EndoSLAM内镜定位数据集
EndoSLAM内镜定位数据集是公开可访问数据集，包含消化道内镜视频、位姿和同步传感器数据等视频数据，围绕Zenker憩室相关临床表现、影像、信号或组学信息，适合用于关键点标注、模型训练、外部验证和疾病机制探索。
基本信息
资源简介
EndoSLAM内镜定位数据集
【数据集背景】
本数据集源站标题为《CapsuleEndoscope/EndoSLAM》。源站首次发布：2020-09-14。
【数据内容】
源站原始描述：EndoSLAM Dataset and an Unsupervised Monocular Visual Odometry and Depth Estimation Approach for Endoscopic Videos: Endo-SfMLearner # EndoSLAM Dataset and an Unsupervised Monocular Visual Odometry and Depth Estimation Approach for Endoscopic Videos ## EndoSLAM Dataset Overview We introduce an endoscopic SLAM dataset which consists of both ex-vivo and synthetically generated data. The ex-vivo part of the dataset includes standard as well as capsule endoscopy recordings. The dataset is divided int…
【主题与分类】
主题标签：capsule-endoscopy、monocular-depth-estimation、pose-estimation、slam-dataset、visual-odometry。
【获取与许可】
源站页面：https://github.com/CapsuleEndoscope/EndoSLAM
使用许可：MIT。
【使用注意】
· 源站最后修改于 2022-06-21，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/CapsuleEndoscope/EndoSLAM.git
curl -L -o repo.zip https://github.com/CapsuleEndoscope/EndoSLAM/archive/refs/heads/master.zip
unzip repo.zip
源站 README 摘录（使用方式）
Getting Started
1. Installation
Clone Endo-SfMLearner Repository
cd ~
git clone https://github.com/CapsuleEndoscope/EndoSLAM
cd EndoSLAM
Prerequisities
You will need to build the Endo-SFMLearner environment by following commend:
pip3 install -r requirements.txt
For the details of EndoSfM-Learner, please check the “EndoSfMLearner” folder.
2. Use-Cases of Endo-SfMLearner with EndoSLAM Dataset
2.1 Depth Estimation
<p align=“center”>
<img src=‘‘imgs/real_stom_depth_fig.png’’ width=800/>
</p>
<p align=“center”>
<img src=‘‘imgs/unity_stom_depth_fig.png’’ width=800/>
</p>
<p align=“center”>
| Unity | Endo-SfMLearner | Endo-SfM w/o brightness | Endo-SfM w/o attention | SC-SfMLearner | Monodepth2 | Monodepth2 pretrained | SfMLearner | SfMLearner pretrained |
|---|---|---|---|---|---|---|---|---|
| RMSE(mean,stdev) | 0.2966 , 0.0622 | 0.3288, 0.0608 | 0.3273, 0.1086 | 0.3692 , 0.0779 | 0.3322 , 0.0815 | 0.4531 , 0.1011 | 0.3888 , 0.0711 | 0.4911 , 0.0831 |
</p>
2.2 Pose Estimation
- The pose trajectories of Endo-SfMLearner and state-of-the-art methods on ex-vivo small intestine recording obtained from Low Resolution and High Resolution endoscope cameras and Mirocam capsule camera as follows:
<p align=“center”>
<img src=‘‘imgs/real_pose.png’’ width=800/>
</p>
- The pose trajectory on synthetic stomach data acquired in Unity environment as follows:
<p align=“center”>
<img src=“imgs/unity_rgb_pose_new.gif” alt=“ply” width=320/>
</p>
2.3 3D Map Reconstruction
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。
