GynSurg
最大的妇产科腹腔镜手术多任务数据集，包含152个高清视频和精细标注，支持手术动作识别、分割和事件检测。
基本信息
资源简介
GynSurg
【一句话概览】
GynSurg 是一个面向妇科腹腔镜手术的综合多任务数据集，旨在支持多种基于视频的手术分析任务。它整合了高分辨率视频、针对手术动作与副作用的密集时间标注，以及手术器械和解剖结构的像素级分割掩码。该统一数据集为手术动作识别、器械与解剖结构分割、术中事件检测及工作流程理解等研究提供了基础。各数据子集的结构与内容在后续小节中详述（来源 ftp.itec.aau.at）。
【数据集背景】
本数据集源站标题为《GynSurg: Gynecology Laparoscopic Surgery Dataset》。
【数据内容】
源站原始描述：GynSurg is a comprehensive multi-task dataset for gynecologic laparoscopic surgery, designed to support a wide range of video-based surgical analysis tasks. GynSurg integrates high-resolution video, dense temporal annotations for surgical actions and side effects, and pixel-level segmentation masks for surgical instruments and anatomical structures. This unified dataset provides a foundation for advancing research in surgical action recognition, instrument and anatomical segmentation, intraopera…
中文译文（机器翻译，仅供快速理解，请以原文为准）：GynSurg是一个面向妇科腹腔镜手术的综合多任务数据集，旨在支持广泛的基于视频的手术分析任务。GynSurg整合了高分辨率视频、针对手术动作和副作用的时间密集标注，以及手术器械和解剖结构的像素级分割掩膜。这一统一数据集为推进手术动作识别、器械与解剖结构分割、术中事件检测以及工作流程理解等研究提供了基础。各数据子集的结构与内容将在以下小节中详细说明。
【主题与分类】
主题标签：Gynecology、Laparoscopic Surgery、Action Recognition、Semantic Segmentation、Instrument Segmentation、Anatomy Segmentation、Side Effect Recognition、Video、Hysterectomy、Surgical Workflow。
【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://ftp.itec.aau.at/datasets/GynSurge/
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://ftp.itec.aau.at/datasets/GynSurge/
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
GynSurg 是目前最大的妇产科腹腔镜手术多任务数据集，包含152个高清晰度视频，由专家精心标注了四种关键手术动作和两种术中副作用。数据集还包括超过12000帧像素级分割掩码，涵盖了所有常用腹腔镜仪器和四个关键盆腔器官。GynSurg 为研究手术动作识别、仪器和解剖结构分割、术中事件检测和工作流程理解提供了统一资源，旨在推动术中决策支持、术后分析和手术发现的研究进展。
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。
