用于角膜溃疡自动分割和分类的SUSTech-SYSU数据集

该数据集是一个包含712张眼部荧光素染色图像及其对应分割与分类标签的医学图像数据集，数据模态为彩色图像，每张图像均标注了角膜溃疡区域的分割掩码以及一般溃疡模式、特定溃疡模式和溃疡严重程度三类分类标签，主要用于支持角膜溃疡的自动分割与分类算法研究，特别是在深度学习框架下开发监督学习模型，以促进眼科疾病的计算机辅助诊断应用。

github

2024-04-18 更新

医学图像处理机器学习

基本信息

创建/更新时间

2024-04-18

资源简介

SUSTech-SYSU数据集是一个专门用于角膜溃疡自动分割和分类的医学图像数据集，包含712张眼部荧光素染色图像及其对应的角膜溃疡分割标签。每张图像还标注了三种分类标签：一般溃疡模式、特定溃疡模式和溃疡严重程度。该数据集通过专业医学图像采集构建，旨在为角膜溃疡的计算机辅助诊断提供基准数据，支持医学图像处理、机器学习特别是深度学习算法的研究与应用，促进眼科疾病自动分析技术的发展。

原始链接

https://github.com/CRazorback/The-SUSTech-SYSU-dataset-for-automatically-segmenting-and-classifying-corneal-ulcers

访问原始数据

官方服务

如需原始数据获取支持或标注服务，请联系我们。

帮我联系

下载信息

注册下载

Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。

暂未开放

公开下载

Tips: 该数据集属于公开下载，应该可以免费公开下载。

免登录

有偿下载

Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。

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

千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。

使用方式

数据集获取

git clone https://github.com/CRazorback/The-SUSTech-SYSU-dataset-for-automatically-segmenting-and-classifying-corneal-ulcers.git

curl -L -o repo.zip https://github.com/CRazorback/The-SUSTech-SYSU-dataset-for-automatically-segmenting-and-classifying-corneal-ulcers/archive/refs/heads/master.zip
unzip repo.zip

源站 README 摘录（使用方式）

Quick start

Environment

This code is developed using on Python 3.8.5 and Pytorch 1.7.1 on CentOS7 with NVIDIA GPUs. Training and testing are performed using 1 RTX 3090 GPU with CUDA 11.0. Other platforms or GPUs are not fully tested.

Install

Install Pytorch.
Install dependencies:

pip install -r requirements.txt

Install surface-distance package via pip:

git clone https://github.com/deepmind/surface-distance.git
pip install surface-distance/

Train

Please specify the configuration file in experiments.

cd src
sh experiments/asf_cpe.sh

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