SYSU1H
SYSU1H数据集是一个多模态医学数据集，包含5799个喉镜图像与对应临床报告组成的图像-文本对，数据来源于中山大学附属第一医院，主要用于喉癌早期检测研究，通过融合视觉与文本信息解决喉癌与声带发育不良的形态学相似性问题，提升诊断准确性。该数据集已按8:1:1比例划分为训练、验证和测试集，为医学图像分析领域提供了可靠的实验资源。
基本信息
资源简介
SYSU1H数据集由中山大学附属第一医院创建，是一个多模态医学数据集，包含5799个图像-文本对，涵盖喉镜图像和相应的临床报告。该数据集首次整合了视觉与文本信息，旨在解决喉癌与声带发育不良在形态学上的相似性问题，为喉癌早期检测提供了独特的资源。数据集按照8:1:1的比例划分为训练集、验证集和测试集，确保了实验结果的可靠性和代表性。主要应用于医学图像分析、喉癌检测等研究方向，通过多模态融合提升早期检测的准确性。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
使用方式
数据集说明
SYSU1H 对应论文数据集（arXiv 预印本）。
数据获取指引
- 打开论文页面获取作者与项目信息：https://arxiv.org/abs/2412.18124v1
- 论文 Data Availability / Code Availability 章节标注了数据实际托管位置；
- 获取到实际数据链接后，按对应平台标准方式下载。
论文摘要：Abstract:The early detection of glottic carcinoma is critical for improving patient outcomes, as it enables timely intervention, preserves vocal function, and significantly reduces the risk of tumor progression and metastasis. However, the similarity in morphology between glottic carcinoma and vocal cord dysplasia results in suboptimal detection accuracy. To address this issue, we propose a vision large language model-based (VisionLLM-based) multimodal fusion network for glottic carcinoma detection, known as MMGC-Net. By integrating image and text modalities, multimodal models can capture complementary information, leading to more accurate and robust predictions. In this paper, we collect a private real glottic carcinoma dataset named SYSU1H from the First Affiliated Hospital of Sun Yat-sen University, with 5,799 image-text pairs. We leverage an image encoder and additional Q-Former to extract vision embeddings and the Large Language Model Meta AI (Llama3) to obtain text embeddings. These modalities are then integrated through a laryngeal feature fusion block, enabling a comprehensive integration of image and text features, thereby improving the glottic carcinoma identification performance. Extensive experiments on the SYSU1H dataset demonstrate that MMGC-Net can achieve state-of-the-art performance, which is superior to previous multimodal models.
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 喉癌 的高质量、多模态真实临床数据定制解决方案。
