深度学习系统视乳头水肿严重程度误分类图像示例

数据集获取

源站：https://search.dataone.org/view/sha256%3A00ae7a7e11b5ce9ec31cb06c6d319ab59548832b578447c4b942502cc051b3db

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

本研究旨在评估深度学习系统（DLS）在标准视网膜眼底照片上对颅内压增高相关视乳头水肿严重程度进行分类的性能。DLS经过训练，可自动对965例患者（2103张散瞳眼底照片）的视乳头水肿严重程度进行分类，这些患者代表了颅内压确证升高的多民族队列。训练基于由专家小组分类的1052张轻度/中度视乳头水肿（MP）照片和1051张重度视乳头水肿（SP）照片进行，并在111例患者（214张照片，其中92张为MP，122张为SP）中测试了DLS的性能。在本数据集中，我们提供了DLS误分类图像的示例，包括两张被错误分类为中度视乳头水肿而非重度的图像示例（图1A和1B），以及两张被错误分类为重度视乳头水肿而非中度的图像示例（图2A和2B）。…

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。