结肠镜视频理解基准
该数据集是一个多模态的结肠镜视频理解基准，包含视频图像、边界框标注、分割掩码和临床描述文本等多种数据模态，涵盖14种病变类别的标注信息，主要用于医学影像分析、病变检测与分割以及多模态医学理解研究，支持结肠癌筛查和诊断的智能化辅助系统开发。
基本信息
资源简介
结肠镜视频理解基准
【数据集背景】
本数据集源站标题为《ajhamdi/colon-bench-eval》。源站首次发布：2026-03-29。
【数据内容】
源站原始描述：The code to visualize colon-bench (MICCAI 2026) data and run evaluations of MLLMs on the benchmark. # Colon-Bench: Colonoscopy Video Understanding Benchmark for MLLMs (MICCAI 2026) **Colon-Bench** is a comprehensive, human-verified, multi-task video benchmark for colonoscopy understanding. It spans **14 lesion categories** (including polyps, ulcers, and bleeding), over **300,000 bounding boxes**, **213,000 segmentation masks**, and **133,000 words** of clinical descriptions. `colon-bench-eval` i…
【主题与分类】
主题标签：benchmark、colonoscopy、detection、endoscopy、lesion-detection、lesion-segmentation、llms、miccai2026、mllms、polyp-segmentation。
【获取与许可】
源站页面：https://github.com/ajhamdi/colon-bench-eval
使用许可：NOASSERTION。
【使用注意】
· 源站最后修改于 2026-06-25，引用时请注意版本时效。
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
git clone https://github.com/ajhamdi/colon-bench-eval.git
curl -L -o repo.zip https://github.com/ajhamdi/colon-bench-eval/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
Install
uv is the recommended package manager.
Full install (everything including local VLM and viewer)
git clone https://github.com/ajhamdi/colon-bench-eval.git
cd colon-bench-eval
uv sync extra all
Core-only install (API-based evaluation + EdgeTAM segmentation)
uv sync
Individual extras
uv sync extra local-vlm # adds Qwen3-VL for local VQA inference
uv sync extra viewer # adds Streamlit viewer, matplotlib, Jupyter
The EdgeTAM checkpoint and its CUDA extension are built automatically by uv sync — no extra steps needed.
Alternative: pip install
If you prefer plain pip over uv:
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
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。
