眼病分类图像数据集（Uveitis、Conjunctivitis、Cataract、Eyelid）含症状与SMOTE验证
数据可用于医学图像分析与机器学习模型开发，支持眼病分类任务，并涉及SMOTE验证（来源 Mendeley Data）。数据集旨在用于医学图像分析和机器学习模型开发
基本信息
资源简介
眼病分类图像数据集（Uveitis、Conjunctivitis、Cataract、Eyelid）含症状与SMOTE验证
Image Dataset on Eye Diseases Classification (Uveitis, Conjunctivitis, Cataract, Eyelid) with Symptoms and SMOTE Validation
该数据集来自data.mendeley.com，包含五类眼部状态（Normal、Uveitis、Conjunctivitis、Cataract、Eyelid Drooping）的.jpg图像及对应症状描述，共2300个文件，发布于2024年12月12日。数据可用于医学图像分析与机器学习模型开发，支持眼病分类任务，并涉及SMOTE验证（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2024-12-12。
【数据内容】
源站描述（机器翻译，仅供参考）：数据集描述：该数据集包含五类眼病（Uveitis、Conjunctivitis、Cataract、Eyelid Drooping和Normal）的图像及相应症状描述。数据集旨在用于医学图像分析和机器学习模型开发。它包括图像数据（.jpg格式）以及疾病及其症状的详细描述。包含的疾病：Normal：无异常，视力清晰，无红肿。Uveitis：眼睛发红、疼痛、视力模糊、对光敏感和飞蚊症。Conjunctivitis：发红、瘙痒、流泪、分泌物和眼睑结痂。Cataract：视力浑浊或模糊、夜间视力困难、对眩光敏感。Eyelid Drooping：眼睑下垂、肿胀、刺激以及多个眼睑上的肿块。症状：每种疾病都与其上述症状相关联。这些症状
【数据结构与技术规格】
文件数 2300 个，合计 43.73 MB。数据集 DOI：10.17632/n9zp473wfw.2。
【主题与分类】
主题标签：眼及附器疾病、眼病图像分类、Uveitis、Conjunctivitis、Cataract、Eyelid Drooping、SMOTE验证。本站分类：眼及附器疾病。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/n9zp473wfw
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://data.mendeley.com/datasets/n9zp473wfw
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 43.7 MB。
数据说明
Abu Kowshir Bitto (2024). Image Dataset on Eye Diseases Classification (Uveitis, Conjunctivitis, Cataract, Eyelid) with Symptoms and SMOTE Validation [Dataset]. http://doi.org/10.17632/n9zp473wfw.2
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。
