多模态胃肠道疾病图像数据集
该数据集为多模态胃肠道医学影像数据集，面向图像分类、疾病检测、特征提取与深度学习研究。数据涵盖贲门失弛缓症、正常、幽门狭窄三个类别，每个类别均提供内窥镜与超声两种互补成像模态的图像，可用于探究不同医学影像模态信息对胃肠道疾病分类的贡献
基本信息
资源简介
多模态胃肠道疾病图像数据集
Multimodal GI Disease Image Dataset
该数据集为多模态胃肠道医学影像数据集，面向图像分类、疾病检测、特征提取与深度学习研究。数据涵盖贲门失弛缓症、正常、幽门狭窄三个类别，每个类别均提供内窥镜与超声两种互补成像模态的图像，可用于探究不同医学影像模态信息对胃肠道疾病分类的贡献。数据集按疾病类别组织，每类下分设内窥镜与超声文件夹，共包含 20 个文件，由 Rahul T 发布，来源站为 kaggle.com（来源 Kaggle，CC BY-NC-SA 4.0 许可）。
【数据集背景】
源站首次发布：2026-08-29。
【数据内容】
源站描述（机器翻译，仅供参考）：多模态胃肠道内窥镜与超声图像数据集 概述 该数据集是一个多模态胃肠道医学影像数据集，专为图像分类、疾病检测、特征提取和深度学习研究而设计。数据集包含三个类别的图像： 贲门失弛缓症 正常 幽门狭窄 对于每个类别，图像通过两种互补的成像模态提供： 内窥镜 * 超声 这种多模态结构可用于研究来自不同医学成像模态的信息如何有助于胃肠道疾病分类。 数据集结构 数据集组织为三个主要疾病类别，每个类别包含单独的 Endoscopic 和 Ultrasound 文件夹。 Multimodal_Gastrointestinal_Dataset/ │ ├── Achalasia/ │ ├── Endoscopic/ │ │ └── Images │ └──
【数据结构与技术规格】
文件数 20 个，合计 2.39 MB。
【主题与分类】
主题标签：computer vision、deep learning、image classification、diseases、multimodal。本站分类：消化系统疾病/贲门失弛缓症。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/rahult25/multimodal-gi-disease-image-dataset
使用许可：CC BY-NC-SA 4.0。
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。
需登录公开下载
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。
暂未开放有偿下载
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
源站：https://kaggle.com/datasets/rahult25/multimodal-gi-disease-image-dataset
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 1.98 GB。
数据说明
Rahul T (2026). Multimodal GI Disease Image Dataset [Dataset]. https://www.kaggle.com/datasets/rahult25/multimodal-gi-disease-image-dataset
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。
