mjahmadi/Cataract-LMM
👁️ Cataract-LMM: Large-Scale Multi-Source Multi-Task Benchmark for Surgical AI Welcome to the official repository for the Cataract-LMM dataset. Hosted on Hugging Face, this dataset represents a comprehensive, clinically representative benchmark designed to accelerate deep learning research in surgical video analysis. By bridging the gap between isolated, single-task datasets and the complex reality of surgical environments, Cataract-LMM… See the full description on the dataset page: https://huggingface.co/datasets/mjahmadi/Cataract-LMM.
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tháng
#1 Repository Của Tháng
#1 Repository Của Tháng
👁️ Cataract-LMM: Bộ dữ liệu đa nguồn, đa nhiệm lớn nhất cho phẫu thuật đục thủy tinh thể
Cataract-LMM cung cấp dữ liệu phẫu thuật thật từ 3.000 ca, ghi nhận từ hai bệnh viện khác nhau, với đủ dạng chú giải từ phân đoạn thể thao đến nhận dạng giai đoạn phẫu thuật.
Cataract-LMM là một bộ dữ liệu đại diện lâm sàng quy mô lớn, được xây dựng bởi nhóm nghiên cứu từ IRAN (K.N. Toosi University of Technology, Tehran University of Medical Sciences) và Canada (University of Alberta). Mục tiêu của dự án là tạo ra một bài trắng chuẩn đoán đa nhiệm thực tế cho nghiên cứu học sâu trong phân tích video phẫu thuật, giúp thu hẹp khoảng cách giữa các bộ dữ liệu đơn nhiệm và thực tế phẫu thuật phức tạp.
✨ Điểm nổi bật
- Quy mô khổng lồ: 3.000 ca phẫu thuật, lên tới 1.134,2 giờ footage liên tục.
- Đa nguồn thu thập: Ghi chụp từ hai bệnh viện khác nhau — Farabi Eye Hospital (2.930 ca) và Noor Eye Hospital (70 ca).
- Đa dạng phần cứng: Dữ liệu thu thập từ máy ghi Haag-Streit HS Hi-R NEO 900 và kính viễn vọng số ZEISS ARTEVO 800.
- Phân loại 5 chất lượng dữ liệu: Phase Recognition, Instance Segmentation, Object Detection, Skill Assessment, Kinematic Analysis.
- Chú giải chuyên sâu: Bao gồm phân đoạn thể thao, nhận dạng giai đoạn, theo dõi vật thể, phân loại kỹ năng phẫu thuật.
- Các trường hợp thực tế: Ghi nhận các trường hợp từ cư dân đến chuyên gia, phản ánh đường phẫu thuật thực tế và đa dạng.
💡 Vì sao đáng chú ý
Khác biệt từ các bộ dữ liệu truyền thống chỉ tập trung vào một nhiệm vụ duy nhất, Cataract-LMM tích hợp đồng thời nhiều lớp chú giải phong phú — từ nhận dạng giai đoạn, phân đoạn thể thao cho tới đánh giá kỹ năng — trên cùng một nền tảng video thực tế. Điều này cho phép huấn luyện và kiểm chứng các mô hình AI hỗ trợ phẫu thuật đa nhiệm, gần gũi hơn với môi trường lâm sàng thực sự. Dự án đặc biệt hữu ích cho các nhà nghiên cứu trong lĩnh vực AI y tế, hỗ trợ phẫu thuật và khoa học dữ liệu phẫu thuật.
#SurgicalAI #MedicalDataset #CataractSurgery #MultiTaskLearning #ComputerVision #TiniX
Similar Projects
Discover other similar projects and AI models.
Overview BRIGHT is the first open-access, globally distributed, event-diverse multimodal dataset specifically curated to support AI-based disaster response. It covers five types of natural disasters and two types of man-made disasters across 14 regions worldwide, with a particular focus on developing countries. About 4,200 paired optical and SAR images containing over 380,000 building instances in BRIGHT, with a spatial resolution between 0.3 and 1 meters, provides detailed representations… See the full description on the dataset page: https://huggingface.co/datasets/Kullervo/BRIGHT.
NVIDIA Physical AI SimReady Warehouse OpenUSD Dataset Dataset Version: 1.1.0 Date: May 18, 2025 Author: NVIDIA, Corporation License: CC-BY-4.0 (Creative Commons Attribution 4.0 International) Contents This dataset includes the following: This README file A CSV catalog that enumerates all of the OpenUSD assets that are part of this dataset including a sub-folder of images that showcase each 3D asset (physical_ai_simready_warehouse_01.csv). The CSV file is… See the full description on the dataset page: https://huggingface.co/datasets/nvidia/PhysicalAI-SimReady-Warehouse-01.
OMEGA Labs Bittensor Subnet: Multimodal Dataset for AGI Research Introduction The OMEGA Labs Bittensor Subnet Dataset is a groundbreaking resource for accelerating Artificial General Intelligence (AGI) research and development. This dataset, powered by the Bittensor decentralized network, aims to be the world's largest multimodal dataset, capturing the vast landscape of human knowledge and creation. With over 1 million hours of footage and 30 million+ 2-minute… See the full description on the dataset page: https://huggingface.co/datasets/omegalabsinc/omega-multimodal.
🗺️ OverMaps-1K Dataset OverMaps-1K represents the convergence of classical 3D reconstruction rigor with the massive data requirements of modern Generative AI. Designed to bridge the gap between scale and quality, this dataset moves beyond the limitations of uncontrolled web videos or synthetic renders. It provides a foundation for training spatial reasoning in foundation models, advancing neural rendering, and developing robotic perception systems that can… See the full description on the dataset page: https://huggingface.co/datasets/OverTheReality/OverMaps_1k.
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
The CT-RATE Team organizes the VLM3D Challenge VLM3D 2026 (2nd Edition) → Challenge Finals at MICCAI 2026 VLM3D 2025 (1st Edition) → Challenge Finals at MICCAI 2025 • Workshop at ICCV 2025 The CT-RATE Team is developing the MR-RATE Dataset A large-scale brain MRI dataset with paired radiology reports for training 3D vision-language models. GitHub | Dataset | Metadata Dashboard Generalist Foundation Models from a Multimodal Dataset… See the full description on the dataset page: https://huggingface.co/datasets/ibrahimhamamci/CT-RATE.
Dataset Card for MathVista Dataset Description Paper Information Dataset Examples Leaderboard Dataset Usage Data Downloading Data Format Data Visualization Data Source Automatic Evaluation License Citation Dataset Description MathVista is a consolidated Mathematical reasoning benchmark within Visual contexts. It consists of three newly created datasets, IQTest, FunctionQA, and PaperQA, which address the missing visual domains and are tailored to evaluate… See the full description on the dataset page: https://huggingface.co/datasets/AI4Math/MathVista.
OpenTME: Open-Access Tumor Microenvironment Profiles from TCGA OpenTME is an open-access project by Aignostics for academic researchers. It provides comprehensive spatial outputs for whole slide images (WSIs) of H&E-stained, formalin-fixed, paraffin-embedded slides from The Cancer Genome Atlas (TCGA). OpenTME is powered by Atlas H&E-TME – a computational pathology application developed by Aignostics. Atlas H&E-TME Atlas H&E-TME is a foundation model-based… See the full description on the dataset page: https://huggingface.co/datasets/Aignostics/OpenTME.