SLIT-Net 数据集
该数据集包含来自 133 只眼的裂隙灯摄影图像，用于开发并训练 SLIT-Net——一个可自动分割眼部结构与多种微生物性角膜炎生物标志物的深度学习网络
基本信息
资源简介
SLIT-Net 数据集
Dataset for SLIT-Net 是一个面向眼科图像分析与深度学习研究的公开数据集，收录了来自 133 只眼的裂隙灯摄影图像。该数据集的核心用途是支持 SLIT-Net 的开发与训练——这是一个用于自动分割眼部结构以及多种微生物性角膜炎生物标志物的深度学习网络。数据集由 Loo, Jessica、Woodward, Maria 与 Farsiu, Sina 共同贡献，托管于 Harvard Dataverse，发布时间为 2026 年，主题涵盖计算机与信息科学、医学与健康生命科学，并涉及自动分割、深度学习、角膜炎与裂隙灯显微镜检查等方向。对于关注角膜感染智能诊断、医学图像分割算法开发的研究者而言，该数据集提供了一个以裂隙灯影像为基础的训练资源，其相关模型细节与评估结果可参见已发表的论文。
【数据集背景】
微生物性角膜炎是一类需要借助裂隙灯显微镜进行观察与评估的角膜感染性疾病，临床图像中往往同时存在多种形态各异的生物标志物，人工判读依赖经验且耗时。SLIT-Net 正是在这一背景下提出的深度学习网络，目标是实现对眼部结构与多种微生物性角膜炎生物标志物的自动化分割。该数据集即为支撑这一网络开发与训练而建立，因而与角膜感染这一眼病方向紧密相关，属于医学图像分析与计算机视觉交叉领域的研究资源。
【数据内容】
数据集的主体是裂隙灯摄影图像，覆盖 133 只眼。这些图像用于训练 SLIT-Net 完成两类分割任务：一是眼部结构的自动分割，二是多种微生物性角膜炎生物标志物的自动分割。数据集的主题标签包括自动分割、深度学习、角膜炎与裂隙灯显微镜检查，反映出其内容围绕角膜感染的影像特征与算法处理展开。除图像本身外，关于数据集构成、模型开发与评估的更多细节，需参考已发表论文。
【采集与来源】
图像来源于裂隙灯摄影，采集对象为 133 只眼。数据集通过 doi.org 来源站发布，托管机构为 Harvard Dataverse。贡献者包括 Loo, Jessica、Woodward, Maria 与 Farsiu, Sina。发布时间为 2026 年。关于采集地点、采集设备型号、采集时间跨度、受试者招募方式等信息，源站未提供。
【适用场景】
该数据集适用于医学图像分割相关的算法研究与模型训练，尤其是针对裂隙灯图像中眼部结构和微生物性角膜炎生物标志物的自动识别与分割任务。典型用途包括：训练和验证 SLIT-Net 类深度学习网络、比较不同分割方法在角膜感染影像上的表现、以及作为眼科影像分析教学与复现研究的素材。由于数据聚焦于角膜感染，也可用于角膜炎相关生物标志物的定量分析探索。具体到其他疾病类型或成像模态的迁移适用性，源站未提供。
【使用方法】
数据集以裂隙灯摄影图像形式提供，使用者可依据 SLIT-Net 的网络设计与训练流程将其用于模型开发。关于数据划分方式、标注格式、预处理步骤、训练超参数与评估协议等操作层面的细节，源站未提供，需查阅已发表论文获取。使用时应遵循 Harvard Dataverse 的访问与使用规定。
【质量与限制】
数据集覆盖 133 只眼，样本规模相对有限，可能影响模型泛化能力的评估。图像均为裂隙灯摄影，模态单一，未涵盖其他眼科成像方式。关于图像分辨率、标注一致性、标注者数量与一致性指标、数据偏倚等质量相关信息，源站未提供。使用者应结合已发表论文中的评估结果判断其适用边界。
【引用与许可】
使用该数据集时应引用相关发表论文（https://ieeexplore.ieee.org/document/9050902）以及数据集本身，贡献者为 Loo, Jessica、Woodward, Maria 与 Farsiu, Sina，托管于 Harvard Dataverse。关于具体的许可条款与使用限制，源站未提供。
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/10.7910/DVN/BWJJRP
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 5.62 GB。
数据说明
该存储库包含来自133只眼的裂隙灯摄影图像，用于开发和训练SLIT-Net——一个用于自动分割眼部结构和多种微生物性角膜炎生物标志物的深度学习网络。有关数据集、模型开发和评估的更多详细信息，请参阅已发表的论文：https://ieeexplore.ieee.org/document/9050902
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。
