全参考评估数据集
包含16,817张眼底图像，用于视网膜图像增强和糖尿病视网膜病变严重程度评估。
基本信息
资源简介
全参考评估数据集
【数据集背景】
本数据集源站标题为《Retinal-Research/EyeBench》。源站首次发布：2025-02-20。
【数据内容】
源站原始描述：Code for paper: EyeBench: A Call for More Rigorous Evaluation of Retinal Image Enhancement
中文译文（机器翻译，仅供快速理解，请以原文为准）：论文代码：EyeBench：呼吁对retinal图像增强进行更严格的评估
【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://github.com/Retinal-Research/EyeBench
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
git clone https://github.com/Retinal-Research/EyeBench.git
curl -L -o repo.zip https://github.com/Retinal-Research/EyeBench/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
EyeBench
Code for paper: EyeBench: A Call for More Rigorous Evaluation of Retinal Image Enhancement
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。
