哈佛青光眼公平性数据集
该数据集包含3300个受试者的2D和3D视网膜神经图像，数据模态为图像数据，主要用于青光眼的自动筛查研究，特别关注深度学习模型在不同种族群体间的公平性，旨在解决医疗公平性问题，为3D公平性学习提供基础。
基本信息
资源简介
哈佛青光眼公平性数据集
【一句话概览】
哈佛青光眼公平性数据集（Harvard-GF）的代码及对应数据集已在 GitHub 仓库 Harvard-GF 上公开。相关论文《Harvard Glaucoma Fairness: A Retinal Nerve Disease Dataset for Fairness Learning and Fair Identity Normalization》已于 2024 年发表在 IEEE Transactions on Medical Imaging 上。该数据集面向青光眼与视网膜神经疾病，服务于公平性学习与公平身份归一化研究，属于眼科学领域（来源 ophai.hms.harvard.edu）。
【数据集背景】
本数据集源站标题为《Harvard Glaucoma Fairness》。
【数据内容】
源站原始描述：Harvard Glaucoma Fairness (Harvard-GF): The code for Harvard-GF with the corresponding dataset is available on our GitHub repository Harvard-GF . The paper “ Harvard Glaucoma Fairness: A Retinal Nerve Disease Dataset for Fairness Learning and Fair Identity Normalization ” was published in IEEE Transactions on Medical Imaging in 2024
中文译文（机器翻译，仅供快速理解，请以原文为准）：哈佛青光眼公平性数据集（Harvard-GF）：Harvard-GF的代码及相应数据集可在我们的GitHub仓库Harvard-GF中获取。论文《哈佛青光眼公平性：用于公平学习和公平身份归一化的视网膜神经疾病数据集》于2024年发表在IEEE Transactions on Medical Imaging上。
【主题与分类】
主题标签：glaucoma、retinal nerve disease、fairness learning、ophthalmology。
【获取与许可】
源站页面：https://ophai.hms.harvard.edu/datasets/harvard-gf3300/
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-gf3300/
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
哈佛青光眼公平性数据集是由哈佛医学院创建，专注于青光眼检测的公平性学习。该数据集包含3300个受试者的2D和3D视网膜神经图像，旨在解决不同种族间健康问题的差异。数据集平衡了白人、黑人和亚洲人的样本数量，以避免数据不平衡问题。此外，数据集还包括3D成像数据，为3D公平性学习提供了机会。该数据集的应用领域主要集中在通过深度学习进行青光眼的自动筛查，旨在解决模型预测准确性在不同种族群体中的差异问题。
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。
