CholecT40 (胆囊切除术动作三元组)
CholecT40 是第一个引入的内窥镜数据集，用于研究腹腔镜手术中的细粒度动作识别。它由 40 个腹腔镜胆囊切除术视频组成，并以 的形式标注了三重信息。注释跨越 128 个三元组，由 6 类手术器械、8 类动作动词和…
基本信息
资源简介
CholecT40 (胆囊切除术动作三元组)
【一句话概览】
CholecT40 是首个用于研究腹腔镜手术细粒度动作识别的内窥镜数据集，由 40 个腹腔镜胆囊切除术视频组成，以三元组形式标注，注释涵盖 128 个三元组，包含 6 类手术器械、8 类动作动词和 19 类手术目标。该数据集用作开发深度学习解决方案的基准，以识别三元组形式的手术活动，是首次在自然视觉任务中复制人-物体交互同等活动识别水平的外科数据科学工作。其父数据集为 CholecT50（来源 opendatalab.org.cn）。
【数据集背景】
本数据集源站标题为《CholecT40 (Cholecystectomy Action Triplet)》。
【数据内容】
源站原始描述：CholecT40 是第一个引入的内窥镜数据集，用于研究腹腔镜手术中的细粒度动作识别。它由 40 个腹腔镜胆囊切除术视频组成，并以 的形式标注了三重信息。注释跨越 128 个三元组，由 6 类手术器械、8 类动作动词和 19 类手术目标组成。该数据集用作开发深度学习解决方案的基准，以识别三元组形式的手术活动。这是第一次在自然视觉任务中复制与人-物体交互 (HOI) 相同级别的活动识别的外科数据科学工作。父数据集是 CholecT50。
中文译文（机器翻译，仅供快速理解，请以原文为准）：CholecT40 是第一个引入的内窥镜数据集，用于研究腹腔镜手术中的细粒度动作识别。它由 40 个腹腔镜胆囊切除术视频组成，并以 <instrument, verb, target> 的形式标注了三重信息。注释跨越 128 个三元组，由 6 类手术器械、8 类动作动词和 19 类手术目标组成。该数据集用作开发深度学习解决方案的基准，以识别三元组形式的手术活动。这是第一次在自然视觉任务中复制与人-物体交互 (HOI) 相同级别的活动识别的外科数据科学工作。父数据集是 CholecT50。
【主题与分类】
主题标签：腹腔镜手术、胆囊切除术、内窥镜、动作三元组识别、细粒度动作识别、手术活动识别、深度学习。
【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://opendatalab.org.cn/OpenDataLab/CholecT40
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://opendatalab.org.cn/OpenDataLab/CholecT40
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:
数据说明
CholecT40是首个用于腹腔镜手术细粒度动作识别研究的内窥镜视频数据集，包含40个腹腔镜胆囊切除术视频，以<器械,动作,目标>形式标注了128个三元组，涵盖6类手术器械、8类动作动词和19类手术目标，作为开发深度学习解决方案的基准数据集。
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。
