RIM-ONE视网膜数据集用于青光眼评估
该数据集是一个包含视网膜眼底图像的医学影像数据集，专门用于青光眼的评估与诊断，数据模态为图像，提供了视盘和视杯分割等标注信息，主要应用于深度学习模型训练、计算机辅助诊断以及眼科疾病研究，帮助提升青光眼检测的准确性和效率。
基本信息
资源简介
RIM-ONE视网膜数据集用于青光眼评估
【数据集背景】
本数据集源站标题为《RIM-ONE retinal dataset for assessing glaucoma》。源站首次发布：2025-04-18。
【数据内容】
源站原始描述：RIM-ONE DL is a unified retinal image database for assessing glaucoma using Deep Learning. The full paper is available in this publication of the Image Analysis and Stereology journal: This repository hosts the RIM-ONE DL image dataset and the related data and tools, which consists of: The images divided into training and test sets. The reference segmentations of the optic disc and cup for each image The tools to convert a reference segmentation to a NumPy array or to PNG The weights of the CNNs…
【数据结构与技术规格】
文件数 20 个，合计 3.47 MB。
【主题与分类】
主题标签：eyes and vision。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/orvile/rim-one-retinal-dataset-for-assessing-glaucoma
使用许可：Attribution 4.0 International (CC BY 4.0)。
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。
需登录公开下载
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
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("orvile/rim-one-retinal-dataset-for-assessing-glaucoma")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d orvile/rim-one-retinal-dataset-for-assessing-glaucoma
unzip rim-one-retinal-dataset-for-assessing-glaucoma.zip -d rim-one-retinal-dataset-for-assessing-glaucoma/
数据说明
RIM-ONE是一个统一的视网膜图像数据库，专门用于通过深度学习技术评估青光眼。该数据集包含视网膜眼底图像，并提供了用于青光眼诊断的标注信息，如视盘和视杯分割、视盘到视杯比值等。数据来源于临床采集的视网膜影像，经过标准化处理，适用于医学影像分析、计算机辅助诊断以及深度学习模型在眼科疾病检测中的研究与应用。
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。
