Kvasir-VQA：面向胃肠道解剖的文本-图像对数据集

我们介绍 Kvasir-VQA，这是一个源自 HyperKvasir 和 Kvasir-Instrument 数据集的扩展数据集，增添了问答标注以促进胃肠道（Gastrointestinal, GI）诊断中高级机器学习任务。该数据集包含 6,500 幅带标注的图像，涵盖 various GI tract 状况和外科器械，支持多种问答类型，包括是/否、选择、位置和数值计数。该数据集旨在应用于图像描述、视觉问答（Visual Question Answering, VQA）、基于文本的合成医学图像生成、目标检测和分类。我们的实验表明，该数据集在训练三项选定任务的模型方面效果显著，展示了在医学图像分析和诊断中的重要应用。我们还为每个任务呈现评估指标，凸显了数据集的可用性和多样性。该数据集及其支持性资源均可在 https://datasets.simula.no/kvasir-vqa 获取。