DDR增强型伪影数据集
该数据集是一个医学影像模态的数据集，主要内容为经过合成伪影增强的眼底图像，每张图像都标注了糖尿病视网膜病变的严重程度等级。其主要用途是研究人工智能模型在医学图像存在伪影（如血管反射）时的鲁棒性，可用于训练和评估糖尿病视网膜病变分类器、病变分割模型以及专门用于识别和去除图像伪影的预处理模块，旨在提升相关模型在真实复杂成像条件下的性能。
基本信息
资源简介
DDR增强型伪影数据集
【数据集背景】
本数据集源站标题为《Lelihu/DR_Artifacts》。源站首次发布：2026-03-31。
【数据内容】
源站原始描述：# DDR-Augmented-Artifacts ## Dataset Summary **DDR-Augmented-Artifacts** provides fundus images augmented with realistic synthetic artifacts. Artifacts were cropped from anonymized retina images showing reflections from blood vessels, segmented, and overlaid on DDR images using Gaussian feathered masks and Poisson blending. - ## Example Below is a sample visualization of how the dataset looks: | Original DDR Image | Augmented with Artifact | ||| |…
文件 dataset_card.md 为文本内容，开头为：- dataset_name: "DDR-Augmented-Artifacts" license: "mit" language: "en" pretty_name: "DDR-Augmented-Artifacts" tags: - medical-imaging - diabetic-retinopathy…
【数据结构与技术规格】
文件数 994 个，合计 3.50 GB。
【主题与分类】
主题标签：task_categories:image-classification、task_categories:image-segmentation、task_categories:image-feature-extraction、language:en、license:mit、size_categories:1K<n<10K、format:imagefolder、modality:image、library:datasets、library:mlcroissant。
【获取与许可】
源站页面：https://huggingface.co/datasets/Lelihu/DR_Artifacts
使用许可：mit。
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("Lelihu/DR_Artifacts")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/Lelihu/DR_Artifacts
数据说明
DDR增强型伪影数据集是一个专门用于医学影像研究的公开数据集，它基于DDR（糖尿病视网膜病变）数据集构建，通过添加逼真的合成伪影来增强原始眼底图像。该数据集包含经过处理的眼底图像，每张图像都标注了糖尿病视网膜病变的严重程度等级（0-4级）。这些伪影是从匿名化的视网膜图像中裁剪出血管反射区域，经过分割后，使用高斯羽化掩模和泊松混合技术叠加到DDR图像上生成的。该数据集主要用于研究医学影像AI在存在伪影情况下的鲁棒性，开发视网膜图像数据增强流程，以及训练能够检测和去除采集伪影的预处理模型，适用于图像分类、图像分割和特征提取等任务。
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。
