ERS：一个符合 MST 3.0 规范的新型综合内镜图像机器学习数据集
计算机视觉与模式识别
2022-01-24 v1
摘要
本文提出一个来自柔性内镜、结肠镜与胶囊内镜的新多标签综合图像数据集，命名为 ERS。该集合已依据描述胃肠道中所有可能发现（104 个可能标签）的“最小标准术语 3.0”（MST 3.0）完整医学规范进行标注，并扩展增加了 19 个在常见机器学习应用中实用的标签。数据集包含约 6000 帧精确标注与 115000 帧近似标注的内镜视频帧、3600 个精确与 22600 个近似分割掩码，以及来自柔性与胶囊内镜视频的 123 万帧未标注帧。标注数据几乎完全覆盖 MST 3.0 标准。数据来自 1135 名患者的 1520 段视频。此外，本文提出并描述了利用所创建数据集在胃肠道图像分类任务中执行的四个示例实验。所得结果表明该数据集在训练与测试内镜数据分析领域的机器学习算法方面具有高度有用性与灵活性。
引用
@article{arxiv.2201.08746,
title = {ERS: a novel comprehensive endoscopy image dataset for machine learning, compliant with the MST 3.0 specification},
author = {Jan Cychnerski and Tomasz Dziubich and Adam Brzeski},
journal= {arXiv preprint arXiv:2201.08746},
year = {2022}
}