WCEBleedGen
含2618帧无线胶囊内窥镜图像，用于胃肠道出血自动检测和分类的数据集。
基本信息
资源简介
WCEBleedGen
【一句话概览】
本数据集是 arXiv 公开的影像数据集，主题涵盖 cs.CV、cs.LG、eess.IV，可用于医学图像分割、检测与分类模型的训练与评测。
【数据集背景】
本数据集源站标题为《arXiv Query: search_query=&id_list=2412.05216v1&start=0&max_results=1》。源站首次发布：2024-12-06。
【数据内容】
源站原始描述：This study presents an integrated deep learning model for automatic detection and classification of Gastrointestinal bleeding in the frames extracted from Wireless Capsule Endoscopy (WCE) videos. The dataset has been released as part of Auto-WCBleedGen Challenge Version V2 hosted by the MISAHUB team. Our model attained the highest performance among 75 teams that took part in this competition. It aims to efficiently utilizes CNN based model i.e. DenseNet and UNet to detect and segment bleeding an…
中文译文（机器翻译，仅供快速理解，请以原文为准）：本研究提出了一种集成深度学习模型，用于自动检测和分类从无线胶囊内窥镜（WCE）视频中提取的帧内的胃肠道出血。该数据集作为由 MISAHUB 团队主办的 Auto-WCBleedGen Challenge Version V2 的一部分发布。我们的模型在参加此次竞赛的 75 支队伍中取得了最高性能。该模型旨在高效利用基于 CNN 的模型，即 DenseNet 和 UNet，在真实世界的复杂数据集中检测并分割出血和非出血区域。该模型达到了 80% 的令人印象深刻的总体准确率，这必将有助于熟练医生开展进一步诊断。
【主题与分类】
主题标签：cs.CV、cs.LG、eess.IV。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://arxiv.org/abs/2412.05216v1
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
数据集说明
本数据集 对应论文数据集（arXiv 预印本）。
数据获取指引
- 打开论文页面获取作者与项目信息：https://arxiv.org/abs/2412.05216v1
- 论文 Data Availability / Code Availability 章节标注了数据实际托管位置；
- 获取到实际数据链接后，按对应平台标准方式下载。
论文摘要：Abstract:This study presents an integrated deep learning model for automatic detection and classification of Gastrointestinal bleeding in the frames extracted from Wireless Capsule Endoscopy (WCE) videos. The dataset has been released as part of Auto-WCBleedGen Challenge Version V2 hosted by the MISAHUB team. Our model attained the highest performance among 75 teams that took part in this competition. It aims to efficiently utilizes CNN based model i.e. DenseNet and UNet to detect and segment bleeding and non-bleeding areas in the real-world complex dataset. The model achieves an impressive overall accuracy of 80% which would surely help a skilled doctor to carry out further diagnostics.
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。
