用于分析结肠内镜图像以检测肠易激综合征相关变化的人工智能模型
包含IBS患者及健康对照结肠镜图像，用于构建AI模型区分IBS及其亚型与健康状态。
基本信息
模态
医学影像
创建/更新时间
2026-10-10
资源简介
该数据集源自一项研究，包含肠易激综合征（IBS）患者及无症状健康受试者的结肠镜图像，用于构建和评估基于Google Cloud AutoML Vision的单标签分类AI模型，以识别与IBS相关的微小内镜变化。受试者分为健康对照（N，88例/2479张图像）、IBS（I，11例/382张图像）、便秘型IBS（C，12例/538张图像）和腹泻型IBS（D，12例/484张图像）。任务为图像分类/诊断区分，研究报告中包括敏感性、特异性、预测值和AUC等指标。
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
数据集获取
源站：http://datadryad.org/dataset/doi%253A10.5061%252Fdryad.9s4mw6mkp
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。
