AW-Madison胃肠道分割数据集-11.5万条标注记录含1.6万张掩码图片

# AW-Madison胃肠道分割数据集 - 11.5万条标注记录含1.6万张掩码图片

## 引言与背景

医学影像分割是计算机辅助诊断的重要研究方向，胃肠道分割对于消化系统疾病的诊断和治疗具有重要意义。本数据集包含11.5万条胃肠道CT影像标注记录，涵盖大肠、小肠和胃三个器官的分割标注，并附带1.6万张预处理后的掩码图片，为医学影像分割模型训练提供了丰富的数据资源。

数据集来源于AW-Madison医学影像挑战赛，包含85个病例、35天的时序数据，是研究医学影像时序变化和器官分割的理想数据集。

## 数据基本信息

### 数据集概览

| 项目 | 描述 |
|------|------|
| 数据规模 | 115,488 条记录 × 12 个字段 |
| 掩码图片数量 | 16,590 张 |
| 病例数量 | 85 个 |
| 时间跨度 | 35 天 |
| 器官类别 | 3种（大肠、小肠、胃） |
| 格式 | CSV + PNG |

### 数据字段说明

| 字段名称 | 字段类型 | 字段含义 | 数据示例 | 完整性 |
|----------|----------|----------|----------|----------|
| id | string | 切片唯一标识 | case123_day20_slice_0001 | 100% |
| class | string | 器官类别 | large_bowel | 100% |
| segmentation | string | 分割标注（RLE编码） | 空或编码字符串 | 部分 |
| case | int | 病例编号 | 123 | 100% |
| day | int | 天数 | 20 | 100% |
| slice_no | int | 切片序号 | 1 | 100% |
| path | int | 图片路径（预处理后） | 0 | 100% |
| image_width | int | 图片宽度 | 0 | 100% |
| image_height | int | 图片高度 | 0 | 100% |
| pixel_width | float | 像素宽度(mm) | 0.0 | 100% |
| pixel_height | float | 像素高度(mm) | 0.0 | 100% |
| mask_path | int | 掩码路径 | 0 | 100% |

### 数据分布情况

#### 器官类别分布

| 类别 | 记录数量 | 占比 |
|------|----------|------|
| large_bowel（大肠） | 38,496 | 33.33% |
| small_bowel（小肠） | 38,496 | 33.33% |
| stomach（胃） | 38,496 | 33.33% |

#### 病例分布

| 统计项 | 值 |
|--------|------|
| 总病例数 | 85 |
| 平均每病例切片数 | 1,358 |
| 最大天数 | 35 |

## 数据优势

| 优势特征 | 具体表现 | 应用价值 |
|----------|----------|----------|
| 数据规模大 | 11.5万条标注记录 | 支持大规模深度学习模型训练 |
| 多器官标注 | 包含大肠、小肠、胃三类 | 支持多器官同时分割 |
| 时序数据完整 | 35天连续监测数据 | 支持时序分析和变化检测 |
| 掩码图片完整 | 1.6万张预处理掩码 | 可直接用于模型训练 |
| 临床价值高 | 真实医学影像数据 | 支持临床辅助诊断研究 |

## 数据样例

### 元数据样例

| id | class | case | day | slice_no |
|----|-------|------|-----|----------|
| case123_day20_slice_0001 | large_bowel | 123 | 20 | 1 |
| case123_day20_slice_0001 | small_bowel | 123 | 20 | 1 |
| case123_day20_slice_0001 | stomach | 123 | 20 | 1 |
| case123_day20_slice_0002 | large_bowel | 123 | 20 | 2 |
| case123_day20_slice_0002 | small_bowel | 123 | 20 | 2 |
| case123_day20_slice_0002 | stomach | 123 | 20 | 2 |
| case123_day20_slice_0003 | large_bowel | 123 | 20 | 3 |
| case123_day20_slice_0003 | small_bowel | 123 | 20 | 3 |
| case123_day20_slice_0003 | stomach | 123 | 20 | 3 |
| case123_day20_slice_0004 | large_bowel | 123 | 20 | 4 |

### 掩码图片说明

> 说明：数据集包含16,590张预处理后的PNG格式掩码图片，存储于zip_masks2D/目录下。每张图片对应CT影像的一个切片，包含大肠、小肠、胃三个器官的分割标注。由于格式限制无法在文档中直接展示图片内容，但实际数据集中包含完整的原始图片文件可供使用。

## 应用场景

### 医学影像分割模型训练

数据集包含丰富的标注数据和掩码图片，是训练胃肠道分割模型的理想资源。研究人员可以利用这些数据训练深度学习模型，实现大肠、小肠和胃的自动分割。这对于辅助医生进行消化系统疾病诊断具有重要意义，可提高诊断效率和准确性。

### 时序变化分析

数据集中包含35天的连续监测数据，支持研究胃肠道在治疗过程中的变化。通过分析不同时间点的影像数据，可以评估治疗效果，为个性化治疗方案提供数据支持。例如，在炎症性肠病治疗中，可以监测肠道炎症的变化情况。

### 计算机辅助诊断系统开发

基于训练好的分割模型，可以开发计算机辅助诊断系统。该系统可以自动识别和分割胃肠道器官，帮助医生快速定位病变区域，提高诊断效率。同时，系统还可以提供量化分析，如器官体积测量、病变面积计算等。

### 医学影像预处理研究

数据集提供了预处理后的掩码图片，可用于研究医学影像预处理技术。研究人员可以对比不同预处理方法对分割结果的影响，优化预处理流程，提高模型性能。

## 结尾

本数据集是一个高质量的医学影像分割数据集，包含11.5万条标注记录和1.6万张掩码图片，涵盖大肠、小肠和胃三个器官的分割标注。数据集具有数据规模大、时序数据完整、临床价值高等优点，为医学影像分割研究和临床应用提供了丰富的数据资源。

数据集包含完整的原始掩码图片文件，这是其核心优势之一，支持直接用于深度学习模型训练和医学影像分析。

如有需要，可获取更多数据集相关信息。