用于糖尿病视网膜病变研究的眼底图像数据集
该数据集包含 396 张彩色眼底图像，采集自巴拉圭国立亚松森大学医学院 Hospital de Clínicas 眼科，使用 Zeiss 品牌 Visucam 500 相机按临床流程拍摄，并由专业眼科医生完成分类
基本信息
资源简介
用于糖尿病视网膜病变研究的眼底图像数据集
Dataset from fundus images for the study of diabetic retinopathy
该数据集包含 396 张彩色眼底图像，采集自巴拉圭国立亚松森大学医学院 Hospital de Clínicas 眼科，使用 Zeiss 品牌 Visucam 500 相机按临床流程拍摄，并由专业眼科医生完成分类。图像按糖尿病视网膜病变（DR）严重程度分为 7 类：无 DR 体征、轻度 NPDR、中度 NPDR、重度 NPDR、极重度 NPDR、PDR 和晚期 PDR。该数据可用于辅助医生和研究人员检测非增殖性糖尿病视网膜病变（NPDR）与增殖性糖尿病视网膜病变（PDR）及其不同分期，适用于眼底图像分类相关研究（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2021。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据库包含 396 张彩色眼底图像，采集自巴拉圭国立亚松森大学医学院 Hospital de Clínicas 眼科。视网膜图像的采集按照临床流程进行，眼底摄影通过 Zeiss 品牌的 Visucam 500 相机完成。专业眼科医生已对该数据集进行分类。这些数据可帮助医生和研究人员检测非增殖性糖尿病视网膜病变（NPDR）和增殖性糖尿病视网膜病变（PDR）及其不同分期。眼底图像的分类分为 7 个类别：i) 无 DR 体征（20 张图像），ii) 轻度 NPDR（4 张图像），iii) 中度 NPDR（58 张图像），iv) 重度 NPDR（92 张图像），v) 极重度 NPDR（83 张图像），vi) PDR（70 张图像），vii) 晚期 PDR（69 张图像）。
【主题与分类】
主题标签：Fundus Images、Non-Proliferative Diabetic Retinopathy、Proliferative Diabetic Retinopathy。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/4532361
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.4532361
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 238.2 MB。
数据说明
该数据库包含396张彩色眼底图像，这些图像是在巴拉圭国立亚松森大学医学科学学院Clínicas医院眼科部获取的。视网膜图像的采集遵循了临床程序。视网膜照相是通过Zeiss品牌的Visucam 500相机完成的。专家眼科医生对数据集进行了分类。这些数据有助于医生和研究人员检测非增殖性糖尿病视网膜病变（NPDR）和增殖性糖尿病视网膜病变（PDR）的不同阶段病例。眼底图像的分类分为7个类别：i) 无DR迹象（20张图像），ii) 轻度NPDR（4张图像），iii) 中度NPDR（58张图像），iv) 重度NPDR（92张图像），v) 极重度NPDR（83张图像），vi) PDR（70张图像）和vii) 晚期PDR（69张图像）。
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。
