视网膜OCT分类数据集：Grad-CAM可解释性与受控强度扰动

数据集获取

源站：https://doi.org/10.5281/zenodo.23587962

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。

数据集大小约 17.1 MB。

数据说明

该数据集包含来自八个诊断类别的视网膜OCT图像：年龄相关性黄斑变性（AMD）、脉络膜新生血管（CNV）、中心性浆液性视网膜病变（CSR）、糖尿病性黄斑水肿（DME）、糖尿病视网膜病变（DR）、玻璃膜疣（DRUSEN）、黄斑裂孔（MH）和正常（NORMAL）。这些图像用于开发和评估一个基于EfficientNetB0并采用迁移学习的可解释深度学习框架，以实现多类别视网膜疾病分类。除分类外，该数据集还被用于通过基于Grad-CAM的可解释性分析、深度分辨强度剖析、反射率异质性评估、平均反射率映射和差异反射率分析来研究疾病特异性的光学反射特征。所有图像均被调整为224 × 224像素，并使用TensorFlow和EfficientNet预处理为深度学习分析做好准备。该数据集支持视网膜疾病诊断、医学图像分析、可解释人工智能（XAI）、视网膜组织光学表征以及基于OCT的深度学习应用等研究。

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。