白内障手术视频多任务数据集 Cataract-LMM
数据集共包含 979 个文件，样例文件涉及手术阶段识别（Phase Recognition）目录及其全视频标注 CSV，如 PH_0001_2931_S2.csv 等
基本信息
资源简介
白内障手术视频多任务数据集 Cataract-LMM
Cataract-LMM 是一个面向白内障相关视觉分析任务的多模态数据集，托管于 huggingface.co，源站标题为 mjahmadi/Cataract-LMM。该数据集共包含 979 个文件，整体规模约 271.96 GB，发布时间为 2026-04-26，采用 cc-by-nc-nd-4.0 许可协议。从文件组织看，数据集以手术阶段识别为核心线索之一，样例文件包括 1_Phase_Recognition/README.md 以及 1_Phase_Recognition/annotations_full_video/ 目录下的多个全视频标注 CSV，如 PH_0001_2931_S2.csv、PH_0002_2932_S2.csv、PH_0003_2933_S2.csv、PH_0004_2934_S2.csv 等。数据集覆盖视频分类、图像分割、目标检测、图像分类、特征提取等多种任务类型，本站将其归类为眼及附器疾病 / 其他。
【数据集背景】
该数据集由 Mohammad Javad Ahmadi 发布，源站描述中给出的引用信息为 Mohammad Javad Ahmadi (2026). Cataract-LMM [Dataset]. http://doi.org/10.57967/hf/8673。数据集名称中的 Cataract 指向白内障这一眼科疾病方向，LMM 通常与大型多模态模型相关，但源站未提供该缩写的具体展开或模型层面的说明。数据集发布于 huggingface.co，发布时间为 2026-04-26，许可协议为 cc-by-nc-nd-4.0，即署名—非商业性使用—禁止演绎。本站分类将其归入眼及附器疾病 / 其他，主题标签覆盖视频分类、图像分割、目标检测、图像分类、特征提取等任务类别。
【数据内容】
数据集共包含 979 个文件，合计约 271.96 GB。从文件样例看，数据以目录形式组织，至少包含 1_Phase_Recognition 这一顶层目录，其下设有 README.md 以及 annotations_full_video 子目录。annotations_full_video 中存放的是以 CSV 为扩展名的全视频标注文件，命名形如 PH_0001_2931_S2.csv、PH_0002_2932_S2.csv、PH_0003_2933_S2.csv、PH_0004_2934_S2.csv 等，编号呈现连续递增的规律。文件格式方面，涉及 MD、CSV 表格、ZIP 压缩包、JSON 以及纯文本。源站未提供各目录的完整层级结构、标注字段含义、视频数量与时长、图像分辨率等具体信息。
【采集与来源】
数据来源站为 huggingface.co，源站标题为 mjahmadi/Cataract-LMM。源站描述仅给出数据集的引用条目，未说明数据采集地点、采集设备、患者来源、伦理审批或标注人员等信息。关于数据的具体采集流程与原始来源，源站未提供。
【适用场景】
依据主题标签，该数据集可用于视频分类、图像分割、目标检测、图像分类与特征提取等任务。结合文件样例中的手术阶段识别目录与全视频标注 CSV，可推测其适用于手术视频的阶段识别相关建模与评估。由于本站分类为眼及附器疾病 / 其他，该数据集也可能服务于眼科疾病相关的视觉分析研究。上述适用方向基于任务标签与目录命名，源站未提供具体的基准任务定义或评测协议。
【使用方法】
使用时可先下载全部 979 个文件，合计约 271.96 GB。读取时按文件格式分别处理：MD 文件可用于阅读说明，CSV 文件可按表格方式解析，ZIP 为压缩包需解压，JSON 为结构化文本，纯文本可直接读取。建议先在小样本上核对字段与编码，确认无误后再批量接入，以避免因字段或编码不一致导致的处理错误。源站未提供官方加载脚本、数据划分方式或预处理流程。
【质量与限制】
数据集采用 cc-by-nc-nd-4.0 许可，禁止商业性使用，且禁止演绎，使用时需遵守相应条款。数据规模较大，约 271.96 GB，对存储与计算资源有一定要求。源站未提供标注一致性、类别分布、缺失情况或偏差分析等质量评估信息，也未说明数据是否存在隐私或伦理方面的限制。关于数据质量的具体指标，源站未提供。
【引用与许可】
引用格式为：Mohammad Javad Ahmadi (2026). Cataract-LMM [Dataset]. http://doi.org/10.57967/hf/8673。许可协议为 cc-by-nc-nd-4.0。使用该数据集时应遵循署名、非商业性使用与禁止演绎的要求。源站未提供额外的引用规范或致谢说明。
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("mjahmadi/Cataract-LMM")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/mjahmadi/Cataract-LMM
数据集大小约 814.80 GB。
仓库文件结构
.gitattributesREADME.md
数据集卡片摘录（源站说明）
Access to dataset mjahmadi/Cataract-LMM is restricted. You must have access to it and be authenticated to access it. Please log in.
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。
