PSI-AVA
八次根治性前列腺切除手术的内镜视频数据集，涵盖阶段识别、仪器检测和动作识别任务。
基本信息
资源简介
PSI-AVA
【数据集背景】
本数据集源站标题为《BCV-Uniandes/TAPIR》。源站首次发布：2022-05-02。
【数据内容】
源站原始描述：Towards Holistic Surgical Scene Understanding Natalia Valderrama 1,2 , Paola Ruiz Puentes 1,2* , Isabela Hernández 1,2* , Nicolás Ayobi 1,2 , Mathilde Verlyck 1,2 , Jessica Santander 3 , Juan Caicedo 3 , Nicolás Fernández 4,5 , Pablo Arbeláez 1,2 * Equal contribution. 1 Center for Research and Formation in Artificial Intelligence (CinfonIA). 2 Universidad de los Andes, Bogota, Colombia. 3 Fundación Santafé de Bogotá, Bogotá, Colombia 4 Seattle Children’s Hospital, Seattle, USA 5 University of Wa…
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://github.com/BCV-Uniandes/TAPIR
使用许可：MIT。
【使用注意】
· 源站最后修改于 2025-04-05，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/bcv-uniandes/tapir.git
curl -L -o repo.zip https://github.com/bcv-uniandes/tapir/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
Installation
Please follow these steps to run TAPIR:
$ conda create name tapir python=3.8 -y
$ conda activate tapir
$ conda install pytorch==1.9.0 torchvision==0.10.0 cudatoolkit=11.1 -c pytorch -c nvidia
$ conda install av -c conda-forge
$ pip install -U iopath
$ pip install -U opencv-python
$ pip install -U ''git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI''
$ pip install ''git+https://github.com/facebookresearch/fvcore''
$ pip install ''git+https://github.com/facebookresearch/fairscale''
$ python -m pip install ''git+https://github.com/facebookresearch/detectron2.git''
$ git clone https://github.com/BCV-Uniandes/TAPIR
$ cd TAPIR
$ pip install -r requirements.txt
Our code builds upon Multi Scale Vision Transformers[1]. For more information, please refer to this work.
Preparing data
First, extract the “keyframes” folder extracted from PSI-AVA data link. Then locate the “keyframes” folder in this repository’'s ./outputs/PSIAVA/ directory.
PSI-AVA/keyframes/* ===> ./outputs/PSIAVA/keyframes/
Then, extract the instrument features computed by deformable DETR from the “Def_DETR_Box_ftrs” folder extracted from the PSI-AVA data link. Locate these files in this repository as follows:
PSI-AVA/def_DETR_box_ftrs/fold1/* ===> ./outputs/data_annotations/psi-ava/fold1/*
PSI-AVA/def_DETR_box_ftrs/fold2/* ===> ./outputs/data_annotations/psi-ava/fold2/*
Ultimately, the outputs directory must have the following structure.
outputs
|_data_annotations
| |_psi-ava
| | |_fold1
| | | |_annotationas
| | | | ...
| | | |_coco_anns
| | | | ...
| | | |_frame_lists
| | | | ...
| | | |_train
| | | | |_box_features.pth
| | | |_val
| | | |_box_features.pth
| | |_fold2
| | ...
| |_psi-ava_extended
| ...
|_PSIAVA
|_keyframes
|_CASE001
| |_00000.jpg
## 数据加载示例（图像类）
```python
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。
