哈佛青光眼检测与进展数据集
该数据集是一个多模态医学影像数据集，主要包含1000名患者的OCT影像数据以及青光眼检测和进展的标签，同时提供年龄、性别和种族等人口统计信息。它主要用于青光眼的诊断、进展预测研究，并支持医学公平性分析，是目前最大的公开青光眼检测数据集和首个专注于青光眼进展预测的公开资源。
基本信息
资源简介
哈佛青光眼检测与进展数据集
【一句话概览】
哈佛青光眼检测与进展（Harvard-GDP）的代码及对应数据集已在 GitHub 仓库 Harvard-GDP 上公开。相关论文《Harvard Glaucoma Detection and Progression: A Multimodal Multitask Dataset and Generalization-Reinforced Semi-Supervised Learning》发表于 2023 年国际计算机视觉大会。该数据集涉及青光眼、眼科、多模态、多任务、检测与进展等主题（来源 ophai.hms.harvard.edu）。
【数据集背景】
本数据集源站标题为《Harvard Glaucoma Detection and Progression》。
【数据内容】
源站原始描述：Harvard Glaucoma Detection and Progression (Harvard-GDP): The code for Harvard-GDP with the corresponding dataset is available on our GitHub repository Harvard-GDP . The paper “ Harvard Glaucoma Detection and Progression: A Multimodal Multitask Dataset and Generalization-Reinforced Semi-Supervised Learning ” was published in the 2023 International Conference on Computer Vision
中文译文（机器翻译，仅供快速理解，请以原文为准）：哈佛青光眼检测与进展（Harvard-GDP）：Harvard-GDP的代码及相应数据集可在我们的GitHub仓库Harvard-GDP中获取。论文《哈佛青光眼检测与进展：多模态多任务数据集与泛化增强的半监督学习》发表于2023年国际计算机视觉大会。
【主题与分类】
主题标签：Glaucoma、Ophthalmology、Multimodal、Multitask、Detection、Progression。
【获取与许可】
源站页面：https://ophai.hms.harvard.edu/datasets/harvard-gdp1000
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-gdp1000
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
哈佛青光眼检测与进展数据集（Harvard-GDP）是由哈佛医学院眼科系创建的多模态多任务数据集，包含1000名患者的OCT（光学相干断层扫描）影像数据及青光眼检测和进展的标签。该数据集是目前最大的青光眼检测公开数据集，也是首个专注于青光眼进展预测的公开数据集。数据来源于美国患者，具有较高的种族多样性，适用于青光眼的诊断、进展预测以及医学公平性研究。此外，数据集还提供了患者的年龄、性别和种族等人口统计信息，有助于全面分析青光眼的影响因素和临床决策支持。
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。
