基于混合深度学习算法从眼底图像检测眼部疾病

数据集获取

源站：https://clinicaltrials.gov/study/NCT06213896

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。

数据说明

疾病：青光眼、年龄相关性黄斑变性、视网膜静脉阻塞、糖尿病视网膜病变、糖尿病性黄斑水肿、眼部疾病。根据世界卫生组织2020年发布的全球报告，全球目前至少有22亿人存在视力损害，其中至少10亿人的视力损害本可预防或尚未得到解决。全球面临着严峻的眼健康挑战，包括眼保健预防、治疗和康复服务的覆盖范围和质量不平等，缺乏训练有素的眼保健服务提供者，以及眼保健服务与卫生系统整合不佳等。已知超过80%的视力障碍是可以预防或治疗的。眼底检查必须由视网膜专科医生进行才能做出正确诊断，但人们只有在感到不适时才会去看眼科医生。而通常症状发展到相当程度时，一旦疾病发生，就会导致昂贵的治疗和手术，且损伤往往不可逆转，造成视力损害甚至永久性视力丧失。

人工智能被用于研究和开发能够帮助模拟和扩展人类智能的理论与方法，这些理论和方法已被应用于自动诊断和医学等许多研究领域。近年来，人工智能（AI）技术与现代医学的交叉融合使有效且快速的疾病筛查成为可能。EyeCheckup是一种自动化软件设备，旨在分析眼底数字彩色照片，以快速筛查视网膜和视盘疾病。本研究的主要目的是评估自动筛查算法基于彩色眼底图像检测可干预视网膜和视盘疾病的性能，并确定其针对可能疾病的敏感性和特异性。为对该系统进行临床验证，图像将由眼科医生评估，并将结果与人工智能算法进行比较。经过排除后，本研究

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。