MedScribble生物医学图像分割数据集-ECCV24收录 多任务涂鸦标注数据

一、数据集核心信息

- 数据来源：由麻省理工学院研究团队2024年发布，配套论文「ScribblePrompt: Fast and Flexible Interactive Segmentation for Any Biomedical Image」已被国际顶级会议ECCV24接受，数据权威性与学术认可度极高。

- 覆盖范围：整合14个开放生物医学图像分割数据集的14个核心任务，包含64对2D图像分割配对，每对均配备3名标注者的手写涂鸦注释；标注涵盖正负涂鸦标示感兴趣区域，适配多场景交互式分割研究。

- 数据规范：所有图像经标准化预处理（零填充为正方形后调整至256×256大小，重缩放至[0,1]范围）；3D数据集按文件夹指示选取中间切片或最大标签面积切片，无需额外预处理即可直接用于模型训练。

二、适用场景与可用途径

1. 学术研究：支撑生物医学图像分割、交互式AI诊断、计算机视觉等方向论文撰写，为交互式分割模型的训练与性能评估提供标准化实证数据，适配跨任务泛化能力研究场景。

2. 技术开发：适配医疗图像分割算法优化、交互式分割工具研发（如涂鸦/点击式分割系统），助力提升AI模型对生物医学图像感兴趣区域的精准识别能力，可应用于ScribblePrompt等先进模型的训练优化。

3. 医疗AI应用：辅助医疗影像设备研发企业构建临床辅助诊断系统，为智能影像分割工具的落地测试提供高质量标注数据，适配肿瘤、器官等多种生物医学结构的分割任务验证。