Kvasir

displayName: Kvasir (The Kvasir Dataset)
labelTypes:
- Classification
license:
- Kvasir Custom
mediaTypes:
- Image
paperUrl: https://dl.acm.org/doi/pdf/10.1145/3083187.3083212
publishDate: "2017"
publishUrl: https://datasets.simula.no/kvasir/
publisher:
- Cancer Registry of Norway
- Bærum Hospital, Norway
- University of Klagenfurt
- UiT The Arctic University of Norway
- University of Oslo
- University of Catania
- Dublin City University
- Simula Research Laboratory
tags:
- Esophagitis
- Polyps
- Ulcerative Colitis
taskTypes:
- Semantic Segmentation
- Medical-Image-Segmentation
- Real-Time-Semantic-Segmentation
- Real-Time-Object-Detection
- Colorectal-Polyps-Characterization
- Object Detection

---
# 数据集介绍
## 简介
Kvasir 数据集由医生（经验丰富的内镜医师）注释和验证的图像组成，包括显示胃肠道解剖标志、病理学发现或内窥镜程序的几个类别，即每个类别有数百张图像。图像数量足以用于不同的任务，例如图像检索、机器学习、深度学习和迁移学习等。解剖标志包括 Z 线、幽门、盲肠等，而病理发现包括食管炎，息肉，溃疡性结肠炎等。此外，我们提供了几组与去除病变相关的图像，例如，“染色和解除息肉”，“染色切除边缘”等。数据集由不同分辨率的图像组成从 720x576 到 1920x1072 像素，并以根据内容命名的单独文件夹中的排序方式进行组织。通过使用可以支持图像解释的电磁成像系统（ScopeGuide，Olympus Europe），一些包含的图像类别有一个绿色的画中画，说明了肠内内窥镜的位置和配置。这种类型的信息对于以后的调查（因此包括在内）可能很重要，但必须小心处理以检测内窥镜检查结果。
## 引文

```
@inproceedings{pogorelov2017kvasir,
title={Kvasir: A multi-class image dataset for computer aided gastrointestinal disease detection},
author={Pogorelov, Konstantin and Randel, Kristin Ranheim and Griwodz, Carsten and Eskeland, Sigrun Losada and de Lange, Thomas and Johansen, Dag and Spampinato, Concetto and Dang-Nguyen, Duc-Tien and Lux, Mathias and Schmidt, Peter Thelin and others},
booktitle={Proceedings of the 8th ACM on Multimedia Systems Conference},
pages={164--169},
year={2017}
}
```

## Download dataset
:modelscope-code[]{type="git"}

数据集名称：Kvasir（Kvasir数据集）
标签类型：
- 分类（Classification）
许可协议：
- Kvasir 自定义许可
媒体类型：
- 图像
论文链接：https://dl.acm.org/doi/pdf/10.1145/3083187.3083212
发布日期："2017"
发布地址：https://datasets.simula.no/kvasir/
发布机构：
- 挪威癌症登记处
- 挪威贝鲁姆医院
- 克拉根福大学
- 挪威北极大学UiT（UiT The Arctic University of Norway）
- 奥斯陆大学
- 卡塔尼亚大学
- 都柏林城市大学
- 西姆拉研究实验室
标签：
- 食管炎（Esophagitis）
- 息肉（Polyps）
- 溃疡性结肠炎（Ulcerative Colitis）
任务类型：
- 语义分割（Semantic Segmentation）
- 医学图像分割（Medical-Image-Segmentation）
- 实时语义分割（Real-Time-Semantic-Segmentation）
- 实时目标检测（Real-Time-Object-Detection）
- 结直肠息肉表征（Colorectal-Polyps-Characterization）
- 目标检测（Object Detection）

---
# 数据集介绍
## 简介
Kvasir 数据集由经验丰富的内镜医师注释并验证的图像构成，涵盖胃肠道解剖标志、病理表现或内镜操作相关的多个类别，每类包含数百张图像。该数据集的图像规模足以支撑图像检索、机器学习、深度学习与迁移学习等多种任务。其中解剖标志包括Z线、幽门、盲肠等，病理表现则涵盖食管炎、息肉、溃疡性结肠炎等。此外，数据集还提供了多组与病变切除相关的图像，例如“染色和解除息肉”“染色切除边缘”等。数据集图像分辨率覆盖720×576至1920×1072像素，以按内容命名的独立文件夹进行有序组织。部分图像类别采用了支持图像解释的电磁成像系统（ScopeGuide，Olympus Europe），带有绿色画中画效果，用于标注内镜在肠道内的位置与配置。这类信息对后续研究具有重要价值，因此被纳入数据集，但需谨慎处理以准确识别内镜检查结果。
## 引文

@inproceedings{pogorelov2017kvasir,
title={Kvasir: A multi-class image dataset for computer aided gastrointestinal disease detection},
author={Pogorelov, Konstantin and Randel, Kristin Ranheim and Griwodz, Carsten and Eskeland, Sigrun Losada and de Lange, Thomas and Johansen, Dag and Spampinato, Concetto and Dang-Nguyen, Duc-Tien and Lux, Mathias and Schmidt, Peter Thelin and others},
booktitle={Proceedings of the 8th ACM on Multimedia Systems Conference},
pages={164--169},
year={2017}
}

## 下载数据集
:modelscope-code[]{type="git"}

搜集汇总

背景与挑战

背景概述

Kvasir是一个包含医生标注的胃肠道医学图像数据集，涵盖解剖标志和病理发现等多个类别，图像分辨率多样，适用于机器学习研究。部分图像包含内窥镜位置信息，需要特殊处理。