FGADR
大规模的细粒度注释的糖尿病性视网膜病 (FGADR) 数据集由两个子集组成: Seg集 (1842图像) 和Grade集 (1000图像)。 糖尿病患者有患糖尿病视网膜病变 (DR) 的风险。这种疾病是当高血糖水平导致…
基本信息
资源简介
FGADR
【一句话概览】
FGADR 是一个大规模细粒度注释的糖尿病性视网膜病数据集，由 Seg 集（1842 图像）和 Grade 集（1000 图像）两个子集组成，共 2842 图像。糖尿病患者有患糖尿病视网膜病变的风险，该病由高血糖导致视网膜血管受损引起。由于缺乏具有一致且细粒度注释的训练数据，以往多数 DR 诊断系统对眼科医生而言性能或可解释性不理想。该数据集含 1842 幅像素级 DR 相关病变注释图像，以及 1000 幅由 6 名板认证眼科医生分级、具有评分者内部一致性的图像级标签，可支持 DR 诊断的广泛研究（来源 opendatalab.org.cn）。
【数据内容】
源站原始描述：大规模的细粒度注释的糖尿病性视网膜病 (FGADR) 数据集由两个子集组成: Seg集 (1842图像) 和Grade集 (1000图像)。 糖尿病患者有患糖尿病视网膜病变 (DR) 的风险。这种疾病是当高血糖水平导致视网膜血管受损时。由于深度学习的巨大成功，计算机辅助DR诊断是早期检测DR和严重程度分级的有希望的选择。但是，由于缺乏具有一致且细粒度注释的训练数据，以前的大多数工作都提出了DR诊断系统，而对眼科医生而言却没有令人满意的性能或可解释性。为了解决这个问题，我们构造了一个包含2,842图像 (FGADR) 的大规模细粒度带注释的DR数据集。该数据集具有1,842幅图像，其中包含像素级DR相关病变注释，1,000幅图像级标签由6名板认证的眼科医生分级，具有评分者内部一致性。所提出的数据集能够对DR诊断进行广泛的研究。
中文译文（机器翻译，仅供快速理解，请以原文为准）：大规模细粒度注释的糖尿病性视网膜病 (FGADR) 数据集由两个子集组成: Seg集 (1842图像) 和Grade集 (1000图像)。 糖尿病患者有患糖尿病视网膜病变 (DR) 的风险。这种疾病是当高血糖水平导致视网膜血管受损时。由于深度学习的巨大成功，计算机辅助DR诊断是早期检测DR和严重程度分级的有希望的选择。但是，由于缺乏具有一致且细粒度注释的训练数据，以前的大多数工作都提出了DR诊断系统，而对眼科医生而言却没有令人满意的性能或可解释性。为了解决这个问题，我们构造了一个包含2,842图像 (FGADR) 的大规模细粒度带注释的DR数据集。该数据集具有1,842幅图像，其中包含像素级DR相关病变注释，1,000幅图像级标签由6名板认证的眼科医生分级，具有评分者内部一致性。所提出的数据集能够对DR诊断进行广泛的研究。
【主题与分类】
主题标签：糖尿病视网膜病变、DR、眼底图像、图像分割、图像分类、细粒度注释。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://opendatalab.org.cn/OpenDataLab/FGADR
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。
需登录公开下载
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。
暂未开放有偿下载
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://opendatalab.org.cn/OpenDataLab/FGADR
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:
数据说明
FGADR是一个大规模细粒度注释的糖尿病视网膜病变（DR）眼底图像数据集，包含2842张图像，其中1842张带有像素级DR相关病变分割注释，1000张带有图像级DR严重程度分级标签（由6名眼科医生标注）。该数据集用于支持DR诊断的计算机辅助系统研究，涵盖病变分割和严重程度分级任务。
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。
