多模态胃肠道疾病图像数据集

摘要：多模态胃肠道疾病图像数据集是一个面向胃肠道疾病识别、医学图像分类与多模态影像分析的医学视觉数据集。

数据集概述

多模态胃肠道疾病图像数据集是一个面向胃肠道疾病识别、医学图像分类与多模态影像分析的医学视觉数据集。数据覆盖 贲门失弛症（Achalasia）、正常（Normal）和幽门狭窄（Pyloric Stenosis）3类状态，并为每个类别同时提供内镜图像和超声图像两种互补影像模态。内镜主要呈现胃肠道腔内表面形态和可见病变特征，超声则提供组织结构和内部解剖信息，因此能够从不同成像角度描述疾病，为单模态与多模态深度学习研究提供数据基础。

数据结构与关键特征

数据集按照疾病类别和成像模态进行分层组织，三个主要类别分别为 Achalasia、Normal 和 Pyloric_Senosis，每个类别下进一步划分为 Endoscopic 和 Ultrasound 图像文件夹。内镜图像可用于提取黏膜外观、管腔形态、狭窄区域及异常结构等视觉特征，超声图像则能够反映组织厚度、内部结构、边界和回声模式等信息。这样的目录结构便于分别训练内镜或超声分类模型，也可以按照疾病类别建立跨模态对应关系，开展内镜特征 + 超声特征的联合学习和多模态融合。

应用价值与研究方向

该数据集适用于贲门失弛症识别、幽门狭窄分类、正常与异常胃肠影像判别、内镜图像分析和超声图像分析等研究。单模态任务可采用 ResNet、DenseNet、EfficientNet、ConvNeXt、Swin Transformer 或 ViT 等模型进行分类与特征提取，多模态任务则可通过特征级融合、决策级融合、交叉注意力或多模态 Transformer 联合内镜与超声信息。进一步可研究跨模态特征互补、少样本医学分类、迁移学习、可解释性热力图、疾病区域定位以及多模态辅助诊断模型；该数据集应主要用于科研和教学，不应直接替代专业临床诊断。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-519
文件大小：1.4G
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。