共聚焦激光内窥镜（CLE）是当前微创诊断领域的前沿技术，可实现细胞级分辨率的实时活体光学活检，无需对组织进行取样、切片、染色等传统病理操作，在消化道早癌筛查、术中肿瘤边界判定等场景具有极高应用价值。但受限于扫描原理，高帧率Lissajous模式CLE为兼顾动态捕捉能力，往往存在采样稀疏、像素缺失、运动伪影等问题，高度依赖AI算法进行实时图像修复。而行业此前始终缺乏统一的公开配对基准数据集，极大制约了相关算法的研发迭代与横向评测。
作为韩国顶尖工科院校，浦项工科大学在医疗成像、人工智能交叉领域拥有长期科研积累，本次联合共聚焦激光内窥镜设备研发企业VPIX Medical推出的MaLissa（Matched Lissajous CLE），是全球首个专门面向高帧率Lissajous CLE图像修复研究的开放基准数据集。本次发布的MaLissa数据集共包含2060组配对的低质量CLE视频帧与高质量参考图像，所有数据均基于猪胃组织样本采集生成，统一采用1024×1024分辨率标准。其中低质量帧模拟临床场景下10Hz高帧率采集的效果，存在70%以上的像素缺失，可真实还原临床实操中动态扫描的成像缺陷；高质量参考帧则以2Hz低帧率采集后通过双线性插值补全，拼接为宽视场高质量马赛克图像，二者通过相位相关配准算法完成精准对齐，可直接用于图像修复模型的训练、验证与效果评测，核心目标是解决临床内窥镜场景下普遍存在的运动伪影和像素稀疏性问题，为实时活体光学活检技术落地提供关键训练资源。
从应用价值来看，MaLissa数据集的落地有望为多个细分领域的技术突破提供核心数据支撑：一是医学内窥镜图像修复算法研发领域，可作为统一基准实现不同算法模型的效果横向对比，加速高鲁棒性实时修复算法的迭代；二是CLE临床应用领域，基于该数据集训练的AI模型可实现高帧率CLE图像的实时高清修复，支撑医生在消化道早癌筛查、炎症性肠病诊断等场景下实时观察细胞级组织形态，降低漏诊率，减少不必要的活检操作；三是术中精准诊断场景，可辅助CLE设备在肿瘤切除手术中快速判定切缘是否存在癌细胞残留，替代传统冰冻病理检测的部分功能，缩短手术时长，提升手术精准度。
作为全球首个公开的Lissajous CLE配对基准数据集，MaLissa的发布也为医疗科研数据的开放共享提供了参考样本。当前医疗数据要素的合规流通与开放利用是全球数字医疗发展的核心驱动力，细分领域高质量标注数据集的供给不足，始终是制约医疗AI技术落地的核心瓶颈之一，本次浦项工科大学联合产业端发布专业数据集的模式，也为“医工交叉”领域的产学研协同创新提供了可借鉴的路径。
查看MaLissa (Matched Lissajous CLE)
详情页内容：
_1769672084863.jpg)