i adnotacji czasowej”
Kappa Fleissa, Dice, zgodność granic faz, z testami i dokumentacją.
Praca semestralna · dane syntetyczne, adnotacja projektu -
„Powtarzalny potok treningowy: od wersji danych do karty modelu”
DVC, Hydra i MLflow w jednym potoku, tak aby każdy wynik można było powtórzyć jednym poleceniem.
Praca semestralna, dyplomowa · dowolny otwarty zbiór danych -
„Podziały bez wycieków: automatyczne sprawdzanie, że żaden pacjent nie występuje jednocześnie w treningu i teście”
Jak wycieki zawyżają metryki i jak je wychwytywać testami.
Praca semestralna · Cholec80, Endoscapes2023 -
„Uczciwy benchmark: przedziały ufności, powtarzane uruchomienia i ochrona zbioru testowego”
Jak zbudować ranking, w którym wyników nie da się dostroić do zbioru testowego.
Praca dyplomowa · otwarte zbiory danych
Deidentyfikacja i bezpieczeństwo
-
„Tekst na ekranach sprzętu endoskopowego: wykrywanie i ukrywanie go w potoku deidentyfikacji”
Znajdowanie dat, imion i nazwisk oraz liczb na klatce i niezawodne ich maskowanie.
Praca semestralna, dyplomowa · klatki syntetyczne -
„Klatki spoza ciała: wykrywanie twarzy personelu i sali operacyjnej na nagraniach”
Klasyfikator klatek wewnątrz/na zewnątrz i wykrywanie twarzy do automatycznego filtrowania.
Praca semestralna · Cholec80 -
„Jak udowodnić, że wideo jest zdeidentyfikowane: metoda weryfikacji potoku deidentyfikacji”
Zbiory testowe, metryki odsetka pominięć i niezależny odbiór.
Praca dyplomowa · dane syntetyczne
Inżynieria oprogramowania i interfejsy
-
„Model wstępnej adnotacji w CVAT jako funkcja serverless: opóźnienie, obciążenie i skalowanie”
Integracja modelu z narzędziem adnotacji i pomiar, jak radzi sobie z wieloma adnotatorami.
Praca dyplomowa · CVAT, Segment Anything 2 -
„Internetowy trener anatomii dla studentów medycyny na otwartych danych”
Ćwiczenie interaktywne: student zaznacza strukturę, a program porównuje odpowiedź ze wzorcem.
Praca semestralna · CholecSeg8k, Endoscapes2023 -
„Interfejs do klinicznego przeglądu błędów modelu”
Jak pokazać lekarzowi, gdzie i dlaczego model się pomylił, by przegląd trwał minuty, a nie godziny.
Praca semestralna · Cholec80, CholecSeg8k -
„Infrastruktura jako kod dla medycznej AI: izolacja danych, rejestr audytu i powtarzalne wdrożenia”
Jak zbudować platformę Kubernetes, z której dane medyczne nie wyciekają, a każde wdrożenie można powtórzyć.
Praca dyplomowa · infrastruktura projektu, po uzgodnieniu
Wspólna praca studentów medycyny i informatyki
Najciekawsza praca powstaje w parach: student medycyny odpowiada za sens kliniczny, student informatyki za model i kod. Tematy, które dobrze się łączą:
- 16 + 35: model rozpoznawania faz i kliniczny przegląd jego błędów;
- 20 + 40: przenoszenie modeli z operacji zwierząt na operacje ludzi, od strony inżynierskiej i klinicznej;
- 29 + 54: trener „Znajdź przewód pęcherzykowy”, jego treść i implementacja;
- 13 + 45: klatki sporne oczami chirurga i automatyczne wykrywanie błędów adnotacji;
- 16 + 55: interfejs, w którym lekarz przegląda błędy modelu.
Zasady pracy na danych projektu
- Cytuj autorów zbioru danych i przestrzegaj warunków licencji. Większość zbiorów danych zezwala wyłącznie na użycie niekomercyjne. Zobacz stronę licencji.
- Żadnych danych pacjentów poza opublikowanymi zbiorami danych i dozwolonymi wideo. Nie używaj nagrań z własnego szpitala.
- Badania z udziałem ludzi wyłącznie po zatwierdzeniu przez komisję etyczną Twojej uczelni i za zgodą uczestników.
- Wynik negatywny to też wynik. Praca, która uczciwie pokazuje, że pomysł nie zadziałał, jest dla projektu cenna.
- Publikacje wykorzystujące dane projektu trzeba z góry uzgodnić z kierownikiem naukowym projektu. Autorstwo wynika z umowy o wkładzie.
Zaproponuj własny temat
Masz pomysł, którego nie ma na liście? Napisz na support@opensurgicalvision.org z tematem „Research topic” (po angielsku, by zespół mógł sortować pocztę) lub rozpocznij wątek w GitHub Discussions. Dobre tematy dodamy do listy.
Na początek zajrzyj na strony dla studentów medycyny, dla studentów informatyki i dla nauczycieli akademickich.