STARE视网膜分析数据集
STARE提供视网膜眼底图像及病理标注，用于血管与疾病分析，可辅助高血压相关眼底研究，由Clemson University提供，来自STARE Project数据库，包含81条数据，适用于分类任务。
基本信息
资源简介
STARE视网膜分析数据集
【一句话概览】
STARE（视网膜结构化分析）项目由加州大学圣迭戈分校的Michael Goldbaum医生于1975年构思并启动，获美国国立卫生研究院资助。历史上超过三十人参与，背景涵盖医学、科学与工程。影像与临床数据由加州大学圣迭戈分校Shiley眼科中心及圣迭戈退伍军人医疗中心提供。我于1996至2004年参与该项目，本页内容反映我的贡献。数据或代码相关问题请联系我，项目现状相关问题请联系Goldbaum医生（来源 cecas.clemson.edu）。
【数据集背景】
本数据集源站标题为《The STARE Project》。
【数据内容】
源站原始描述：The STARE (STructured Analysis of the Retina) Project was conceived and initiated in 1975 by Michael Goldbaum, M.D., at the University of California, San Diego. It was funded by the U.S. National Institutes of Health. During its history, over thirty people contributed to the project, with backgrounds ranging from medicine to science to engineering. Images and clinical data were provided by the Shiley Eye Center at the University of California, San Diego, and by the Veterans Administration Medica…
中文译文（机器翻译，仅供快速理解，请以原文为准）：STARE（视网膜结构化分析）项目由加利福尼亚大学圣迭戈分校的Michael Goldbaum医生于1975年构思并启动，得到了美国国立卫生研究院的资助。在其历史中，有超过三十人为此项目做出贡献，他们的背景涵盖了医学、科学到工程学。图像和临床数据由加利福尼亚大学圣迭戈分校的Shiley眼科中心及圣迭戈退伍军人医疗中心提供。我有幸从1996年至2004年参与该项目。本网页内容反映了我个人的贡献。如对我们的数据或代码有任何疑问或需求，请与我联系。若有关项目当前状态的问题，请联络Goldbaum医生。
【主题与分类】
主题标签：retina、ophthalmology、retinal imaging、blood vessel segmentation、optic nerve detection、diagnosis。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：http://cecas.clemson.edu/~ahoover/stare/
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：http://cecas.clemson.edu/~ahoover/stare/
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
STARE提供视网膜眼底图像及病理标注，用于血管与疾病分析，可辅助高血压相关眼底研究。
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。
