FDR26：用于糖尿病视网膜病变分类和血管分割的眼底图像数据集
FDR25 数据集包含 3000 张视网膜眼底图像，采集自摩洛哥 Oujda 的 Mohammed VI 大学医院眼科收治的糖尿病及非糖尿病患者
基本信息
资源简介
FDR26：用于糖尿病视网膜病变分类和血管分割的眼底图像数据集
FDR25 数据集包含 3000 张视网膜眼底图像，采集自摩洛哥 Oujda 的 Mohammed VI 大学医院眼科收治的糖尿病及非糖尿病患者
FDR26 : A Dataset of Fundus Images for Diabetic Retinopathy Classification and Vessels Segmentation
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：FDR25 数据集包含 3000 张视网膜眼底图像，采集自摩洛哥 Oujda 的 Mohammed VI 大学医院眼科收治的糖尿病及非糖尿病患者。所有图像均由专家眼科医生团队依据 ALFEDIAM 分级系统进行分级，该系统定义了糖尿病视网膜病变严重程度的五个阶段：0 期（无 DR）、1 期（轻度非增殖性 DR）、2 期（中度非增殖性 DR）、3 期（重度非增殖性 DR）和 4 期（增殖性 DR）。用作真值的血管分割掩膜并非在本工作背景下生成，它们最初已发表，随后作为补充标注层纳入 FDR25 数据集。所有分割性能指标（Dice = 0.82，IoU = 0.70）均针对这些独立建立且公开可用的标注计算。
【主题与分类】
主题标签：糖尿病视网膜病变、眼底图像、分类、血管分割、Efficient-Net、Dataset。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/doi/10.5281/zenodo.22768073
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.22768073
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 1.80 GB。
数据说明
FDR25数据集包含3000张视网膜眼底图像，采集自摩洛哥乌季达Mohammed VI大学医院眼科随访的糖尿病和非糖尿病患者。所有图像均由一组眼科专家根据ALFEDIAM分类系统进行分级，该系统定义了糖尿病视网膜病变严重程度的五个阶段：0期（无DR）、1期（轻度非增殖性DR）、2期（中度非增殖性DR）、3期（重度非增殖性DR）和4期（增殖性DR）。用作ground truth的血管分割掩膜并非在本工作背景下生成。它们最初已公开发表，随后作为补充标注层纳入FDR25数据集。所有分割性能指标（Dice = 0.82，IoU = 0.70）均针对这些独立建立且公开可用的掩膜进行计算，确保评估不存在循环依赖。
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。
