喉内镜语义分割图像集
喉内镜语义分割图像集公开提供图像数据，围绕喉部内镜和声带病变相关病例、标注或临床/组学信息，适合用于图像分割、算法训练、外部验证、表型分析和疾病机制探索。
基本信息
资源简介
喉内镜语义分割图像集
【一句话概览】
该数据集包含536张喉部彩色图像，来自两台不同切除手术，分辨率为512×512像素，由立体内窥镜（VSii，Visionsense，以色列佩塔提克瓦）采集。图像分为7类：空洞、声带、其他组织、声门间隙、病变、手术工具等。第一行为声带数据集示例，第二行为人工分割的真实标签图，其中声带为红色、其他组织为蓝色、声门间隙为绿色、病变为紫色、手术工具为橙色、插管为黄色、空洞为灰色。数据集由两名患者的5个不同序列组成（来源 datasetninja.com）。
【数据集背景】
本数据集源站标题为《Laryngeal Endoscopic》。
【数据内容】
源站原始描述：The dataset contain 536 manually segmented color images of the larynx during two different resection surgeries with a resolution of 512×512 pixels. The images have been captured with a stereo endoscope (VSii, Visionsense, Petach-Tikva, Israel). They are categorized in the 7 different classes: void , vocal folds , other tissue , glottal space , pathology , surgical tool . First row: Examples from vocal folds dataset. Second row: Manually segmented ground truth label maps with classes vocal folds…
中文译文（机器翻译，仅供快速理解，请以原文为准）：该数据集包含536张在两次不同的切除手术中手动分割的喉部彩色图像，分辨率为512×512像素。这些图像是通过立体内窥镜（VSii，Visionsense，以色列佩塔提克瓦）捕获的。它们被分为7个不同的类别：空白、声带、其他组织、声门空间、病理、手术工具。第一行：声带数据集的示例。第二行：手动分割的地面实况标签图，类别包括声带（红色）、其他组织（蓝色）、声门空间（绿色）、病理（紫色）、手术工具（橙色）、插管（黄色）和空白（灰色）。该数据集包含来自两名患者的5个不同序列。
【主题与分类】
主题标签：medical、semantic segmentation、laryngeal、endoscopic、vocal folds、larynx、robotics。
【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://datasetninja.com/vocalfolds
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：https://datasetninja.com/vocalfolds
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
喉内镜语义分割图像集是与喉部内镜和声带病变相关的公开数据集，包含图像数据，可用于图像分割、分型、诊断或预后研究。
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。
