合成OCT青光眼数据集
该数据集是一个合成生成的光学相干断层扫描（OCT）图像数据集，包含模拟青光眼病变的图像模态数据，主要用于训练和评估青光眼检测模型，支持医学影像分析、眼科疾病辅助诊断以及计算机辅助诊断系统的研究与应用。
基本信息
资源简介
合成OCT青光眼数据集
【数据集背景】
本数据集源站标题为《Synthetic OCT Glaucoma Dataset》。源站首次发布：2025-01-12。
【数据内容】
源站原始描述：This synthetic dataset contains 6 clinically accurate OCT-based features for glaucoma classification, created specifically for quick training and evaluation of CNN architectures. It includes: 1. RNFL Thickness: 30-105 μm with anatomically correct TSNIT profiles 2. Cup-to-Disc Ratio: 0.1-0.9 with vertical elongation patterns 3. Neuroretinal Rim: Following ISNT rule with focal notching variations 4. Juxtapapillary RNFL: 3.4 mm circular scan patterns with sectoral analysis 5. Optic Nerve Sheath: 5.…
【数据结构与技术规格】
文件数 1 个，合计 1.20 GB。
【主题与分类】
主题标签：computer vision、healthcare、eyes and vision、synthetic、medicine。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/aleksanderprudnik/synthetic-oct-glaucoma-dataset
使用许可：CC0: Public Domain。
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("aleksanderprudnik/synthetic-oct-glaucoma-dataset")
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 aleksanderprudnik/synthetic-oct-glaucoma-dataset
unzip synthetic-oct-glaucoma-dataset.zip -d synthetic-oct-glaucoma-dataset/
数据说明
该数据集是一个用于青光眼检测的合成光学相干断层扫描（OCT）图像数据集，通过合成方法生成，旨在为训练青光眼检测模型提供高质量的标注数据。数据集包含模拟青光眼病变的OCT图像及其对应的标签，可用于开发基于深度学习的青光眼自动筛查和诊断算法。主要应用于医学影像分析、眼科疾病辅助诊断以及计算机辅助诊断系统的研究。
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。
