低对比度巩膜脉络膜交界OCT图像中基于深度学习的脉络膜血管指数自动计算数据集
该数据集包含增强深度成像光学相干断层扫描（OCT）图像，来自两组患者：一组为糖尿病视网膜病变患者的Raster OCT B扫描，另一组为厚脉络膜谱系疾病患者的EDI-HD OCT B扫描
基本信息
资源简介
低对比度巩膜脉络膜交界OCT图像中基于深度学习的脉络膜血管指数自动计算数据集
Automatic Choroid Vascularity Index Calculation in Optical Coherence Tomography Images with Low Contrast Sclerocho-roidal Junction Using Deep Learning
该数据集包含增强深度成像光学相干断层扫描（OCT）图像，来自两组患者：一组为糖尿病视网膜病变患者的Raster OCT B扫描，另一组为厚脉络膜谱系疾病患者的EDI-HD OCT B扫描。数据旨在支持使用改进损失函数的U-Net自动计算脉络膜血管指数（CVI），尤其针对巩膜脉络膜交界低对比度的OCT图像。该数据集可用于训练和评估深度学习模型，以实现脉络膜血管指数的自动分割与计算，服务于糖尿病视网膜病变及厚脉络膜谱系疾病的相关研究（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2023。
【数据内容】
源站描述（机器翻译，仅供参考）：本项目旨在使用改进损失函数的U-Net计算光学相干断层扫描（OCT）图像中的脉络膜血管指数（CVI）。该方法在《Automatic Choroid Vascularity Index Calculation in Optical Coherence Tomography Images low contrast sclerochoroidal junction Using Deep Learning》中详细描述。该数据集包含来自两组患者的增强深度成像光学相干断层扫描图像。• 第一个数据集包括糖尿病视网膜病变患者的Raster OCT B扫描。• 第二个数据集包括厚脉络膜谱系疾病患者的EDI-HD OCT B扫描。
【主题与分类】
主题标签：OCT B-scans、diabetic retinopathy、pachychoroid spectrum。本站分类：内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面：https://zenodo.org/record/7618623
使用许可：Creative Commons Attribution 4.0 International。
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.7618623
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 114.2 MB。
数据说明
本项目旨在利用改进损失函数的U-Net，在光学相干断层扫描（OCT）图像中计算脉络膜血管指数（CVI）。该方法在《利用深度学习在低对比度巩膜脉络膜交界处的光学相干断层扫描图像中自动计算脉络膜血管指数》一文中详细阐述。数据集包含来自两组患者的增强深度成像光学相干断层扫描图像。• 第一组数据集包括糖尿病视网膜病变患者的栅格OCT B扫描图像。• 第二组数据集包括厚脉络膜谱系疾病患者的EDI-HD OCT B扫描图像。
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。
