Harvard-FairSeg
哈佛大学眼科AI实验室构建的10,000样本医学图像分割数据集，用于公平性学习，覆盖多种敏感属性，提升青光眼诊断的公平性。
基本信息
资源简介
Harvard-FairSeg
【一句话概览】
FairSeg 的代码及对应数据集已在 GitHub 仓库 Fairseg 公开。相关论文《FairSeg: A Large-Scale Medical Image Segmentation Dataset for Fairness Learning Using Segment Anything Model with Fair Error-Bound Scaling》发表于 2024 年 International Conference on Learning Representations。该工作涉及医学图像分割、公平性学习、Segment Anything Model 及眼科领域（来源 ophai.hms.harvard.edu。
【数据集背景】
本数据集源站标题为《FairSeg》。
【数据内容】
源站原始描述：FairSeg : The code for FairSeg with the corresponding dataset is available on our GitHub repository Fairseg . The paper “ FairSeg: A Large-Scale Medical Image Segmentation Dataset for Fairness Learning Using Segment Anything Model with Fair Error-Bound Scaling ” was published in the 2024 International Conference on Learning Representations
中文译文（机器翻译，仅供快速理解，请以原文为准）：FairSeg：FairSeg的代码及相应数据集可在我们的GitHub仓库Fairseg中获取。论文《FairSeg：一个大规模医学图像分割数据集，用于使用公平误差界限缩放的Segment Anything模型进行公平性学习》发表于2024年国际学习表征会议。
【主题与分类】
主题标签：Medical Image Segmentation、Fairness Learning、Segment Anything Model、Ophthalmology。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://ophai.hms.harvard.edu/datasets/harvard-fairseg10k
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。
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://ophai.hms.harvard.edu/datasets/harvard-fairseg10k
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
Harvard-FairSeg是由哈佛大学眼科人工智能实验室创建的大规模医学图像分割数据集，包含10,000个样本，涵盖年龄、性别、种族、民族、首选语言和婚姻状况等六种敏感属性，旨在通过Segment Anything Model (SAM) 和公平误差边界缩放方法，提高不同身份群体在青光眼等眼科疾病诊断中的分割性能公平性。
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。
