Grand Challenge：REFUGE 视网膜眼底青光眼挑战数据集
视网膜眼底青光眼挑战（REFUGE）的目标是在一个共同的视网膜眼底图像数据集上，评估和比较用于青光眼检测以及视盘/视杯分割的自动化算法
基本信息
资源简介
Grand Challenge：REFUGE 视网膜眼底青光眼挑战数据集
视网膜眼底青光眼挑战（REFUGE）是一个面向青光眼自动检测与视盘/视杯分割研究的公开数据集与评测平台，其英文全称为 Grand Challenge: REFUGE，来源站为 refuge.grand-challenge.org。该数据集在分类上归属于眼及附器疾病中的青光眼方向。其核心目标是在一个共同的视网膜眼底图像数据集上，评估和比较用于青光眼检测以及视盘/视杯分割的自动化算法，从而为相关研究提供统一的比较基准。通过这一平台，研究者可以在相同的数据条件下检验各自算法的性能，推动青光眼筛查与诊断辅助技术的可复现研究。
【数据集背景】
青光眼是一类与视神经损害相关的眼科疾病，视网膜眼底图像是观察视盘与视杯形态、辅助判断青光眼风险的重要影像来源。REFUGE 的设立正是围绕这一临床与研究需求，提供一个共同的视网膜眼底图像数据集，用于评估和比较自动化算法在青光眼检测以及视盘/视杯分割两项任务上的表现。该数据集以挑战赛的形式组织，强调在同一数据基础上进行算法之间的横向比较，从而减少因数据差异带来的评测偏差。
【数据内容】
该数据集围绕视网膜眼底图像构建，任务目标包括青光眼检测与视盘/视杯分割。青光眼检测属于图像级别的判断任务，视盘/视杯分割则属于像素级别的结构分割任务。二者共同构成 REFUGE 的评测内容。除上述任务定位外，源站未提供关于图像数量、分辨率、标注格式、训练/验证/测试划分等更细的数据内容说明。
【采集与来源】
该数据集来源于 refuge.grand-challenge.org，以 Grand Challenge 平台上的挑战赛形式发布。其数据为视网膜眼底图像。关于具体的采集机构、采集设备、采集地点、受试者来源与伦理审批等信息，源站未提供。
【适用场景】
REFUGE 适用于青光眼自动检测算法的评估与比较，也适用于视盘/视杯分割算法的评估与比较。由于该挑战强调在共同数据集上进行评测，因此可用于研究场景下的算法基准测试、方法对比以及可复现性验证。其应用方向与眼及附器疾病中的青光眼相关研究一致。除此之外的具体临床应用场景，源站未提供。
【使用方法】
该数据集以挑战赛形式组织，参与者可针对青光眼检测和视盘/视杯分割任务提交自动化算法，并在共同数据集上进行比较与评估。关于注册流程、提交格式、评测指标、排名规则、时间安排等具体使用细节，源站未提供。
【质量与限制】
该数据集的价值在于提供共同的视网膜眼底图像数据集，使不同算法能够在一致条件下接受评估和比较，从而提升结果的可比性。其限制方面，源站未提供关于数据规模、标注质量、人群分布、设备差异以及评测指标局限性的具体说明。
【引用与许可】
该数据集的来源站为 refuge.grand-challenge.org。关于引用方式、许可协议、使用条款与数据再分发规定等信息，源站未提供。
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://refuge.grand-challenge.org/
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
视网膜眼底青光眼挑战赛（REFUGE）的目标是在一个共同的视网膜眼底图像数据集上，评估并比较用于青光眼检测和视盘/视杯分割的自动化算法。
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。
