GastroVision：用于计算机辅助胃肠道疾病检测的多类内镜图像数据集
图像与视频处理
2023-08-21 v2 计算机视觉与模式识别
摘要
将实时人工智能（AI）系统集成到临床实践中面临诸如可扩展性和接受度等挑战。这些挑战包括数据可用性、有偏结果、数据质量、缺乏透明度，以及在不同分布 unseen 数据集上的欠性能。大规模、精确标注且多样的数据集的稀缺是临床集成的主要挑战。该稀缺也由于法律限制以及临床医生进行准确标注所需的大量人工努力。为应对这些挑战，我们提出 GastroVision，一个多中心开放获取的胃肠道（GI）内镜数据集，包含来自 GI 道的不同解剖标志、病理异常、息肉切除病例和正常发现（共 27 类）。该数据集包含从挪威 Bærum 医院和瑞典 Karolinska 大学医院获取的 8,000 张图像，并由经验丰富的 GI 内镜医生标注和验证。此外，我们基于流行的基于深度学习的基线模型通过广泛基准测试验证了数据集的意义。我们相信我们的数据集能促进基于 AI 的 GI 疾病检测与分类算法的发展。我们的数据集可在 \url{https://osf.io/84e7f/} 获取。
引用
@article{arxiv.2307.08140,
title = {GastroVision: A Multi-class Endoscopy Image Dataset for Computer Aided Gastrointestinal Disease Detection},
author = {Debesh Jha and Vanshali Sharma and Neethi Dasu and Nikhil Kumar Tomar and Steven Hicks and M. K. Bhuyan and Pradip K. Das and Michael A. Riegler and Pål Halvorsen and Ulas Bagci and Thomas de Lange},
journal= {arXiv preprint arXiv:2307.08140},
year = {2023}
}