糖尿病CF-FA配准关键点真值数据集

数据集获取

源站：https://doi.org/10.21227/4hrd-p580

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

我们提出了一个公开可用的关键点数据集，用于使用彩色眼底（CF）和分数各向异性（FA）图像进行多模态视网膜图像配准。该数据集源自糖尿病视网膜图像数据集[1]，包含59名受试者（29名健康对照和30名糖尿病患者）。CF图像以RGB格式捕获，而突出微血管结构的FA图像则以灰度提供，两者分辨率均为720 × 576像素。对于每位受试者，我们手动标注了6-8对模态间的对应关键点，从而能够精确对齐视网膜结构。标注由范德堡大学医学中心的两位专家独立完成，确保了高质量的地标识别。[1]. Hajeb Mohammad Alipour, S., Rabbani, H., & Akhlaghi, M. R. (2012). Diabetic retinopathy grading by digital curvelet transform. Computational and mathematical methods in medicine, 2012(1), 761901.

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。