ERDES眼视网膜脱离超声视频数据集
ERDES是首个公开的超声视频数据集，用于视网膜脱离检测和黄斑状态分类，包含5381个视频片段。
基本信息
资源简介
ERDES眼视网膜脱离超声视频数据集
【一句话概览】
视网膜脱离是威胁视力的急症，黄斑是否受累直接影响治疗紧迫性和视力预后。床旁超声快速、无创、经济，但依赖专家判读，在资源有限环境中应用受限。为此，研究者推出ERDES，首个开放获取的眼部超声视频数据集，标注视网膜脱离是否存在及黄斑脱离或完整状态，包含5381个标注视频片段，支持相关机器学习开发，并提供40个模型、八种时空架构的基线基准（来源 osupcvlab.github.io）。
【数据集背景】
本数据集源站标题为《ERDES》。
【数据内容】
源站原始描述：A Benchmark Video Dataset for Retinal Detachment and Macular Status Classification in Ocular Ultrasound. Retinal detachment (RD) is a vision-threatening condition that requires prompt intervention to preserve sight. A critical factor in treatment urgency and visual prognosis is macular involvement—whether the macula is intact or detached. Point-of-care ultrasound (POCUS) is a fast, non-invasive, and cost-effective imaging tool commonly used to detect RD in various clinical settings. However, its…
中文译文（机器翻译，仅供快速理解，请以原文为准）：视网膜脱离与黄斑状态分类的眼部超声基准视频数据集。视网膜脱离（RD）是一种威胁视力的病症，需要及时干预以保护视力。治疗紧迫性和视力预后的一个关键因素是黄斑受累情况——即黄斑是完整的还是脱离的。床旁超声（POCUS）是一种快速、无创且经济高效的成像工具，常用于在各种临床环境中检测RD。然而，其诊断效用受限于需要专家解读，尤其是在资源有限的环境中。为弥补这一空白，我们推出了Eye Retinal DEtachment ultraSound（ERDES），这是首个公开可访问的眼部超声剪辑数据集，标注了（i）RD的存在与否以及（ii）黄斑脱离与黄斑完整状态。ERDES包含5，381个标注的超声视频剪辑，支持RD检测和黄斑状态分类的机器学习开发。我们还提供了使用八种时空架构下的40个模型的基线基准。
【主题与分类】
主题标签：Retinal Detachment、Macular Status、Ocular Ultrasound、Video Dataset、Point-of-Care Ultrasound、B-scan、Classification、Benchmark。
【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：https://osupcvlab.github.io/ERDES/
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。
免登录有偿下载
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://osupcvlab.github.io/ERDES/
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
ERDES数据集是一个开放获取的超声视频数据集，用于视网膜脱离和黄斑状态的分类，包含5381个视频片段，总时长约5小时10分钟，包括无视网膜脱离、视网膜脱离和黄斑状态（黄斑完整或黄斑脱离）三个主要类别，旨在促进机器学习模型在检测视网膜脱离方面的开发和评估。
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。
