SLAKE
SLAKE是一个大规模双语医疗视觉问答数据集，包含642张放射学图像和14,000个问题-答案对，提供语义标签和医学知识图谱，用于辅助诊断和教育。
基本信息
资源简介
SLAKE
【一句话概览】
SLAKE 是一个面向医学视觉问答（Med-VQA）的语义标注知识增强数据集，相关报告发表于 ISBI 2021 口头报告。该数据集为大型双语数据集，由经验丰富的医生标注了全面的语义标签，并构建了新的结构化医学知识库。相比现有数据集，SLAKE 包含更丰富的模态，覆盖更多人体部位，涉及脑、颈、胸、腹、盆腔等区域，并涵盖知识型问题、语义分割与目标检测等任务（来源 med-vqa.com）。
【数据集背景】
本数据集源站标题为《SLAKE: A Semantically-Labeled Knowledge-Enhanced Dataset for Medical Visual Question Answering》。
【数据内容】
源站原始描述：The report of SLAKE: A Semantically-Labeled Knowledge-Enhanced Dataset for Medical Visual Question Answering [ISBI 2021 oral]. We build a large bilingual dataset, SLAKE, with comprehensive semantic labels annotated by experienced physicians and a new structural medical knowledge base for Med-VQA. Besides, SLAKE includes richer modalities and covers more human body parts than the currently available dataset
中文译文（机器翻译，仅供快速理解，请以原文为准）：SLAKE报告：一种用于医学视觉问答的语义标注知识增强数据集[ISBI 2021口头报告]。我们构建了一个大型双语数据集SLAKE，其中包含由经验丰富的医生标注的全面语义标签，以及一个用于医学视觉问答（Med-VQA）的新结构医学知识库。此外，SLAKE相较于现有数据集，包含了更丰富的模态并覆盖了更多人体部位。
【主题与分类】
主题标签：Med-VQA、Dataset、Medical Visual Question Answering、Bilingual、Knowledge-based Questions、Semantic Segmentation、Object Detection、Brain、Neck、Chest。
【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：http://www.med-vqa.com/slake
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。
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：http://www.med-vqa.com/slake
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
SLAKE是一个大规模、语义标注丰富、知识增强的双语医疗视觉问答数据集，包含642张放射学图像，涵盖多种成像模式和人体部位，共有14,000个问题-答案对。该数据集提供了详细的语义标签和扩展的医学知识图谱，用于推动医疗视觉问答系统的发展，应用领域包括辅助诊断、临床教育和患者健康信息获取。
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。
