FocusMAE胆囊癌超声视频数据集
在GBUSV基础上扩展的胆囊癌超声视频数据集，包含更多恶性病例，用于视频级胆囊癌检测。由IIT Delhi; PGIMER Chandigarh提供，来自FocusMAE Project，包含91条数据记录，适用于分类任务。
基本信息
资源简介
FocusMAE胆囊癌超声视频数据集
【一句话概览】
近年来，胆囊癌自动检测受到研究者关注。现有依赖超声图像的方法泛化能力有限，且单帧图像可能不足以捕捉疾病表现。本研究主张转向基于视频的胆囊癌检测，利用时空表征优势，采用掩码自编码器进行表征学习，并提出FocusMAE，使掩码标记选择偏向高信息区域，以更好表征恶性病变。研究还贡献了迄今规模最大的胆囊癌超声视频数据集，并称这是首个基于超声视频的胆囊癌检测研究。在自建数据集上，该方法报告了96.4%的新SOTA准确率，高于当前图像SOTA的84%和视频SOTA的94.7%；在公开CT新冠检测数据集上，准确率较基线提升3.3%（来源 gbc-iitd.github.io）。
【数据集背景】
本数据集源站标题为《FocusMAE: Gallbladder Cancer Detection from Ultrasound Videos with Focused Masked Autoencoders》。
【数据内容】
源站原始描述：In recent years, automated Gallbladder Cancer (GBC) detection has gained the attention of researchers. Current state-of-the-art (SOTA) methodologies relying on ultrasound sonography (US) images exhibit limited generalization, emphasizing the need for transformative approaches. We observe that individual US frames may lack sufficient information to capture disease manifestation. This study advocates for a paradigm shift towards video-based GBC detection, leveraging the inherent advantages of spat…
中文译文（机器翻译，仅供快速理解，请以原文为准）：近年来，自动化胆囊癌（GBC）检测引起了研究者的关注。当前依赖超声（US）图像的最先进（SOTA）方法表现出有限的泛化能力，凸显了变革性方法的必要性。我们观察到，单个US帧可能缺乏足够的信息来捕捉疾病表现。本研究倡导向基于视频的GBC检测范式转变，利用时空表示的固有优势。采用掩码自编码器（MAE）进行表示学习，我们解决了传统基于图像方法的不足。我们提出了一种名为FocusMAE的新设计，系统性地偏向从高信息区域选择掩码标记，促进对恶性肿瘤更精细的表示。此外，我们贡献了最广泛的用于GBC检测的US视频数据集。我们还注意到，这是首个基于US视频的GBC检测研究。我们在整理的数据集上验证了所提出的方法，并报告了GBC检测问题的新SOTA准确率96.4%，而当前基于图像的SOTA——GBCNet和RadFormer的准确率为84%，基于视频的SOTA——AdaMAE的准确率为94.7%。我们进一步在公开的基于CT的Covid检测数据集上展示了所提出的FocusMAE的通用性，报告了相比当前基线准确率提高了3.3%。
【主题与分类】
主题标签：Gallbladder Cancer、Ultrasound、Video、Masked Autoencoder、GBC detection。
【获取与许可】
源站页面：https://gbc-iitd.github.io/focusmae
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：https://gbc-iitd.github.io/focusmae
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
在GBUSV基础上扩展的胆囊癌超声视频数据集，包含更多恶性病例，用于视频级胆囊癌检测。
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。
