Fundus-AVSeg眼底动脉静脉分割数据集

数据集获取（Figshare）

• 源站标题：Fundus-AVSeg：用于基于 AI 的动脉静脉分割的眼底图像数据集
• DOI：10.6084/m9.figshare.27938034.v2
• 发布日期：2025-04-30
• 文件数：1 个
• 文件总体积：212.77 MB
• 源站页面：https://figshare.com/articles/dataset/Fundus-AVSeg/27938034

命令行下载

curl -L -o "Fundus-AVSeg.zip" "https://ndownloader.figshare.com/files/54093641"

文件清单

• Fundus-AVSeg.zip（212.77 MB）

文件总体积 212.77 MB（源站 API 实测）。

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。

数据说明

抽象
视网膜动脉静脉血管与全身性慢性疾病和心血管疾病有关。因此，视网膜动脉静脉血管的准确定量分析是临床诊断的初步依据。大多数现有的人工智能 （AI） 方法都是数据驱动的。虽然已经发布了一些公共视网膜动脉静脉分割数据集，但其数据质量并不令人满意。在本文中，我们为基于 AI 的动脉静脉分割建立了一个新的眼底图像数据集 Fundus-AVSeg。它由 100 张高分辨率眼底图像组成，并由专业眼科医生进行像素级手动注释。我们相信我们的 Fundus-AVSeg 将有利于视网膜动脉-静脉血管分割的进一步发展。

数据信息
Fundus-AVSeg 包含 100 张眼底图像，其中 40 张来自正常眼底，20 张来自糖尿病视网膜病变 （DR） 患者，20 张来自年龄相关性黄斑变性 （AMD），20 张来自青光眼。图像有两种分辨率：2656×1992 和 1280×1280。像素级手动注释类别包括动脉、静脉、动脉-静脉交叉和类别不确定的血管。还为每张图像提供了两个图像质量类别：低质量和高质量。
数据采集
Fundus-AVSeg 的数据来源是深圳眼科医院。所有 100 张眼底图像均来自深圳市眼科医院的影像数据库。眼底图像由眼科医生使用蔡司VISUCAM200眼底相机或佳能眼底相机拍摄，这些都是眼底相机的主流产品。所有眼底图像都是在真实的临床诊断过程中生成的。所有伦理和实验程序和协议均由深圳眼科医院根据道德编号 2022KYPJ062 授予。
数据记录
Fundus-AVSeg 数据集已以压缩文件的形式上传到 Figshare。解压后的文件包含两个文件夹和一个Microsoft Office Excel 列表，以及两个 txt 格式的文件，分别命名为 ‘’‘‘images’’‘’、‘’‘‘annotation’’‘’ 、‘’‘‘metadata.xlsx’’‘’、‘‘training.txt’’‘’ 和 ‘’‘‘testing.txt’’‘’ 。在 ‘’‘‘images’’‘’ 文件夹中，有 100 张眼底图像。图像被命名为 ‘’‘‘n_D/A/G/N.png“，其中 ‘’’‘n’’‘’ 表示眼底图像的数量，‘’‘‘D’’‘’、‘’‘‘A’’‘’、‘‘G’’‘’ 和 ‘’‘‘N’’‘’ 代表 ‘’‘‘DR’’‘’、‘‘AMD’’‘’、‘‘青光眼’’‘’ 和 ‘’‘‘正常’’‘’。‘’‘‘annotation’’‘’ 文件夹包含 100 张对应的带注释的图像，这些图像按照相同的规则命名，其中该文件夹中的特定图像是 ‘’‘‘images’’‘’ 中同名图像的基本事实。“metadata.xlsx”是一个 Excel 文件，其中包含以下信息：图像名称、眼睛 ID、疾病类型和图像质量。‘’‘‘training.txt’’‘’ 和 ‘’‘‘testing.txt’’‘’ 文件分别存储用于训练和测试的特定图像名称，按照数据集的 8：2 分割。请注意，当前的数据拆分策略是我们推荐的，可以根据不同的研究目的进行更改。
使用说明
完整的数据集可通过提供的链接下载。用户可以根据其特定的研究设计灵活地划分数据集。预计用户将在他们的研究中引用这篇论文，并认识到数据集对他们研究的贡献。
代码可用性
本研究中提到的代码可以在 https://github.com/AI-thpremed/Basic-Seg-Experiment 中找到。

许可

CC BY 4.0

引用

学术使用请引用 DOI 10.6084/m9.figshare.27938034.v2（source: https://figshare.com/articles/dataset/Fundus-AVSeg/27938034）。