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。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
暂未开放有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
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。
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 青光眼 的高质量、多模态真实临床数据定制解决方案。
