MOSXAV
MOSXAV是一个专注于X射线血管造影视频的多对象分割基准数据集，其数据模态为动态医学影像序列，包含42个视频共超过2800帧高分辨率图像，每帧均由专业放射科医生手动标注血管区域。该数据集主要用于支持视频对象分割和多类语义分割算法的研究，旨在促进血管结构动态分析的计算机辅助诊断技术发展，可应用于血管疾病检测、介入手术规划等临床场景。
基本信息
资源简介
MOSXAV
【数据集背景】
本数据集源站标题为《xilin-x/MOSXAV》。源站首次发布：2026-01-07。
【数据内容】
源站原始描述：# MOSXAV: A Benchmark Dataset for Multi-Object Segmentation in X-ray Angiography Videos VOS Task: | Semantic Segmentation Task: VOS Task Evaluation Code: - ## 📖 1. Overview **MOSXAV** is a benchmark dataset designed for **multi-object segmentation** in X-ray angiography videos. It provides **high-quality, manually annotated segmentation ground truth**, supporting the analysis of vascular structures in dynamic medical imaging. Each video contains **33∼70** frames at a resolution of **512&ti…
【数据结构与技术规格】
文件数 1 个，合计 107.92 MB。
【主题与分类】
主题标签：task_categories:object-detection、task_categories:image-segmentation、language:en、license:cc-by-nc-sa-4.0、size_categories:1K<n<10K、format:imagefolder、modality:image、library:datasets、library:mlcroissant、arxiv:2601.00988。
【获取与许可】
源站页面：https://huggingface.co/datasets/xilin-x/MOSXAV
使用许可：cc-by-nc-sa-4.0。
【使用注意】
· 源站最后修改于 2026-01-09，引用时请注意版本时效。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("xilin-x/MOSXAV")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/xilin-x/MOSXAV
数据说明
MOSXAV是一个专为X射线血管造影视频中的多对象分割设计的基准数据集。该数据集提供了高质量、手动标注的分割真实数据，支持动态医学影像中血管结构的分析。数据包含42个血管造影视频序列，每个视频包含33至70帧，分辨率为512×512像素。血管区域由经验丰富的放射科医生标注，标注集中在对比剂最显著的一到两帧上。训练和验证集包括30个序列（共2,335帧），每5帧标注一次；测试集包含12个序列（共488帧），每帧都有详细标注。该数据集支持视频对象分割（VOS）和多类语义分割任务，旨在促进X射线血管造影视频分割方法的发展和基准测试，可用于血管疾病诊断、手术规划等临床应用。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
