Gynecologic Laparoscopy Endometriosis Dataset (GLENDA)

GLENDA是一个包含基于区域的注释的图像数据集，用于研究常见的妇科疾病——子宫内膜异位症。该数据集由超过400个妇科腹腔镜手术视频中选择出的300多个视频片段和帧组成，包含了超过25,000张图像，其中12,000多张是与子宫内膜异位症相关的病理图像，13,000多张是未显示子宫内膜异位症的阴性图像。GLENDA数据集包含了500多个手绘区域注释，涵盖300多个关键帧。数据集分为五个病理类别，包括腹膜、卵巢、子宫、深部浸润性子宫内膜异位症(DIE)和未显示子宫内膜异位症的类别。该数据集可用于二分类和多标签分类、检测和定位任务，并可选择在视频片段中跟踪病理变化，从而增加已注释样本的数量。

GLENDA is an image dataset with region-based annotations for studying endometriosis, a common gynecological disease. Comprising over 300 video clips and frames selected from more than 400 gynecological laparoscopic surgery videos, the dataset contains over 25,000 images, among which more than 12,000 are pathological images associated with endometriosis and over 13,000 are negative images showing no endometriosis. The GLENDA dataset includes over 500 hand-drawn regional annotations covering more than 300 key frames, and is divided into five pathological categories: peritoneum, ovary, uterus, deep infiltrating endometriosis (DIE), and the category with no visible endometriosis. This dataset can be used for binary classification, multi-label classification, detection and localization tasks, and supports optional tracking of pathological changes in video clips to increase the number of annotated samples.

搜集汇总

数据集介绍

构建方式

在妇科腹腔镜手术领域，GLENDA数据集的构建体现了跨学科合作的精密性。该数据集从400余例完整手术视频中精选300多个视频片段和关键帧，由资深外科医生团队利用内镜概念标注工具（ECAT）进行专业标注。标注过程采用手绘区域标注法，对每帧图像中的子宫内膜异位症病灶进行多边形或自由勾勒标注，确保每个标注区域与四种病理类别精确对应。通过四个月的集中标注，最终形成包含500多个区域标注的300余张关键帧图像，并保留视频序列的时间连续性以支持标注追踪扩展。

使用方法

该数据集支持多种计算机视觉任务的应用探索。对于分类任务，研究者可基于图像级标签进行二分类（病理/非病理）或多分类（四类病理细分）模型训练，需注意按视频序列划分训练集与测试集以避免时序相关性干扰。检测与定位任务需利用二进制掩模标注转换为边界框或多边形坐标，并可通过视频序列的时序一致性进行标注插值扩展。深度学习中建议采用类别加权损失函数缓解样本不均衡问题（如子宫类仅14个标注），同时可利用无病理图像进行负样本增强。数据集文件结构采用层次化命名规则，通过视频ID、帧ID与标注ID的映射关系可实现快速数据检索与标注匹配。

背景与挑战

背景概述

妇科腹腔镜子宫内膜异位症数据集（GLENDA）由奥地利克拉根福大学信息技术研究所与德国慕尼黑大学、乌尔姆大学医学专家于2025年联合创建，旨在解决子宫内膜异位症计算机视觉诊断中的样本稀缺问题。作为首个专注于妇科腹腔镜子宫内膜异位症区域标注的公开数据集，其包含超过25,000张图像，涵盖腹膜、卵巢、子宫及深部浸润型子宫内膜异位症四类病理区域标注，推动了微创手术视频智能分析技术在术后规划、病例复盘及医学教育领域的应用。

当前挑战

该数据集核心挑战在于子宫内膜异位症病灶的多样性与视觉复杂性：病灶可能分布于腹膜、卵巢等多部位，且形态、颜色及纹理差异显著，对分类与检测模型的泛化能力提出极高要求。构建过程中面临三大难点：一是依赖顶尖医学专家进行精细标注，人力与时间成本高昂；二是罕见病灶类型样本稀缺导致类别不平衡；三是手术视频中连续帧相似性高，需设计特殊数据拆分策略以避免模型过拟合。

常用场景

经典使用场景

在妇科腹腔镜手术的计算机视觉研究中，GLENDA数据集为子宫内膜异位症的自动检测与定位提供了关键支持。该数据集通过精确的区域标注，使研究人员能够开发深度学习模型，用于识别手术视频中异位病灶的精确位置和类别，显著提升了病理分析的自动化水平。

解决学术问题

GLENDA数据集解决了医学影像分析中样本稀缺和标注专业性强的问题，为子宫内膜异位症的计算机辅助诊断提供了标准化数据基础。其多类别标注结构支持二元分类、多标签分类及病灶定位任务，推动了手术视频内容分析算法的创新与验证。

实际应用

该数据集的实际应用涵盖手术培训、术后病例复盘和临床决策支持系统。通过提供大量真实手术场景的标注图像，GLENDA能够帮助开发智能工具，辅助医生快速定位病灶、评估手术效果，并优化子宫内膜异位症的治疗方案。

数据集最近研究

最新研究方向

在妇科微创手术领域，GLENDA数据集作为首个专注于子宫内膜异位症的腹腔镜影像数据集，正推动计算机视觉与机器学习技术在病灶检测与定位方面的前沿探索。该数据集通过区域标注和时序信息，支持多标签分类与病理追踪研究，尤其与rASRM和Enzian评分系统结合，为深度学习模型提供关键训练基础。其发布填补了妇科内窥镜数据稀缺的空白，促进了手术视频智能分析在临床规划与医学教育中的应用，对提升子宫内膜异位症诊断自动化水平具有深远意义。

相关研究论文

• GLENDA: Gynecologic Laparoscopy Endometriosis Dataset

  克雷姆斯大学信息学院,慕尼黑路德维希-马克西米利安大学医院,乌尔姆大学医学院 · 2025年