Kvasir-SEG：一个分割的息肉数据集

像素级图像分割是医学图像分析中的一项高难度任务。在实际应用中，很难找到带有相应分割掩模的标注医学图像。本文介绍了Kvasir-SEG：一个开放访问的胃肠道息肉图像及其对应分割掩模的数据集，这些图像由一名医生手动标注，并经一位经验丰富的胃肠病学家验证。此外，我们还利用分割掩模生成了息肉区域的边界框。我们通过传统分割方法和现代基于深度学习的卷积神经网络（Convolutional Neural Network, CNN）方法展示了该数据集的应用。该数据集对于研究人员重现结果和比较方法具有重要价值。通过为仅提供帧级标注的Kvasir数据集添加分割掩模，我们使多媒体和计算机视觉领域的研究人员能够参与息肉分割及结肠镜图像自动分析的研究工作。