视网膜眼底图像数据集（镜像版）
原始 Kaggle 页面截至 2026 年已无法访问，本镜像用于支持科学可复现性，并配合 Elijah, Y.（2026）关于使用 EfficientNet-B2 与迁移学习进行自动化糖尿病视网膜病变检测的论文
基本信息
资源简介
视网膜眼底图像数据集（镜像版）
最初由 Nithish 于 2024 年发布，本站收录的版本为镜像副本，归类于内分泌、营养和代谢疾病下的糖尿病相关主题。该数据集共包含 4,482 张眼底照片，分为正常与糖尿病两个类别，其中正常图像 2,874 张，占 64%；糖尿病图像 1,608 张，占 36%。原始数据集发布于 Kaggle 平台，但截至 2026 年，原始页面已无法访问。本镜像的建立旨在支持科学研究的可复现性，并配合 Elijah, Y.（2026）关于使用 EfficientNet-B2 与迁移学习进行自动化糖尿病视网膜病变检测的论文。数据集采用 Creative Commons Attribution 4.0 International 许可协议，主题标签为 Diabetic Retinopathy。
【数据集背景】
该数据集的英文全称为 Retinal Fundus Images Dataset (Mirror)，原始版本由作者 Nithish（K.S.S, Nithish）于 2024 年发布。数据集的主题聚焦于糖尿病视网膜病变，属于内分泌、营养和代谢疾病领域中糖尿病相关的研究方向。原始数据集最初发布于 Kaggle 平台，但截至 2026 年，原始 Kaggle 列表已不再可访问。由于原始来源失效，本镜像版本被创建并发布于 Zenodo，机构署名为 Zenodo，发布时间为 2026 年。镜像的建立目的明确，即为了支持科学可复现性，并配合一篇正在 PeerJ Computer Science 审稿中的论文——Elijah, Y.（2026）的“Automated Diabetic Retinopathy Detection Using EfficientNet-B2 with Transfer Learning: A Comprehensive Statistical Validation Study”。该论文关注使用 EfficientNet-B2 与迁移学习进行自动化糖尿病视网膜病变检测，并开展全面的统计验证研究。
【数据内容】
数据集由 4,482 张眼底照片组成，分为两个类别。第一类为正常（Normal），共 2,874 张图像，占全部数据的 64%。第二类为糖尿病（Diabetes），共 1,608 张图像，占全部数据的 36%。两类数据共同构成了一个二分类的眼底图像集合，可用于区分正常眼底与糖尿病相关眼底表现。数据集中未提供其他类别的标注信息，也未说明图像的分辨率、拍摄设备、采集地点或患者人口统计学信息。除上述类别与数量外，源站未提供更细粒度的数据内容描述。
【采集与来源】
该数据集为镜像版本，其原始来源为 Kaggle 平台上的“Retinal Fundus Images”数据集，原始发布者为 kssanjaynithish03（Nithish, K.S.S., 2024）。原始数据集发布于 https://www.kaggle.com/datasets/kssanjaynithish03/retinal-fundus-images。截至 2026 年，原始 Kaggle 列表已无法访问。本镜像由 Zenodo 机构发布，发布时间为 2026 年。关于原始数据的具体采集方式、采集机构、采集时间、采集地点、设备型号、伦理审批信息以及受试者招募流程，源站未提供。由于原始列表在镜像创建之前已不可用，且没有其他记录可查，原始数据集的许可条款也无法确认。
【适用场景】
该数据集适用于糖尿病视网膜病变相关的图像分类研究，尤其是二分类任务，即区分正常眼底与糖尿病眼底。结合其镜像创建目的，该数据集可直接用于支持使用 EfficientNet-B2 与迁移学习进行自动化糖尿病视网膜病变检测的研究，并可用于统计验证研究中的可复现性测试。此外，该数据集也可用于眼底图像分析的一般性方法开发、模型训练与评估，以及迁移学习在医学图像领域的应用探索。由于数据集仅包含正常与糖尿病两个类别，不适用于多级糖尿病视网膜病变分期任务，也不适用于其他眼科疾病的识别研究。源站未提供关于具体适用场景的更多说明。
【使用方法】
该数据集以镜像形式发布于 Zenodo，采用 Creative Commons Attribution 4.0 International 许可协议。使用者可通过 Zenodo 平台获取该数据集。在使用时，应遵循 CC BY 4.0 许可协议的要求，包括适当署名。由于数据集为二分类结构，使用者可将图像按正常与糖尿病两类进行组织，用于训练、验证或测试图像分类模型。结合镜像的创建目的，使用者可将其用于复现 Elijah, Y.（2026）论文中的实验，或用于其他糖尿病视网膜病变检测研究。源站未提供关于数据预处理、划分比例、训练测试拆分或具体使用步骤的进一步说明。
【质量与限制】
该数据集的主要限制在于其原始来源已不可访问。截至 2026 年，原始 Kaggle 列表不再可用，原始数据集的许可条款也无法确认，因为源列表在镜像创建之前已失效，且没有其他记录可查。此外，数据集仅包含两个类别，即正常与糖尿病，未提供糖尿病视网膜病变的严重程度分级信息。数据集中未提供图像采集设备、采集条件、患者人口统计学信息或伦理审批信息，这些信息的缺失可能影响模型泛化能力的评估。数据集为镜像版本，其完整性和原始质量无法与原始来源进行直接比对。源站未提供关于数据质量、标注准确性或潜在偏倚的更多信息。
【引用与许可】
该数据集的作者为 K.S.S, Nithish，机构为 Zenodo，发布时间为 2026 年。数据集采用 Creative Commons Attribution 4.0 International 许可协议。在使用该数据集时，应按照 CC BY 4.0 的要求进行署名。此外，该镜像的建立旨在支持 Elijah, Y.（2026）的论文“Automated Diabetic Retinopathy Detection Using EfficientNet-B2 with Transfer Learning: A Comprehensive Statistical Validation Study”，该论文正在 PeerJ Computer Science 审稿中。原始数据集由 Nithish（K.S.S., 2024）发布于 Kaggle，原始链接为 https://www.kaggle.com/datasets/kssanjaynithish03/retinal-fundus-images，但该链接截至 2026 年已无法访问。原始数据集的许可条款无法确认。源站未提供关于引用格式的更多具体要求。
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.21363873
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 1.94 GB。
数据说明
这是“Retinal Fundus Images”数据集的镜像，该数据集最初由kssanjaynithish03（Nithish, K.S.S., 2024）发布在Kaggle上。该数据集包含4,482张眼底照片，分为两类：正常（2,874张图像，64%）和糖尿病（1,608张图像，36%）。原始数据集发布于：https://www.kaggle.com/datasets/kssanjaynithish03/retinal-fundus-images 截至2026年，原始Kaggle页面已无法访问。提供此镜像仅用于科学可重复性目的，以支持随附手稿：Elijah, Y. (2026). “Automated Diabetic Retinopathy Detection Using EfficientNet-B2 with Transfer Learning: A Comprehensive Statistical Validation Study.” PeerJ Computer Science（审稿中）。该数据集的原始许可条款无法确认，因为在此镜像创建之前源页面已不可用，且无法恢复许可的其他记录。此镜像出于善意共享，用于非商业性学术可重复性目的，并完整署名原始创建者。任何拥有该数据集权利信息或关切的人士，欢迎联系上述数据管理者。
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。
