用于医疗 AI 的模拟静脉抽血程序标注数据集：目标检测的人形-人物互动多边形标注
计算机视觉与模式识别
2026-02-05 v1
摘要
本数据文章介绍了一个包含 11,884 张标注图像的数据集，记录了在训练臂上进行的模拟血液抽取（静脉穿刺）程序。图像来自于在受控环境下记录的高清视频，通过结构相似性指数（SSIM）过滤算法去除冗余数据。对所有视频应用了自动面部匿名化处理后，再选择帧图像。每张图像包含五个医学相关类别的多边形标注：针头、橡皮带、消毒湿巾、手套和训练臂。标注数据以与现代目标检测框架（如 YOLOv8）兼容的分割格式导出，确保了广泛的可用性。该数据集分为训练（70%）、验证（15%）和测试（15%）三个子集，旨在推动医疗培训自动化和人形-人物互动领域的研究。它支持多种应用，包括静脉抽血工具检测、程序步骤识别、工作流程分析、合规性检查，以及开发提供结构化反馈给医疗培训员的教育系统。该数据及其随附的标注文件已公开发布在 Zenodo 上。
引用
@article{arxiv.2602.04624,
title = {A labeled dataset of simulated phlebotomy procedures for medical AI: polygon annotations for object detection and human-object interaction},
author = {Raúl Jiménez Cruz and César Torres-Huitzil and Marco Franceschetti and Ronny Seiger and Luciano García-Bañuelos and Barbara Weber},
journal= {arXiv preprint arXiv:2602.04624},
year = {2026}
}