MTNet 视网膜眼底图像数据集
数据包含 DRIVE、STARE、CHASE_DB1 和 HRF 四个常用视网膜眼底图像数据集，共 133 张图像；另含来自 Kaggle Aptos2019 竞赛的糖尿病视网膜病变数据，每张图像按 0 至 4 级评分，共 3662 张，其中 2929 张按 4:1 随机选为训练集，733 张为测试
基本信息
资源简介
MTNet 视网膜眼底图像数据集
MTNet-datasets.rar
该数据集为 MTNet-datasets.rar，来源于 doi.org，作者 RuoChen Liu，发布于 2022-08-19。数据包含 DRIVE、STARE、CHASE_DB1 和 HRF 四个常用视网膜眼底图像数据集，共 133 张图像；另含来自 Kaggle Aptos2019 竞赛的糖尿病视网膜病变数据，每张图像按 0 至 4 级评分，共 3662 张，其中 2929 张按 4:1 随机选为训练集，733 张为测试集。可用于糖尿病视网膜病变分级与视网膜血管图像分割等深度学习实验（来源 figshare，CC0 许可）。
【数据集背景】
源站首次发布：2022-08-19。
【数据内容】
源站描述（机器翻译，仅供参考）：进行了对照实验以测试 CSP_UNet 算法的性能。本文选取了四个常用的视网膜眼底图像数据集，共 133 张图像，包含 DRIVE、STARE、CHASE_DB1 和 HRF。糖尿病视网膜病变数据集来源于 Kaggle Aptos2019 竞赛的数据，每张图像中的糖尿病视网膜病变按 0 到 4 级评分：0-正常（无 DR）、1-轻度、2-中度、3-重度、4-增殖性 DR，共 3662 张图像。实验中按 4:1 比例随机选取 2929 张图像作为训练集样本，其余 733 张图像作为测试集样本。
【数据结构与技术规格】
文件数 1 个，合计 8.67 GB。数据集 DOI：10.6084/m9.figshare.20518335.v1。
【主题与分类】
源站学科分类：Ophthalmology。主题标签：deep learning dataset、Ophthalmology。本站分类：内分泌、营养和代谢疾病/糖尿病。
【适用方向】
源站学科分类标注为 Ophthalmology。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/MTNet-datasets_rar/20518335
使用许可：CC0（https://creativecommons.org/publicdomain/zero/1.0/）。
规范引用：Liu, RuoChen (2022). MTNet-datasets.rar. figshare. Dataset
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/10.6084/m9.figshare.20518335
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 8.67 GB。
数据说明
为测试CSP_UNet算法的性能，进行了对照实验。本文选取了四种常用的视网膜眼底图像数据集，共计133幅图像，包括DRIVE、STARE、CHASE_DB1和HRF。糖尿病视网膜病变数据集源自Kaggle Aptos2019竞赛数据，每幅图像中的糖尿病视网膜病变按0至4级评分：0-正常（无DR）、1-轻度、2-中度、3-重度、4-增殖性DR，共计3662幅图像。实验中，按4：1的比例随机选取2929幅图像作为训练集样本，其余733幅图像作为测试集样本。
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。
