复合视网膜眼底与OCT数据集：含视网膜层及病灶详细临床标注用于黄斑与青光眼病变分级
主题标签：视网膜眼底、OCT、糖尿病黄斑水肿、青光眼、视网膜病灶、视网膜层、AMD。本站分类：内分泌、营养和代谢疾病/糖尿病
基本信息
资源简介
复合视网膜眼底与OCT数据集：含视网膜层及病灶详细临床标注用于黄斑与青光眼病变分级
A Composite Retinal Fundus and OCT Dataset with Detailed Clinical Markings of Retinal Layers and Retinal Lesions to Grade Macular and Glaucomatous Disorders 是一个复合型视网膜影像数据集，整合了眼底图像与光学相干断层扫描（OCT）数据，并对视网膜层和视网膜病灶进行了详细的临床标注。该数据集旨在支持对视网膜层结构、视网膜病灶的分析，并用于正常与异常视网膜疾病的诊断研究，涵盖中心受累性糖尿病黄斑水肿、急性中心性浆液性视网膜病变、慢性中心性浆液性视网膜病变、地图样年龄相关性黄斑变性、新生血管性年龄相关性黄斑变性以及青光眼等疾病。数据集由 Taimur Hassan 贡献，机构来源为 Mendeley，发布时间为 2021 年，采用 Creative Commons Attribution 4.0 International 许可。本站将其归类于内分泌、营养和代谢疾病 / 糖尿病分类下。
【数据集背景】
视网膜疾病，尤其是与糖尿病相关的黄斑病变和青光眼，是导致视力损害的重要原因。糖尿病黄斑水肿作为糖尿病的眼部并发症，属于内分泌、营养和代谢疾病范畴，其早期识别和分级对临床管理具有重要意义。该数据集正是在这一背景下构建，旨在为视网膜层结构分析和病灶识别提供带有详细临床标注的影像资源，从而服务于黄斑病变和青光眼类疾病的自动分级与诊断研究。数据集同时涵盖眼底图像和 OCT 两种模态，能够从不同层面反映视网膜的形态学改变。
【数据内容】
该数据集为复合型视网膜眼底与 OCT 数据集，包含视网膜层和视网膜病灶的详细临床标注。其覆盖的疾病类别包括：中心受累性糖尿病黄斑水肿、急性中心性浆液性视网膜病变、慢性中心性浆液性视网膜病变、地图样年龄相关性黄斑变性、新生血管性年龄相关性黄斑变性以及青光眼。数据集的设计目标包括分析视网膜层、分析视网膜病灶，以及诊断正常与异常视网膜疾病。关于具体的图像数量、患者例数、标注格式、分层类别数量等细节，源站未提供。
【采集与来源】
数据集来源站为 doi.org，机构为 Mendeley，作者为 Taimur Hassan，发布时间为 2021 年。源站描述中提及，使用该数据集任何部分时需引用两篇论文：其一为 T. Hassan、M. U. Akram、M. F. Masood、U. Yasin 撰写的 “Deep structure tensor graph search framework for automated extraction and characterization of retinal layers and fluid pathology in retinal SD-OCT scans”，发表于 Computers in Biology and Medicine，2018 年 12 月；其二为 T. Hassan、M. U. Akram、N. Werghi 和 N. Nazir 撰写的 “RAG-FW: A hybrid convolutional framework for the automated extraction of retinal lesions and lesion-influenced grading of human retinal pathology”，发表于 IEEE Journal of。关于具体的采集设备、采集地点、受试者招募方式等信息，源站未提供。
【适用场景】
该数据集适用于视网膜层结构分析、视网膜病灶提取与表征，以及正常与异常视网膜疾病的诊断研究。具体可服务于中心受累性糖尿病黄斑水肿、急性中心性浆液性视网膜病变、慢性中心性浆液性视网膜病变、地图样年龄相关性黄斑变性、新生血管性年龄相关性黄斑变性以及青光眼等疾病的识别与分级任务。由于同时包含眼底和 OCT 影像，该数据集也可用于多模态视网膜影像分析方法的开发与评估。关于具体的算法基准、竞赛任务或临床验证场景，源站未提供。
【使用方法】
源站描述中明确要求，若使用该数据集的任何部分，需引用上述两篇指定论文。数据集采用 Creative Commons Attribution 4.0 International 许可，允许在署名条件下使用。关于数据的具体下载方式、目录结构、标注文件格式、读取工具或预处理步骤，源站未提供。
【质量与限制】
该数据集提供了视网膜层和视网膜病灶的详细临床标注，覆盖多种黄斑病变和青光眼类别，并同时包含眼底与 OCT 两种模态。关于数据集的样本量、类别平衡性、标注一致性、图像质量标准或已知偏差等具体质量指标，源站未提供。使用者在应用该数据集时，应关注其许可条款和引用要求。
【引用与许可】
使用该数据集任何部分时，需引用以下两篇论文：1）T. Hassan, M. U. Akram, M. F. Masood, U. Yasin, “Deep structure tensor graph search framework for automated extraction and characterization of retinal layers and fluid pathology in retinal SD-OCT scans”, Computers in Biology and Medicine, December 2018；2）T. Hassan, M. U. Akram, N. Werghi, and N. Nazir, “RAG-FW: A hybrid convolutional framework for the automated extraction of retinal lesions and lesion-influenced grading of human retinal pathology,” IEEE Journal of。该数据集采用 Creative Commons Attribution 4.0 International 许可。作者为 Taimur Hassan，机构为 Mendeley，发布时间为 2021 年。
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/10.17632/trghs22fpg
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:
数据集大小约 1.54 GB。
数据说明
该存储库包含用于分析视网膜层、视网膜病变以及诊断正常和异常视网膜疾病（如中心受累性糖尿病性黄斑水肿、急性中心性浆液性视网膜病变（CSR）、慢性CSR、地图样年龄相关性黄斑变性（AMD）、新生血管性AMD和青光眼）的复合视网膜眼底和OCT数据集。如果您想使用本数据集的任何部分，请引用以下论文：1）T. Hassan, M. U. Akram, M. F. Masood, U. Yasin，“Deep structure tensor graph search framework for automated extraction and characterization of retinal layers and fluid pathology in retinal SD-OCT scans”，Computers in Biology and Medicine，2018年12月。2）T. Hassan, M. U. Akram, N. Werghi, and N. Nazir，“RAG-FW: A hybrid convolutional framework for the automated extraction of retinal lesions and lesion-influenced grading of human retinal pathology,” IEEE Journal of Biomedical and Health Informatics，2020年3月。
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。
