RRTS 数据集：面向资源受限环境下的结肠镜图像基准数据集用于计算机辅助诊断研究
图像与视频处理
2025-11-11 v1 计算机视觉与模式识别
摘要
背景与目标：结直肠癌预防依赖于在结肠镜检查中早期检测息肉。现有公共数据集如 CVC-ClinicDB 和 Kvasir-SEG 提供了宝贵的基准，但受限于样本量小、图像筛选或缺乏真实世界伪影。仍有需求数据能捕捉临床实践的复杂性，尤其在资源受限环境下。方法：我们引入一个数据集，BUET 多肉数据集 (BPD)，包含使用奥林巴斯 170 和 Pentax i-Scan 系列内窥镜在常规临床条件下收集的结肠镜图像。数据集包含具有对应专家标注的二值掩码的图像，反映多样化的挑战，如运动模糊、光斑、粪便伪影、出血及低光照帧。注释经临床专家人工审核以确保质量。为演示基准性能，我们提供基于 VGG16、ResNet50 和 InceptionV3 的分类基准结果，以及基于 VGG16、ResNet34 和 InceptionV4 的分割模型结果。结果：数据集包含 1,288 张具有息肉的图像，来自 164 名患者，配有对应的 ground-truth 掩码；以及 1,657 张无息肉的图像，来自 31 名患者。基准实验实现了二值分类 (VGG16) 最高达 90.8% 的准确率，分割中 InceptionV4-UNet 获得 Dice 系数最高为 0.64。性能低于精选数据集，反映出包含伪影和变量质量图像的真实世界难度。
引用
@article{arxiv.2511.06769,
title = {RRTS Dataset: A Benchmark Colonoscopy Dataset from Resource-Limited Settings for Computer-Aided Diagnosis Research},
author = {Ridoy Chandra Shil and Ragib Abid and Tasnia Binte Mamun and Samiul Based Shuvo and Masfique Ahmed Bhuiyan and Jahid Ferdous},
journal= {arXiv preprint arXiv:2511.06769},
year = {2025}
}