不同祖先人群虹膜表面特征分析数据
该数据集来自 Dryad,包含用于分析不同祖先人群虹膜表面特征的高分辨率虹膜照片及相关数据。研究关注 Fuchs’ crypts、Wolfflin nodules、色素斑、收缩沟和结膜黑变病等纹理特征,并开发了从虹膜照片中表征这些特征的新方法

基本信息
资源简介
不同祖先人群虹膜表面特征分析数据
Data from: Analysis of iris surface features in populations of diverse ancestry
该数据集来自 Dryad,包含用于分析不同祖先人群虹膜表面特征的高分辨率虹膜照片及相关数据。研究关注 Fuchs’ crypts、Wolfflin nodules、色素斑、收缩沟和结膜黑变病等纹理特征,并开发了从虹膜照片中表征这些特征的新方法。样本覆盖东亚、欧洲和南亚祖先人群,可用于比较虹膜特征在人群间的频率差异,并探索特征之间的相关性,适合开展基于图像的虹膜特征分类与人群关联研究(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2015。
【数据内容】
源站描述(机器翻译,仅供参考):在人眼中可以发现许多纹理元素,包括 Fuchs’ crypts、Wolfflin nodules、色素斑、收缩沟和结膜黑变病。尽管虹膜表面特征已在欧洲祖先人群中得到充分研究,但这些特征在全球范围内的分布却知之甚少。在本文中,我们开发了一种从虹膜照片中表征虹膜特征的新方法。然后,我们将该方法应用于东亚、欧洲和南亚祖先的多样化样本。所有五种虹膜特征在三个人群之间的频率均显示出显著差异,表明虹膜特征在很大程度上取决于人群。尽管在东亚和南亚人群中这些特征彼此之间均不相关,但 Fuchs’ crypts 与收缩沟和色素斑显著相关,而收缩沟与
【主题与分类】
主题标签:Human populations、High-resolution photography、association study、Iris surface features。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.0kt87
使用许可:Creative Commons Zero v1.0 Universal。
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
源站:https://doi.org/10.5061/dryad.0kt87
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:
数据集大小约 156.0 KB。
数据说明
人眼中有许多纹理特征,包括Fuchs隐窝、Wolfflin结节、色素斑、收缩沟和结膜黑变病。尽管虹膜表面特征在欧洲血统人群中已得到充分研究,但这些特征在全球范围内的分布却知之甚少。本文中,我们开发了一种从虹膜照片中表征虹膜特征的新方法,并将该方法应用于东亚、欧洲和南亚血统的多样化样本。所有五种虹膜特征在三个人群间的出现频率均显示出显著差异,表明虹膜特征在很大程度上依赖于人群。尽管在东亚和南亚群体中这些特征彼此之间均无相关性,但在欧洲群体中,Fuchs隐窝与收缩沟和色素斑显著相关,且收缩沟与色素斑也显著相关。
遗传标记SEMA3A rs10235789在欧洲、东亚和南亚样本中与Fuchs隐窝分级显著相关,而在欧洲样本中发现TRAF3IP1 rs3739070与收缩沟分级存在边缘关联。对不同人群虹膜表面特征的研究可能为法医学、生物医学和眼科学领域提供有价值的信息。
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。




