仁济食管内镜黏膜下剥离术视频数据集

数据集获取（Figshare）

• 源站标题：Renji endoscopic submucosal dissection video data set for Esophagus
• DOI：10.6084/m9.figshare.28777862.v1
• 发布日期：2025-12-25
• 文件数：26 个
• 文件总体积：212.17 GB
• 源站页面：https://springernature.figshare.com/articles/dataset/Renji_endoscopic_submucosal_dissection_video_data_set_for_Esophagus/28777862

命令行下载

curl -L -o "1.rar" "https://ndownloader.figshare.com/files/57140879"
curl -L -o "2.rar" "https://ndownloader.figshare.com/files/57152360"
curl -L -o "3.rar" "https://ndownloader.figshare.com/files/57152579"
curl -L -o "4.rar" "https://ndownloader.figshare.com/files/57152588"
curl -L -o "5.rar" "https://ndownloader.figshare.com/files/57156641"
curl -L -o "6.rar" "https://ndownloader.figshare.com/files/57159080"
curl -L -o "7.rar" "https://ndownloader.figshare.com/files/57159191"
curl -L -o "8.rar" "https://ndownloader.figshare.com/files/57159257"

文件清单

• 1.rar（8.34 GB）
• 2.rar（11.13 GB）
• 3.rar（7.12 GB）
• 4.rar（6.07 GB）
• 5.rar（8.03 GB）
• 6.rar（10.31 GB）
• 7.rar（7.15 GB）
• 8.rar（7.04 GB）
• 10.rar（4.51 GB）
• 11.rar（4.55 GB）
• 15.rar（12.97 GB）
• 16.rar（7.17 GB）
• 17.rar（5.42 GB）
• 9.rar（7.30 GB）
• 12.rar（16.24 GB）
• 13.rar（8.81 GB）
• 18.rar（4.56 GB）
• 19.rar（6.84 GB）
• 20.rar（6.93 GB）
• 21.rar（17.01 GB）

文件总体积 212.17 GB（源站 API 实测）。

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。

数据说明

Progress in artificial intelligence has markedly improved computer-supported interventions, professional education for surgeons, and post-procedural analysis of operative recordings, considerably enhancing surgical proficiency and clinical outcomes. Phase recognition frameworks for endoscopic procedures utilizing deep learning methodologies depend critically on well-annotated comprehensive datasets. Our study introduces the Renji database containing endoscopic submucosal dissection (ESD) videos for esophageal lesions, comprising 25 procedural recordings with 141,909 phase-specific classifications jointly annotated by a specialized endoscopy team. To the best of our knowledge, this constitutes the inaugural publicly available collection of esophageal ESD videos with comprehensive phase annotations, and we believe this contribution will assist in establishing benchmarks for future esophageal ESD databases.

许可

CC0

引用

学术使用请引用 DOI 10.6084/m9.figshare.28777862.v1（source: https://springernature.figshare.com/articles/dataset/Renji_endoscopic_submucosal_dissection_video_data_set_for_Esophagus/28777862）。