用于自动渗出物检测与糖尿病视网膜病变分级的SUSTech-SYSU数据集
该数据集包含1219张眼底图像，来自糖尿病视网膜病变患者与健康对照，并带有渗出物病灶标注。除渗出物标注外，每张图像还提供四项附加标签：左右眼标签、三种不同分级方案给出的DR严重程度分级、视盘边界框以及黄斑中心凹位置
基本信息
资源简介
用于自动渗出物检测与糖尿病视网膜病变分级的SUSTech-SYSU数据集
The SUSTech-SYSU dataset for automated exudate detection and diabetic retinopathy grading
该数据集包含1219张眼底图像，来自糖尿病视网膜病变患者与健康对照，并带有渗出物病灶标注。除渗出物标注外，每张图像还提供四项附加标签：左右眼标签、三种不同分级方案给出的DR严重程度分级、视盘边界框以及黄斑中心凹位置。该数据集可用于自动渗出物检测、糖尿病视网膜病变筛查与分级评估，以及视盘检测和黄斑中心凹定位等相关研究，为监督或半监督学习方法提供训练与评测数据（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
项目资助方：the Shenzhen Basic Research Program (JCYJ20190809120205578)。源站首次发布：2020-11-03。
【数据内容】
源站描述（机器翻译，仅供参考）：从眼底图像中自动检测渗出物在糖尿病视网膜病变（DR）筛查和评估中起着重要作用，为此通常更倾向于采用监督或半监督学习方法。然而，基于监督和半监督学习的检测算法的一个潜在局限是，它们在很大程度上依赖于训练数据的样本量和标注质量，这正是本工作的根本动机。在本研究中，我们构建了一个包含1219张眼底图像（来自DR患者和健康对照）的数据集，并带有渗出物病灶标注。除渗出物标注外，我们还为每张图像提供四个附加标签：左右眼标签、来自三种不同分级方案的DR分级（严重程度量表）、视盘（OD）的边界框以及黄斑中心凹位置。该数据集提供了一个很好的机会
【数据结构与技术规格】
文件数 1 个，合计 437.67 MB。数据集 DOI：10.6084/m9.figshare.12570770.v1。
【主题与分类】
源站学科分类：Bioinformatic methods development、Bioinformatics and computational biology not elsewhere classified、Other biological sciences not elsewhere classified、Artificial intelligence not elsewhere classified、Image processing。主题标签：the SUSTech-SYSU dataset、exudates、detection algorithm、Diabetic Retinopathy (DR)、Diabetic retinopathy (DR) grading、optic disc (OD) detection、fovea location、Biological Techniques、Image Processing。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 Bioinformatic methods development、Bioinformatics and computational biology not elsewhere classified、Other biological sciences not elsewhere classified、Artificial intelligence not elsewhere classified、Image processing。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/The_SUSTech-SYSU_dataset_for_automated_exudate_detection_and_diabetic_retinopathy_grading/12570770
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Lin, Li; Li, Meng; Huang, Yijin; Cheng, Pujin; Xia, Honghui; Wang, Kai; et al. (2020). The SUSTech-SYSU dataset for automated exudate detection and diabetic retinopathy grading. figshare. Dataset
【使用注意】
· 源站最后修改于 2020-11-20，引用时请注意版本时效。
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.12570770.v1
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 437.7 MB。
数据说明
从眼底图像中自动检测渗出物在糖尿病视网膜病变（DR）筛查与评估中具有重要作用，对此通常更倾向于采用监督或半监督学习方法。然而，基于监督和半监督学习的检测算法的一个潜在局限在于，它们在很大程度上依赖于训练数据的样本量和注释质量，这也是本工作的基本动机。在本研究中，我们构建了一个包含1219张眼底图像（来自DR患者和健康对照）的数据集，并附有渗出物病变的注释。除了渗出物注释外，我们还为每张图像提供了四个额外标签：左眼与右眼标签、来自三种不同分级方案的DR等级（严重程度量表）、视盘（OD）的边界框以及黄斑中心凹位置。该数据集为分析不同渗出物检测、OD检测、黄斑中心凹定位及DR分类算法的准确性和可靠性提供了绝佳机会。此外，它将促进监督和半监督学习领域中此类算法的开发。
使用本数据集的研究人员在利用该数据集产生的任何研究成果中，均需引用以下论文，并适当鸣谢本数据集的贡献。——Li Lin等人：用于自动渗出物检测和糖尿病视网膜病变分级的SUSTech-SYSU数据集，《科学数据》。https://doi.org/10.1038/s41597-020-00755-0
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。
