ADAM：年龄相关性黄斑变性的自动检测挑战
ADAM数据集是一个专门针对年龄相关性黄斑变性（AMD）的医学图像数据集，主要包含视网膜眼底照片这种图像模态，涵盖干性AMD、湿性AMD及非AMD对照样本，并标注了玻璃疣、渗出等病变特征，用于支持AMD自动分类、视盘分割、中央凹定位和病变分割等研究方向，为开发高效的AMD诊断算法提供标准化测试资源。
基本信息
资源简介
ADAM：年龄相关性黄斑变性的自动检测挑战
【一句话概览】
ADAM 是 ISBI 2020 在美国爱荷华州爱荷华市举行的半天挑战赛卫星活动，聚焦年龄相关性黄斑变性（AMD）诊断及患者眼底照片病变分割算法的研究与开发，旨在评估和比较在视网膜眼底图像通用数据集上检测 AMD 的自动算法。AMD 是黄斑区退行性疾病，好发于 45 岁以上人群，分干性和湿性，早期诊断对治疗和预后至关重要，眼底照片是基本检查之一。挑战设 4 项任务：AMD 与非 AMD 眼底图像分类、视盘检测与分割、中央凹定位、病变检测与分割（来源 opendatalab.org.cn）。
【数据集背景】
本数据集源站标题为《ADAM (Adam: automatic detection challenge on age-related macular degeneration)》。
【数据内容】
源站原始描述：ADAM 组织为半天挑战赛，这是在美国爱荷华州爱荷华市举行的 ISBI 2020 会议的卫星活动。 ADAM 挑战的重点是研究和开发与年龄相关性黄斑变性 (AMD) 诊断和 AMD 患者眼底照片中的病变分割相关的算法。挑战的目标是评估和比较用于在视网膜眼底图像的通用数据集上检测 AMD 的自动算法。我们邀请医学图像分析社区参与开发和测试现有的和新颖的自动眼底分类和分割方法。说明：ADAM：年龄相关性黄斑变性的自动检测挑战链接： 年龄相关性黄斑变性，简称 AMD，是黄斑区的一种退行性疾病。主要好发于45岁以上人群，发病率甚至高于老年人糖尿病视网膜病变。 AMD的病因尚不完全清楚，可能与遗传、慢性光破坏效应和营养障碍等多种因素有关。 AMD分为干性AMD和湿性AMD。干性 AMD（也称为非渗出性 AMD）不是新生血管。它的特点是视网膜色素上皮（RPE）进行性萎缩。晚期可在检眼镜下观察到玻璃疣和大面积萎缩。湿性 AMD（也称为新生血管性或渗出性 AMD）的特征是 RPE 下有活跃的新生血管形成，随后会导致渗出、出血和瘢痕形成，如果不及时治疗，最终会对感光器造成不可逆的损害和快速的视力丧失。…
中文译文（机器翻译，仅供快速理解，请以原文为准）：ADAM 组织为半天挑战赛，这是在美国爱荷华州爱荷华市举行的 ISBI 2020 会议的卫星活动。 ADAM 挑战的重点是研究和开发与年龄相关性黄斑变性 (AMD) 诊断和 AMD 患者眼底照片中的病变分割相关的算法。挑战的目标是评估和比较用于在视网膜眼底图像的通用数据集上检测 AMD 的自动算法。我们邀请医学图像分析社区参与开发和测试现有的和新颖的自动眼底分类和分割方法。说明：ADAM：年龄相关性黄斑变性的自动检测挑战链接：https://amd.grand-challenge.org 年龄相关性黄斑变性，简称 AMD，是黄斑区的一种退行性疾病。主要好发于45岁以上人群，发病率甚至高于老年人糖尿病视网膜病变。 AMD的病因尚不完全清楚，可能与遗传、慢性光破坏效应和营养障碍等多种因素有关。 AMD分为干性AMD和湿性AMD。干性 AMD（也称为非渗出性 AMD）不是新生血管。它的特点是视网膜色素上皮（RPE）进行性萎缩。晚期可在检眼镜下观察到玻璃疣和大面积萎缩。湿性 AMD（也称为新生血管性或渗出性 AMD）的特征是 RPE 下有活跃的新生血管形成，随后会导致渗出、出血和瘢痕形成，如果不及时治疗，最终会对感光器造成不可逆的损害和快速的视力丧失。 AMD 的早期诊断对治疗和预后至关重要。眼底照片是基本检查之一。当前数据集由 AMD 和非 AMD（近视、正常对照等）照片组成。在这些照片中可以发现 AMD 的典型迹象包括玻璃疣、渗出、出血等。ADAM 挑战有 4 个任务： 任务 1：AMD 和非 AMD 眼底图像的分类。任务 2：视盘的检测和分割。任务 3：中央凹的定位。任务 4：从眼底图像中检测和分割病变。
【主题与分类】
主题标签：医疗、年龄相关性黄斑变性、AMD、眼底图像、中央凹检测、光盘检测、Optic Disc Segmentation、病变分割、分类。
【获取与许可】
源站页面：https://opendatalab.org.cn/OpenDataLab/ADAM
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/ADAM
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
ADAM数据集是专为ISBI 2020会议卫星活动——半天挑战赛而构建的公开医学影像数据集，旨在推动年龄相关性黄斑变性（AMD）的自动诊断和病变分割算法研究。该数据集包含大量视网膜眼底照片，涵盖干性AMD、湿性AMD以及非AMD（如近视、正常对照）等多种类别，图像中标注了玻璃疣、渗出、出血等典型病变特征。数据通过专业医疗采集和标注构建，主要应用于医学图像分析领域，支持AMD分类、视盘分割、中央凹定位和病变分割等任务，为开发自动化AMD诊断工具提供基准测试平台。
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。
