基于U-Net与逐步微调的角膜溃疡分割数据集

数据集获取（Figshare）

• 源站标题：A corneal ulcer segmentation approach using U-Net and stepwise fine-tuning
• DOI：10.6084/m9.figshare.24039379.v1
• 发布日期：2023-08-27
• 文件数：42 个
• 文件总体积：30.01 MB
• 源站页面：https://tandf.figshare.com/articles/dataset/A_corneal_ulcer_segmentation_approach_using_U-Net_and_stepwise_fine-tuning/24039379

命令行下载

curl -L -o "apa.bst" "https://ndownloader.figshare.com/files/42152602"
curl -L -o "booktabs.sty" "https://ndownloader.figshare.com/files/42152605"
curl -L -o "epsfig.sty" "https://ndownloader.figshare.com/files/42152608"
curl -L -o "fig10a.png" "https://ndownloader.figshare.com/files/42152611"
curl -L -o "fig10b.png" "https://ndownloader.figshare.com/files/42152614"
curl -L -o "fig10c.png" "https://ndownloader.figshare.com/files/42152617"
curl -L -o "fig10d.png" "https://ndownloader.figshare.com/files/42152620"
curl -L -o "fig10e.png" "https://ndownloader.figshare.com/files/42152623"

文件清单

• apa.bst（23.58 KB）
• booktabs.sty（6.38 KB）
• epsfig.sty（3.11 KB）
• fig10a.png（3.87 KB）
• fig10b.png（4.51 KB）
• fig10c.png（6.83 KB）
• fig10d.png（55.48 KB）
• fig10e.png（65.42 KB）
• fig10f.png（65.46 KB）
• fig11a.png（1.32 KB）
• fig11b.png（1.35 KB）
• fig11c.png（2.06 KB）
• fig11d.png（54.15 KB）
• fig11e.png（65.30 KB）
• fig11f.png（61.77 KB）
• fig12.png（176.50 KB）
• fig1a.jpg（392.35 KB）
• fig1b.jpg（2.10 MB）
• fig1c.jpg（1.80 MB）
• fig2.png（8.89 MB）

文件总体积 30.01 MB（源站 API 实测）。

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。

数据说明

角膜溃疡被定义为炎症甚至感染。它们是影响眼健康的最常见疾病之一。正确测量角膜溃疡病灶使医生能够评估治疗效果并做出决策。本文提出了一种分割方法，旨在辅助医生监测角膜溃疡病灶的治疗。我们应用了U-Net卷积神经网络架构中的逐步微调，使用358张点状角膜溃疡图像训练模型。然后，将使用U-Net架构的模型结果提交给后处理操作。基于使用91张片状角膜溃疡图像进行的实验，我们的方法平均达到了0.823的Dice系数、88.9%的召回率、99.4%的特异性和0.835的真实Dice系数。结果令人鼓舞；我们有证据表明，所提出的方法可以将训练阶段的数据泛化以分割测试数据。

许可

CC BY 4.0

引用

学术使用请引用 DOI 10.6084/m9.figshare.24039379.v1（source: https://tandf.figshare.com/articles/dataset/A_corneal_ulcer_segmentation_approach_using_U-Net_and_stepwise_fine-tuning/24039379）。