眼科摘要NLP数据集

数据集获取

源站：https://doi.org/10.17632/wgjsz4n4rb

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据集大小约 2.1 MB。

数据说明

我们的视网膜疾病（RenD）数据集包含从PubMed获取的1000篇文章，涵盖了糖尿病视网膜病变（DR）、青光眼、糖尿病性黄斑水肿（DME）、年龄相关性黄斑变性（AMD）、白内障、干眼症、视网膜脱离和中心性浆液性视网膜病变（CSR）等多种病症。为确保分类准确，我们邀请了六位领域专家，他们根据摘要对文章进行了细致的标注。为了保证标注过程的准确性和可靠性，我们数据集中的每篇文章都至少由三位独立的标注者审阅并标注（数据标注指南见补充表A1）。这种多标注者的方法有助于减少单一标注者视角可能带来的偏见和不一致性。标注完成后，每篇文章的最终标签依据多数投票原则确定。

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。