五阶段糖尿病视网膜病变分类眼底图像数据集
糖尿病视网膜病变（DR）是全球视力损害的主要原因，准确的自动化检测对于早期干预至关重要。该数据集捕捉了多样化的视网膜特征以及真实临床场景中典型的类别不平衡，适合用于训练和评估深度学习模型，包括卷积神经网络（CNN）和视觉 Transformer（ViT）
基本信息
资源简介
五阶段糖尿病视网膜病变分类眼底图像数据集
糖尿病视网膜病变（DR）是全球视力损害的主要原因，准确的自动化检测对于早期干预至关重要。该数据集捕捉了多样化的视网膜特征以及真实临床场景中典型的类别不平衡，适合用于训练和评估深度学习模型，包括卷积神经网络（CNN）和视觉 Transformer（ViT）
"Fundus Image Dataset for Five-Stage Diabetic Retinopathy Classification"
【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）：糖尿病视网膜病变（DR）是全球视力损害的主要原因，准确的自动化检测对于早期干预至关重要。我们提出一个经过整理的 6,399 张视网膜眼底图像数据集，按五个 DR 严重程度标注：No DR（2,805 张图像）、Mild（740 张）、Moderate（1,898 张）、Proliferative Mild（590 张）和 Severe（366 张）。该数据集捕捉了多样化的视网膜特征以及真实临床场景中典型的类别不平衡，适合用于训练和评估深度学习模型，包括卷积神经网络（CNN）和视觉 Transformer（ViT）。广泛的标注和标准化标签为多分类 DR 分类、自动化诊断和 AI 驱动的眼科研究提供了基准。该数据集旨在促进可复现研究，并推动稳健、具有临床相关性的 DR 检测的发展。
【主题与分类】
主题标签：糖尿病视网膜病变、眼底图像、五阶段分类、深度学习、CNN、ViT、类别不平衡。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://ieee-dataport.org/documents/fundus-image-dataset-five-stage-diabetic-retinopathy-classification
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/10.21227/ac1z-j230
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:
数据说明
糖尿病视网膜病变（DR）是全球视力损害的主要原因之一，准确的自动化检测对于早期干预至关重要。我们提出了一个经过整理的数据集，包含6，399张视网膜眼底图像，标注了五个DR严重程度等级：无DR（2，805张图像）、轻度（740张）、中度（1，898张）、增殖性轻度（590张）和重度（366张）。该数据集涵盖了多样的视网膜特征和真实临床场景中典型的类别不平衡，使其适用于训练和评估深度学习模型，包括卷积神经网络（CNN）和视觉变换器（ViT）。广泛的标注和标准化标签为多类别DR分类、自动化诊断和AI驱动的眼科研究提供了基准。该数据集旨在促进可重复研究，并推动稳健、临床相关的DR检测模型的开发。
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。
