EDD2020内镜疾病检测分割数据集
EDD2020覆盖消化道内镜病变检测与分割，适合气道消化道疾病中的食管、胃肠黏膜异常识别，也可作为内镜AI算法训练和泛化测试数据。
基本信息
资源简介
EDD2020内镜疾病检测分割数据集
【数据集背景】
本数据集源站标题为《EDD2020: Endoscopy Detection and Segmentation》。源站首次发布：2025-03-26。
【数据内容】
源站原始描述：# 🎥 EDD2020: Endoscopy Disease Detection & Segmentation ## Multi-Organ Disease Analysis Dataset !License: CC BY 4.0 License Details Step into **EDD2020**, a multi-center dataset with **386 annotated endoscopy images** from the colon, esophagus, and stomach. Featuring **5 disease classes**, it’s designed for detection and segmentation tasks to push AI in clinical endoscopy forward! 🩺✨ - ## 📜 What’s This About? EDD2020 tackles disease detection and segmentation in endoscopy videos from 5 g…
【数据结构与技术规格】
文件数 20 个，合计 3.21 KB。
【主题与分类】
主题标签：image、health、universities and colleges、health conditions、image classification、image segmentation。
【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://www.kaggle.com/datasets/orvile/edd2020-endoscopy-detection-and-segmentation
使用许可：Attribution 4.0 International (CC BY 4.0)。
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
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("orvile/edd2020-endoscopy-detection-and-segmentation")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d orvile/edd2020-endoscopy-detection-and-segmentation
unzip edd2020-endoscopy-detection-and-segmentation.zip -d edd2020-endoscopy-detection-and-segmentation/
数据说明
多中心胃肠内镜图像数据，包含息肉、癌变、Barrett食管等病变框和分割标注。
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。
许可
CC BY 4.0
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。
