SERV-CT：基于CT的立体内窥镜重建验证视差数据集
手术场景的内窥镜立体重建会产生特定的问题，包括缺乏清晰的角落特征、高度镜面反射的表面特性以及血液和烟雾的存在。这些问题给立体重建本身和标准化数据集生产带来了困难。我们提出了一个基于锥形束 CT (SERV-CT) 的立…
基本信息
资源简介
SERV-CT：基于CT的立体内窥镜重建验证视差数据集
【一句话概览】
SERV-CT 是一个基于锥形束 CT 的立体内窥镜重建验证数据集，旨在应对手术场景中立体重建面临的缺乏清晰角落特征、高度镜面反射以及血液和烟雾干扰等困难。研究在内窥镜视野内放置两具离体小猪全躯干尸体，通过 CT 扫描观察内窥镜与目标解剖结构，手动对齐内窥镜方向以匹配立体视图，并计算基准视差、深度和遮挡。CT 扫描要求将每个样本的立体对数限制为 8 个，第二个样本另获取 RGB 表面以辅助对齐平滑无特征表面。重复手动对齐显示约 2 像素的 RMS 视差精度和约 2 mm 的深度精度。该数据集提供内窥镜图像对及相应校准、视差、深度和遮挡，覆盖大部分内窥镜图像和多种组织类型，为手术应用提供易于使用的立体验证（来源 opendatalab。
【数据集背景】
本数据集源站标题为《SERV-CT (SERV-CT: A disparity dataset from CT for validation of endoscopic 3D reconstruction)》。
【数据内容】
源站原始描述：手术场景的内窥镜立体重建会产生特定的问题，包括缺乏清晰的角落特征、高度镜面反射的表面特性以及血液和烟雾的存在。这些问题给立体重建本身和标准化数据集生产带来了困难。我们提出了一个基于锥形束 CT (SERV-CT) 的立体内窥镜重建验证数据集。在内窥镜视野内放置两具离体小猪全躯干尸体，在 CT 扫描中可以看到内窥镜和目标解剖结构。手动对齐内窥镜的后续方向以匹配立体视图，并计算基准差异、深度和遮挡。 CT 扫描的要求将每个离体样本的立体对数限制为 8 个。对于第二个样本，获取 RGB 表面以帮助对齐平滑、无特征的表面。重复的手动对齐显示了大约 2 个像素的 RMS 视差精度和大约 2 mm 的深度精度。提供了一个简化的参考数据集，由内窥镜图像对组成，具有相应的校准、差异、深度和遮挡，涵盖了大部分内窥镜图像和一系列组织类型，包括光滑的镜面，以及深度的显著变化。 SERV-CT 数据集为手术应用提供了易于使用的立体验证，具有平滑的参考差异和深度，覆盖了大部分内窥镜图像。
中文译文（机器翻译，仅供快速理解，请以原文为准）：手术场景的内窥镜立体重建会产生特定的问题，包括缺乏清晰的角落特征、高度镜面反射的表面特性以及血液和烟雾的存在。这些问题给立体重建本身和标准化数据集生产带来了困难。我们提出了一个基于锥形束 CT (SERV-CT) 的立体内窥镜重建验证数据集。在内窥镜视野内放置两具离体小猪全躯干尸体，在 CT 扫描中可以看到内窥镜和目标解剖结构。手动对齐内窥镜的后续方向以匹配立体视图，并计算基准差异、深度和遮挡。 CT 扫描的要求将每个离体样本的立体对数限制为 8 个。对于第二个样本，获取 RGB 表面以帮助对齐平滑、无特征的表面。重复的手动对齐显示了大约 2 个像素的 RMS 视差精度和大约 2 mm 的深度精度。提供了一个简化的参考数据集，由内窥镜图像对组成，具有相应的校准、差异、深度和遮挡，涵盖了大部分内窥镜图像和一系列组织类型，包括光滑的镜面，以及深度的显著变化。 SERV-CT 数据集为手术应用提供了易于使用的立体验证，具有平滑的参考差异和深度，覆盖了大部分内窥镜图像。
【主题与分类】
主题标签：图像、CV、3D重建、内窥镜、立体重建、CT、视差、深度、遮挡、手术。
【适用方向】
多模态数据适合跨模态对齐、融合建模与联合表征学习方向的研究。
【获取与许可】
源站页面：https://opendatalab.org.cn/OpenDataLab/SERV-CT
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/SERV-CT
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:
数据集大小约 0.64 GB。
数据说明
手术场景内窥镜立体重建验证数据集，基于锥形束CT（SERV-CT），包含离体猪全躯干的内窥镜图像对、校准、视差、深度和遮挡信息，用于验证内窥镜3D重建算法，覆盖多种组织类型和深度变化。
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。
