3D OCTA 微血管标注数据集
本研究采用了两个 OCTA 数据集。第一个是临床数据集，包括健康个体和糖尿病视网膜病变患者的扫描，采集于典型黄斑视野（3 × 3 mm）
基本信息
资源简介
3D OCTA 微血管标注数据集
3D OCTA Microvascular Annotations 是一个面向糖尿病视网膜病变相关微血管分析的三维光学相干断层血管成像（OCTA）数据集，由 Zhang, Jiong 与 Zhang, Jinxian 发布，机构来源为 Zenodo，发布时间为 2025 年。该数据集在站内被归类于内分泌、营养和代谢疾病 / 糖尿病方向，来源站为 doi.org，采用 Creative Commons Attribution 4.0 International 许可协议。数据集围绕 OCTA 微血管标注展开，包含临床扫描与健康受试者标注扫描两类数据，旨在支撑分割精度、鲁棒性以及不同成像条件下泛化能力的方法验证。其核心价值在于将健康个体与糖尿病视网膜病变患者的 OCTA 影像并置，为微血管结构的分割与相关研究提供带标注的影像资源。
【数据集背景】
该数据集的出现与糖尿病视网膜病变的影像学研究需求密切相关。糖尿病视网膜病变是一种与内分泌、营养和代谢疾病领域相关的眼部并发症，其微血管改变是评估疾病进展的重要方面。OCTA 作为一种无创、三维的成像方式，能够显示视网膜微血管结构，因此被用于相关研究。该数据集正是在这一背景下构建，旨在为 OCTA 微血管分割方法提供验证数据。根据源站描述，研究采用了两个 OCTA 数据集，分别覆盖临床人群与健康受试者，以支持对分割方法在不同条件下的表现进行评估。
【数据内容】
数据集包含两个 OCTA 数据集。第一个是临床数据集，其扫描来自健康个体和糖尿病视网膜病变患者，采集于典型黄斑视野，视野范围为 3 × 3 mm。第二个数据集由健康受试者的标注扫描组成，具有与第一个数据集相同的成像分辨率。两个数据集均用于验证所提出的方法，验证维度包括分割精度、鲁棒性以及在不同成像条件下的泛化能力。数据集的英文名称为 3D OCTA Microvascular Annotations，表明其内容涉及三维 OCTA 微血管标注。除上述信息外，关于具体样本数量、标注类别、标注格式、图像尺寸、患者人口学信息等细节，源站未提供。
【采集与来源】
数据集的来源站为 doi.org，机构为 Zenodo，作者为 Zhang, Jiong 和 Zhang, Jinxian，发布时间为 2025 年。临床数据集的扫描采集于典型黄斑视野，即 3 × 3 mm 的成像范围，涵盖健康个体与糖尿病视网膜病变患者。第二个数据集为健康受试者的标注扫描，成像分辨率与临床数据集相同。关于采集设备型号、扫描参数、采集中心、采集时间跨度、受试者招募方式等信息，源站未提供。
【适用场景】
该数据集适用于 OCTA 微血管分割相关方法的验证与评估。根据源站描述，两个数据集被用于验证所提出方法的分割精度、鲁棒性以及在不同成像条件下的泛化能力。因此，其潜在应用场景包括：在健康与糖尿病视网膜病变人群之间比较微血管分割表现；评估算法在临床数据与健康受试者标注数据之间的一致性；以及测试方法在不同成像条件或不同数据来源下的稳定性。由于数据集涉及糖尿病视网膜病变，也可用于与糖尿病相关视网膜微血管改变的研究。关于具体任务类型、评价指标、基准模型等，源站未提供。
【使用方法】
该数据集以两个 OCTA 数据集的形式提供，使用者可分别利用临床数据集和健康受试者标注数据集开展方法验证。临床数据集包含健康个体与糖尿病视网膜病变患者的扫描，可用于评估方法在真实临床混合人群中的表现；健康受试者标注数据集具有相同成像分辨率，可用于有标注条件下的分割精度评估。源站描述指出，这两个数据集共同用于验证分割精度、鲁棒性和泛化能力。关于数据下载方式、目录结构、文件格式、标注读取方式、预处理步骤等，源站未提供。
【质量与限制】
该数据集的一个特点是同时包含临床数据与健康受试者标注数据，且临床数据涵盖健康个体和糖尿病视网膜病变患者，这有助于评估方法在不同人群和不同成像条件下的表现。两个数据集具有相同的成像分辨率，便于进行一致性比较。然而，关于数据集规模、标注质量评估、标注者间一致性、图像质量筛选标准、类别平衡性、潜在偏倚等信息，源站未提供。因此，在使用时需注意这些未明确说明的方面可能影响方法评估的完整性与可重复性。
【引用与许可】
该数据集采用 Creative Commons Attribution 4.0 International 许可协议，允许在署名条件下使用、共享和改编。作者为 Zhang, Jiong 和 Zhang, Jinxian，机构为 Zenodo，发布时间为 2025 年，来源站为 doi.org。使用该数据集时，应遵循该许可协议的署名要求，并引用相关来源。关于具体引用格式、DOI 编号、版本信息等，源站未提供。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://doi.org/10.5281/zenodo.17149201
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
本研究使用了两个OCTA数据集。第一个是临床数据集，包含健康个体和糖尿病视网膜病变患者的扫描图像，采集于典型的黄斑视野（3×3毫米）。第二个数据集由健康受试者的标注扫描图像组成，具有相同的成像分辨率。这些数据集用于验证所提出方法在分割准确性、鲁棒性以及不同成像条件下的泛化能力。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
