基本信息

创建/更新时间

2026-01-08

资源简介

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。

原始链接

https://huggingface.co/datasets/xilin-x/MOSXAV

访问原始数据

官方服务

如需原始数据获取支持或标注服务，请联系我们。

帮我联系

下载信息

注册下载

Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。

暂未开放

公开下载

Tips: 该数据集属于公开下载，应该可以免费公开下载。

免登录

有偿下载

Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。

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

千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。

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 &amp;&amp; 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