Темы научных работ на данных проекта

Как пользоваться списком

Темы 1–33 рассчитаны в первую очередь на студентов медицинских вузов, темы 34–56 – на студентов технических вузов. Многие темы хорошо работают в паре медика и программиста – см. совместные работы.

Темы – отправная точка, а не готовое задание. Окончательную формулировку выбирайте вместе с научным руководителем. У каждой темы указано, для какой работы она подходит и на каких данных строится.

Пометка «нужно одобрение этического комитета» означает, что в исследовании участвуют люди: опрос, образовательный эксперимент или анализ результатов самих разметчиков. Такую работу можно начинать только после одобрения этического комитета вашего вуза.

Многие темы зависят от того, насколько продвинулся проект. Темы на открытых датасетах можно брать уже сейчас, темы на разметке проекта – после начала пилотной разметки.

Анатомия и оперативная хирургия

1. «Как часто достигается критический обзор безопасности при лапароскопической холецистэктомии: анализ открытого датасета Endoscapes2023»
   Сколько кадров перед клипированием соответствуют каждому из трёх критериев безопасности и как часто эксперты расходятся в оценке.
   Курсовая, тезисы · Endoscapes2023

2. «Треугольник Кало на экране: атлас лапароскопической анатомии по размеченным кадрам»
   Учебный атлас вариантов визуализации пузырного протока, пузырной артерии и печёночно-пузырного треугольника.
   Выпускная работа, учебное пособие · Endoscapes2023, CholecSeg8k

3. «Хронометраж холецистэктомии: длительность и вариабельность фаз операции»
   Сколько длится каждая из семи фаз, какие фазы растягиваются чаще всего и с чем это может быть связано.
   Курсовая · Cholec80

4. «Две операции – одна логика? Временная структура лапароскопической холецистэктомии и гистерэктомии»
   Сравнение последовательности и длительности этапов двух разных лапароскопических операций.
   Курсовая, тезисы · Cholec80, AutoLaparo

5. «Что видит хирург при роботизированной резекции прямой кишки: частота и условия видимости анатомических структур»
   Какие органы попадают в кадр, как часто и насколько они перекрыты.
   Курсовая · DSAD

6. «Инструментальная карта операции: какие инструменты используются на каждом этапе холецистэктомии»
   Связь фаз операции с набором инструментов в кадре – основа для учебной схемы и для оценки моделей.
   Курсовая, тезисы · Cholec80

7. «Дым, кровь и блики: что мешает распознавать анатомию на лапароскопических кадрах»
   Как частые помехи влияют на точность разметки человеком и моделью.
   Выпускная работа · DSAD, CholecSeg8k

8. «Ориентиры безопасной холецистэктомии: определения в клинических рекомендациях и в инструкциях к открытым датасетам»
   Совпадают ли определения структур, по которым размечают данные, с тем, чему учат хирургов.
   Тезисы, обзор литературы · Endoscapes2023 и публикации

Качество разметки и человеческий фактор

9. «Согласованность разметки анатомических структур студентами-медиками»
   Каппа Флейса и коэффициент Dice для разных структур: где студенты согласны друг с другом, а где нет.
   Тезисы, статья · разметка проекта · нужно одобрение этического комитета

10. «Курс, опыт, специальность: зависит ли точность разметки от уровня медицинской подготовки»
    Сравнение студентов разных курсов, ординаторов и хирургов на одних и тех же кадрах.
    Статья · разметка проекта · нужно одобрение этического комитета

11. «Кривая обучения разметчика: как меняется точность контуров за первые 20 часов работы»
    Через сколько часов точность выходит на плато и какие структуры осваиваются дольше.
    Выпускная работа · калибровочные задания проекта · нужно одобрение этического комитета

12. «Доверяй, но проверяй: склонность принимать автоматическую предразметку без правок»
    Как часто разметчики соглашаются с подсказкой модели, даже когда она неточна, и как этому противостоять.
    Статья · разметка проекта с предразметкой · нужно одобрение этического комитета

13. «Где спорят разметчики: анатомические причины разногласий при сегментации»
    Классификация спорных кадров из журнала клинического руководителя: плохая видимость, вариант анатомии, неясное определение.
    Тезисы · журнал спорных случаев проекта

14. «Цена кадра: трудозатраты на разметку хирургического видео и способы их сократить»
    Сколько времени уходит на кадр и на видео, что ускоряет работу без потери качества.
    Курсовая · статистика заданий CVAT

15. «Фазы операции глазами студента и хирурга: согласованность определения границ этапов»
    Насколько точно студенты отмечают начало и конец фаз по сравнению с эталоном авторов датасета.
    Тезисы · Cholec80 и разметка проекта

Искусственный интеллект в хирургии

16. «Где ошибается нейросеть: клинический разбор ошибок модели распознавания фаз холецистэктомии»
    Взгляд врача на ошибки модели: какие из них опасны, а какие безобидны.
    Выпускная работа · Cholec80, базовые модели проекта

17. «Перенос между клиниками: насколько падает качество распознавания фаз на данных другой больницы»
    Модель, обученная на видео одной клиники, проверяется на видео из других.
    Статья (вместе с инженером) · Cholec80, HeiChole

18. «Может ли модель распознать критический обзор безопасности»
    Насколько оценка модели совпадает с оценкой экспертов и чем объясняются расхождения.
    Выпускная работа, статья · Endoscapes2023

19. «Понимает ли модель анатомию: карты внимания нейросети и клинические ориентиры»
    На какие участки кадра «смотрит» модель и совпадают ли они с тем, на что смотрит хирург.
    Выпускная работа · CholecSeg8k, Endoscapes2023

20. «Свинья или человек: можно ли учить модели хирургического зрения на операциях на животных»
    Как модели, обученные на записях операций на свиньях, работают на операциях у людей.
    Статья · EndoVis 2017, EndoVis 2018, CholecSeg8k

21. «Универсальные модели сегментации на хирургическом видео: что они видят без дообучения»
    Проверка моделей вроде Segment Anything на лапароскопических кадрах: что получается сразу, а что нет.
    Курсовая · CholecSeg8k, DSAD

22. «ИИ-ассистент в операционной: какие подсказки хирурги считают полезными, а какие опасными»
    Опрос хирургов и ординаторов о желаемых и недопустимых функциях интраоперационного ИИ.
    Тезисы · анкетирование · нужно одобрение этического комитета

Другие специальности

23. «Инструменты в хирургии катаракты: что сложнее всего распознать модели и почему»
    Разбор ошибок сегментации инструментов на кадрах операций под микроскопом.
    Курсовая, офтальмология · CaDIS

24. «Пропущенный полип: клинический разбор ошибок моделей сегментации полипов»
    Какие полипы модели пропускают чаще всего и как это связано с их формой, размером и расположением.
    Курсовая, гастроэнтерология · Kvasir-SEG, HyperKvasir

25. «Через микроскоп и через лапароскоп: задачи компьютерного зрения в офтальмохирургии и абдоминальной хирургии»
    Обзор того, чем отличаются данные, задачи и трудности в двух областях.
    Тезисы, обзор литературы · CATARACTS, Cholec80

Медицинское образование

26. «Размеченное видео операции как пособие по топографической анатомии: разработка и оценка»
    Создание учебного модуля на размеченных кадрах и проверка его пользы на занятиях.
    Выпускная работа · разметка проекта · нужно одобрение этического комитета

27. «Насмотренность в цифрах: ускоряет ли просмотр размеченных операций узнавание анатомических ориентиров»
    Сравнение скорости и точности узнавания структур до и после серии просмотров.
    Статья · нужно одобрение этического комитета

28. «Разметка как обучение: что студенты узнают об анатомии и хирургии, размечая видео операций»
    Самооценка и тест знаний до и после семестра в проекте.
    Тезисы · анкетирование · нужно одобрение этического комитета

29. «Тренажёр „Найди пузырный проток“: интерактивное упражнение на открытых данных»
    Разработка веб-упражнения, где студент отмечает структуру, а программа сравнивает ответ с эталоном.
    Курсовая (вместе со студентом-программистом) · CholecSeg8k, Endoscapes2023

Этика, право и организация науки

30. «Можно ли учить ИИ на видео с YouTube: этические и правовые вопросы использования публичных записей операций»
    Авторское право, согласие пациента и обезличивание – что нужно для законного использования.
    Тезисы, обзор

31. «Лицензии открытых хирургических датасетов: что разрешено исследователю»
    Сравнение условий использования популярных датасетов и их последствия для публикаций.
    Тезисы, обзор

32. «Что видно в кадре: персональные данные в записях эндоскопических операций и способы их удаления»
    Какие сведения о пациенте и персонале встречаются на записях и как их надёжно скрыть.
    Курсовая · методические материалы проекта

33. «Открытая наука в хирургии: как студенты-медики могут участвовать в воспроизводимых исследованиях»
    Опыт проекта как модель студенческого участия в науке.
    Тезисы, эссе

Компьютерное зрение и машинное обучение

34. «Базовая модель сегментации анатомии на CholecSeg8k: воспроизводимое сравнение U-Net, DeepLabV3+ и SegFormer»
    Одинаковые разбиения, бюджет обучения и метрики для трёх архитектур, абляции и доверительные интервалы.
    Курсовая, ВКР · CholecSeg8k

35. «Распознавание фаз холецистэктомии: временные свёрточные сети против трансформеров»
    Какая архитектура лучше учитывает длинный контекст операции и где обе ошибаются.
    ВКР · Cholec80

36. «Мало разметки, много видео: полуавтоматическое обучение и самообучение для хирургической сегментации»
    Как использовать тысячи неразмеченных кадров, чтобы улучшить модель, обученную на сотнях размеченных.
    ВКР, магистерская диссертация · Endoscapes2023, Cholec80

37. «Адаптация Segment Anything 2 к лапароскопическому видео: дообучение и оценка»
    Насколько дообучение универсальной модели улучшает сегментацию органов и инструментов и сколько для этого нужно разметки.
    ВКР · CholecSeg8k, Endoscapes2023

38. «Устойчивость к дыму, бликам и размытию: набор искажений для проверки моделей хирургического зрения»
    Синтетические и реальные искажения, падение качества и способы его уменьшить.
    Курсовая · CholecSeg8k, DSAD

39. «Когда модель должна сказать «не знаю»: калибровка уверенности моделей сегментации»
    Оценка и улучшение калибровки, отказ от предсказания на сомнительных кадрах.
    ВКР · CholecSeg8k, Endoscapes2023

40. «От свиньи к человеку: доменная адаптация моделей сегментации инструментов»
    Как перенести модель, обученную на операциях на животных, на записи операций у людей.
    Статья · EndoVis 2017, EndoVis 2018, CholecSeg8k

41. «Быстрее 50 миллисекунд: дистилляция и квантование моделей для работы в реальном времени»
    Как сохранить качество, уложившись в целевые 30–50 мс на кадр, и как честно измерять задержку.
    ВКР · CholecSeg8k, Cholec80

42. «Обнаружение и отслеживание хирургических инструментов на видео»
    Детектор и трекер инструментов, метрики отслеживания, ошибки при перекрытиях.
    Курсовая · CholecT50, Cholec80

43. «Распознавание действий «инструмент – действие – цель»»
    Модели для троек действий и разбор самых трудных классов.
    ВКР · CholecT50

Данные, разметка и MLOps

44. «Активное обучение для разметки: какие кадры отдавать разметчикам в первую очередь»
    Стратегии выбора кадров и сколько часов разметки они экономят при том же качестве модели.
    ВКР · Cholec80, CholecSeg8k

45. «Автоматический контроль качества разметки: поиск подозрительных масок до ревью»
    Правила и модели, которые находят вероятные ошибки разметчиков.
    Курсовая · разметка проекта

46. «Библиотека метрик согласованности разметчиков для сегментации и временной разметки»
    Каппа Флейса, Dice, согласие по границам фаз – с тестами и документацией.
    Курсовая · синтетические данные, разметка проекта

47. «Воспроизводимый конвейер обучения: от версии данных до карточки модели»
    DVC, Hydra и MLflow в одном конвейере: любой результат можно повторить одной командой.
    Курсовая, ВКР · любой открытый датасет

48. «Разбиение без утечек: автоматическая проверка, что один пациент не попадает в обучение и тест»
    Как утечки завышают метрики и как их ловить тестами.
    Курсовая · Cholec80, Endoscapes2023

49. «Честный бенчмарк: доверительные интервалы, повторные прогоны и защита тестовой выборки»
    Как устроить лидерборд, на котором нельзя «подогнать» результат под тест.
    ВКР · открытые датасеты

Обезличивание и безопасность

50. «Текст на экранах эндоскопических стоек: распознавание и скрытие в конвейере обезличивания»
    Поиск дат, имён и номеров в кадре и их надёжное маскирование.
    Курсовая, ВКР · синтетические кадры

51. «Кадры вне тела пациента: обнаружение лиц персонала и операционной на записях»
    Классификатор кадров «внутри / снаружи» и обнаружение лиц для автоматической фильтрации.
    Курсовая · Cholec80

52. «Как доказать, что видео обезличено: методика проверки конвейера обезличивания»
    Тестовые наборы, метрики пропусков и независимая приёмка.
    ВКР · синтетические данные

Программная инженерия и интерфейсы

53. «Модель предразметки в CVAT как бессерверная функция: задержка, нагрузка и масштабирование»
    Интеграция модели с инструментом разметки и измерение того, как она выдерживает работу многих разметчиков.
    ВКР · CVAT, Segment Anything 2

54. «Веб-тренажёр анатомии для студентов-медиков на открытых данных»
    Интерактивное упражнение: студент отмечает структуру, программа сравнивает ответ с эталоном.
    Курсовая · CholecSeg8k, Endoscapes2023

55. «Интерфейс клинического разбора ошибок модели»
    Как показать врачу, где и почему модель ошиблась, чтобы разбор занимал минуты, а не часы.
    Курсовая · Cholec80, CholecSeg8k

56. «Инфраструктура как код для медицинского ИИ: изоляция данных, журналирование и воспроизводимые развёртывания»
    Как устроить Kubernetes-платформу, в которой медицинские данные не утекают, а каждое развёртывание повторяемо.
    ВКР · инфраструктура проекта, по согласованию

Совместные работы медиков и программистов

Самые интересные работы получаются в паре: студент-медик отвечает за клинический смысл, студент технического вуза – за модель и код. Темы, которые хорошо складываются в пары:

• 16 + 35 – модель распознавания фаз и клинический разбор её ошибок;
• 20 + 40 – перенос моделей с операций на животных на операции у людей: инженерная и клиническая стороны;
• 29 + 54 – тренажёр «Найди пузырный проток»: содержание и разработка;
• 13 + 45 – спорные кадры глазами хирурга и автоматический поиск ошибок разметки;
• 16 + 55 – интерфейс, в котором врач разбирает ошибки модели.

Правила для работ на данных проекта

• Ссылайтесь на авторов датасетов и соблюдайте условия лицензий. Большинство датасетов разрешают только некоммерческое использование. Подробнее – на странице лицензий.
• Никаких данных пациентов сверх опубликованных датасетов и видео с разрешениями. Не используйте записи из своей клиники.
• Исследования с участием людей – только после одобрения этического комитета вашего вуза и с согласия участников.
• Отрицательный результат – тоже результат. Работа, честно показавшая, что идея не сработала, ценна для проекта.
• Публикации с данными проекта согласуйте с научным руководителем проекта заранее. Авторство определяется по соглашению о вкладе.

Предложить свою тему

Есть идея, которой нет в списке? Напишите на support@opensurgicalvision.org с темой «Тема научной работы» или откройте обсуждение в GitHub Discussions. Удачные темы добавим в список.

Как начать участвовать – на страницах для студентов-медиков, для студентов технических вузов и для преподавателей.