Endoscapes是一个专门用于外科手术场景分割、目标检测和关键视图安全性(CVS)评估研究的大型数据集。它包含201个腹腔镜胆囊切除术(LC)视频，并提供以下精细标注: 1. Endoscapes-CVS201： 包含 201 个视频的 58813 帧，其中 11090 帧每隔 5 秒被注释一次 CVS，CVS 标签是三位专家提供的三个二进制图像级别的注释，表示是否达成了三个 CVS 标准。 2. Endoscapes-BBox201：包含与 Endoscapes-CVS201 相同的 58813 帧，其中 1933 帧每隔 30 秒被注释了 6 个不同类别（5 个解剖结构和 1 个工具类别）的边界框。 3. Endoscapes-Seg50： 包含 50 个视频的 14940 帧，其中 493 帧（每隔 30 秒一帧）被注释了分割掩码。 可视化图里展示了 Endoscapes 数据集中一段腹腔镜胆囊切除术（LC）视频的某个帧的详细注释。图片从多个方面介绍了注释类型及其在手术视频中的应用。 顶部展示了一系列手术视频帧，每个帧都附有一个 "CVS Label" 标注。这些标注代表每个帧的安全关键视图（CVS）评估状态。 中部的图像展示了一个具体的手术场景，并附有多种注释类型： 分割掩码： 胆囊（Gallbladder）：用绿色表示。 Calot三角区（Calot Triangle）：用蓝色表示。 胆囊动脉（Cystic Artery）：用红色表示。 胆囊管（Cystic Duct）：用深蓝色表示。 胆囊板（Cystic Plate）：用黄色表示。 工具（Tool）：用橙色表示。 2. 边界框： 每个解剖结构和工具都用不同颜色的边界框标出，分别对应其分割掩码的颜色。 3. 右侧显示了当前帧的 CVS 评估结果，表示为三个标准的二值标注： C1: 1 C2: 1 C3: 1 这表示该帧满足了所有三个安全关键视图的标准。

腹部

$DATA_HOME
└── train
    ├── 1_29375.jpg # SYNTAX: ${VIDEO_ID}_{FRAME_NUM}.jpg
    ├── ...
    ├── 120_85800.jpg
    ├── annotation_coco.json # Annotation File for Endoscapes-BBox201 (Object Detection, COCO Format). Also contains instance segmentation where available.
    ├── annotation_coco_vid.json # Annotation File for Endoscapes-CVS201 Temporal Models. Contains Bounding Box/Segmentation where available.
    ├── annotation_ds_coco.json # Annotation File for Endoscapes-CVS201 Single-Frame Models. Contains Bounding Box/Segmentation where available.
└── val
    ├── 121_14850.jpg
    ├── ...
    ├── 161_34325.jpg
    ├── annotation_coco.json
    ├── annotation_coco_vid.json
    ├── annotation_ds_coco.json
└── test
    ├── 162_5850.jpg
    ├── ...
    ├── 201_46125.jpg
    ├── annotation_coco.json
    ├── annotation_coco_vid.json
    ├── annotation_ds_coco.json
└── train_seg
    ├── 4_21725.jpg
    ├── ...
    ├── 119_58000.jpg
    ├── annotation_coco.json # Annotation File for Endoscapes-Seg50 (bounding boxes + instance segmentation, COCO format)
└── val_seg
    ├── 126_10825.jpg
    ├── ...
    ├── 159_60875.jpg
    ├── annotation_coco.json
└── test_seg
    ├── 165_22925.jpg
    ├── ...
    ├── 189_34875.jpg
    ├── annotation_coco.json
└── 12_5 # Official 12.5% Splits of Endoscapes-CVS201 Train Set (3 folds)
    ├── train_0
        ├── 16_9500.jpg
        ├── ...
        ├── 118_121800.jpg
        ├── annotation_coco.json
        ├── annotation_coco_vid.json
        ├── annotation_ds_coco.json
    ├── train_1
        ├── 2_29075.jpg
        ├── ...
        ├── 107_57875.jpg
        ├── annotation_coco.json
        ├── annotation_coco_vid.json
        ├── annotation_ds_coco.json
    ├── train_2
        ├── 8_14050.jpg
        ├── ...
        ├── 119_90825.jpg
        ├── annotation_coco.json
        ├── annotation_coco_vid.json
        ├── annotation_ds_coco.json
└── 25 # Official 25% Splits of Endoscapes-CVS201 Train Set (3 folds)
    ├── train_0
        ├── 1_29375.jpg
        ├── ...
        ├── 116_36150.jpg
        ├── annotation_coco.json
        ├── annotation_coco_vid.json
        ├── annotation_ds_coco.json
    ├── train_1
        ├── 2_29075.jpg
        ├── ...
        ├── 120_85800.jpg
        ├── annotation_coco.json
        ├── annotation_coco_vid.json
        ├── annotation_ds_coco.json
    ├── train_2 # Same videos as train_seg above
        ├── 4_21725.jpg
        ├── ...
        ├── 119_58000.jpg
        ├── annotation_coco.json
        ├── annotation_coco_vid.json
        ├── annotation_ds_coco.json
└── all_metadata.csv # all metadata for the entire Endoscapes2023 (CVS annotations from all annotators, etc.)
└── insseg
    ├── 5_5900.npy # stack of instance masks, where each channel corresponds to an object instance
    ├── 5_5900.csv # label of each slice of numpy masks
    ├── ...
└── semseg
    ├── 5_5900.png # semantic segmentation mask, 480x854x3 image with each element representing the class_id of each pixel; the 3 channels are identical
    ├── ...
└── train_vids.txt # 120 training videos for Endoscapes-CVS201 and Endoscapes-BBox201
└── val_vids.txt # 41 validation videos for Endoscapes-CVS201 and Endoscapes-BBox201
└── test_vids.txt # 40 testing videos for Endoscapes-CVS201 and Endoscapes-BBox201
└── train_seg_vids.txt # 30 training videos for Endoscapes-Seg50
└── val_seg_vids.txt # 10 validation videos for Endoscapes-Seg50
└── test_seg_vids.txt # 10 testing videos for Endoscapes-Seg50
└── seg_label_map.txt # map from class name to id; note that background is ignored for object detection/instance segmentation; for these tasks, id 0 becomes cystic plate, ...

@article{murali2023endoscapes,
      title={The Endoscapes Dataset for Surgical Scene Segmentation, Object Detection, and Critical View of Safety Assessment: Official Splits and Benchmark},
      author={Aditya Murali and Deepak Alapatt and Pietro Mascagni and Armine Vardazaryan and Alain Garcia and Nariaki Okamoto and Guido Costamagna and Didier Mutter and Jacques Marescaux and Bernard Dallemagne and Nicolas Padoy},
      journal={arXiv preprint arXiv:2312.12429},
      year={2023},
}

官方网站：
访问官网

下载链接：

百度网盘：

相关论文：
查看论文

发布日期： 2024.1.26