FD3611：用于视网膜疾病分类的多类别彩色眼底图像数据集
FD3611 是一个经临床验证的彩色眼底图像数据集，包含 3,611 张眼底照片，采集自孟加拉国达卡的国家眼科研究所与医院（NIOH），使用智能手机辅助的眼底成像设备在常规眼科检查中获取
基本信息
资源简介
FD3611：用于视网膜疾病分类的多类别彩色眼底图像数据集
FD3611: A Multi-Class Color Fundus Image Dataset for Retinal Disease Classification
FD3611 是一个经临床验证的彩色眼底图像数据集，包含 3,611 张眼底照片，采集自孟加拉国达卡的国家眼科研究所与医院（NIOH），使用智能手机辅助的眼底成像设备在常规眼科检查中获取。每张图像均由眼科专家人工审核与标注，保留了光照、模糊和对比度方面的真实差异。该数据集可用于视网膜疾病的分类、筛查与决策支持，尤其适合在资源有限的临床环境中开发和评测稳健的机器学习和深度学习模型（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2026-04-25。
【数据内容】
源站描述（机器翻译，仅供参考）：摘要 FD3611 数据集是一个经临床验证的集合，包含 3,611 张彩色眼底照片，旨在支持自动化视网膜疾病诊断的机器学习和深度学习研究。该数据集采集自孟加拉国达卡的国家眼科研究所与医院（NIOH），其中的视网膜图像是在常规眼科检查期间使用智能手机辅助的眼底成像设备获得的，从而实现低成本但具有诊断意义的图像采集。每张图像均由眼科专家人工审核和标注，以确保临床可靠性。该数据集保留了光照、模糊和对比度方面的真实世界差异，使其成为开发用于视网膜疾病分类、筛查和决策支持的稳健人工智能系统的宝贵基准，尤其在资源有限的临床环境中。Ba
【数据结构与技术规格】
文件数 1 个，合计 4.71 GB。数据集 DOI：10.6084/m9.figshare.32086296.v1。
【主题与分类】
源站学科分类：Ophthalmology、Vision science、Optical technology、Health counselling。主题标签：Opthalmology and Optometry、EYE、Fundus photography、Retinal disease dataset、Ophthalmology dataset、Deep Learning benchmark、Medical computer vision、Retinal screening。本站分类：内分泌、营养和代谢疾病/糖尿病。
【适用方向】
源站学科分类标注为 Ophthalmology、Vision science、Optical technology、Health counselling。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/_b_FD3611_b_A_Multi-Class_Color_Fundus_Image_Dataset_for_Retinal_Disease_Classification/32086296
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Ridoy, Kabir Ahmed; Ratri, Rokshana Talukder; Bijoy, Md. Hasan Imam; Hasan, Md. Zahid; Yousuf, Fawaz Bin (2026). FD3611: A Multi-Class Color Fundus Image Dataset for Retinal Disease Classification. figshare. Dataset
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/10.6084/m9.figshare.32086296
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 4.71 GB。
数据说明
摘要 FD3611数据集是一个经过临床验证的集合，包含3,611张彩色眼底照片，旨在支持自动化视网膜疾病诊断的机器学习和深度学习研究。该数据集收集自孟加拉国达卡的国家眼科研究所与医院（NIOH），包含在常规眼科检查期间使用智能手机辅助眼底成像装置获取的视网膜图像，实现了低成本但具有诊断意义的图像采集。每张图像均由专业眼科医生手动审查和标注，以确保临床可靠性。该数据集保留了光照、模糊和对比度方面的真实世界变异性，使其成为开发用于视网膜疾病分类、筛查和决策支持的稳健人工智能系统的宝贵基准，尤其是在资源有限的临床环境中。背景 视网膜眼底成像在众多眼部疾病的诊断中发挥着核心作用，包括糖尿病视网膜病变、青光眼、年龄相关性黄斑变性和视网膜血管异常。
随着全球范围内视力障碍负担日益加重，基于人工智能（AI）的诊断工具已成为改善早期检测和临床效率的有前景的解决方案。然而，此类系统的性能在很大程度上取决于多样化、经过临床验证的真实世界视网膜图像数据集的可用性。大多数公开可用的眼底数据集是在受控成像环境下使用昂贵的专用眼底相机采集的，这可能无法反映常规临床实践中遇到的变化。在许多低收入和中等收入国家，此类成像基础设施的可及性仍然有限，从而在开发能够泛化于多样化医疗环境的AI系统方面造成了差距。FD3611数据集通过提供大规模真实世界眼底图像集合来应对这一挑战，这些图像通过
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。
