REFUGE2挑战赛：青光眼筛查多维度分析与评估数据集

数据集获取

源站：https://doi.org/10.21227/7d23-j419

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

随着人工智能（AI）在医学图像处理领域的快速发展，彩色眼底照相（CFP）分析中的深度学习也在不断演进。尽管眼科领域已有一些开源、带标注的CFP数据集，但用于筛查的大规模数据集仅包含疾病类别标签，而带有眼底结构标注的数据集通常规模较小。此外，各数据集之间的标注标准并不统一，且缺乏关于采集设备的明确信息。在此，我们发布了一个用于青光眼分析的多标注、多质量、多设备的彩色眼底图像数据集，基于一项原创挑战赛——视网膜眼底青光眼挑战赛第二版（REFUGE2）。REFUGE2数据集包含2000张彩色眼底图像，并附有青光眼分类、视盘/视杯分割以及黄斑中心凹定位的标注。同时，REFUGE2挑战赛设置了自动青光眼诊断与眼底结构分析的三个子任务，并提供了在线评估框架。

基于多设备、多质量数据的特点，挑战赛中提供了一些具有强泛化能力的方法，使预测更加稳健。这表明REFUGE2关注真实世界多域数据的特性，弥合了科学研究与临床应用之间的差距。

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。