CaDIS (白内障图像分割数据集)
CaDIS 是一个包含 4670 张白内障手术图像的数据集，每张图像均进行了像素级语义分割标注，涵盖 36 种手术器械和解剖结构类别，主要用于医学图像分割领域的研究，支持白内障手术中的实时视觉分析、器械识别和组织分割等应用。
基本信息
资源简介
CaDIS (白内障图像分割数据集)
【一句话概览】
CaDIS 是 Digital Surgery Ltd. 在 CATARACTS 数据集基础上创建的白内障图像语义分割数据集，包含从 CATARACTS 训练集 25 个视频中采样的 4670 张图像，每张图像中的每个像素均标注为对应器械或来自 36 个已识别类别的解剖类别，相关细节见论文（来源 opendatalab.org.cn）。
【数据集背景】
本数据集源站标题为《CaDIS (Cataract Dataset for Image Segmentation)》。
【数据内容】
源站原始描述：CaDIS：用于图像分割的白内障数据集是由 Digital Surgery Ltd. 在 CATARACTS 数据集之上创建的语义分割数据集。 CaDIS 包含从 CATARACTS 训练集上的 25 个视频中采样的 4670 张图像。每个图像中的每个像素都标有其各自的仪器或来自一组 36 个已识别类别的解剖类别。有关数据集的更多详细信息，请参见论文 (
中文译文（机器翻译，仅供快速理解，请以原文为准）：CaDIS：用于图像分割的白内障数据集是由 Digital Surgery Ltd. 在 CATARACTS 数据集基础上创建的语义分割数据集。CaDIS 包含从 CATARACTS 训练集的 25 个视频中采样的 4670 张图像。每张图像中的每个像素都标注了其对应的器械或来自 36 个已识别类别的解剖类别。有关数据集的更多详细信息，请参阅论文 (https://arxiv.org/pdf/1906.11586.pdf)。
【主题与分类】
主题标签：图像、CV、二维语义分割、白内障、语义分割。
【获取与许可】
源站页面：https://opendatalab.org.cn/OpenDataLab/CaDIS
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/CaDIS
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
CaDIS 是一个专门用于白内障手术图像语义分割的数据集，由 Digital Surgery Ltd. 基于 CATARACTS 数据集构建而成。该数据集包含 4670 张图像，这些图像是从 CATARACTS 训练集的 25 个手术视频中采样得到。每张图像中的每个像素均被标注为手术器械或解剖结构，共涵盖 36 个预定义类别。该数据集主要用于支持计算机视觉和医学图像分析领域的研究，特别是在白内障手术场景下的实时器械跟踪、组织分割以及手术流程理解等方向。
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。
