基于深度学习模型的后极部图像糖尿病视网膜病变检测与分类

数据集获取

源站：https://clinicaltrials.gov/study/NCT04805541

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

条件：糖尿病视网膜病变、糖尿病眼部问题、糖尿病性黄斑水肿。这是一项前瞻性研究，旨在评估EyeCheckup在筛查DR中的安全性和有效性。本研究在Akdeniz大学医学院的单中心进行，主要终点是确定EyeCheckup在初级保健环境中对糖尿病视网膜病变的敏感性和特异性。研究中将使用的方法和工具：* 使用非散瞳相机进行眼底摄影，并使用人工智能算法对糖尿病视网膜病变进行分类，* 由视网膜专家对七视野散瞳眼底图像进行评估，并比较结果以进行系统的临床验证。将进行的临床和实验室检查：* 使用非散瞳相机进行眼底摄影。在本研究中，不对患者进行侵入性操作，将使用称为眼底相机的特殊数码相机拍摄视网膜照片。对于无法获得非散瞳图像的患者，将滴入托吡卡胺滴眼液以扩张瞳孔，然后拍摄照片。

• 通过向患者双眼滴入托吡卡胺滴眼液实现瞳孔散大，随后使用散瞳眼底照相机拍摄双眼4象限照片。经过排除后，本研究将招募最多900名由内分泌科门诊诊断为糖尿病且符合入选标准的受试者。符合入选标准的参与者将在获得初级卫生保健提供者书面知情同意后招募。受试者将按照美国食品药品监督管理局（FDA）批准的眼底照相机（产品代码：HKI）进行眼底摄影。图像将根据提供给眼底照相机操作员的特定EyeCheckup成像方案拍摄，然后由EyeCheckup设备进行分析。摄影方案包括从入组参与者双眼中获取两张眼底图像（一张以视盘神经为中心，一张以黄斑为中心）。在视网膜

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。