彩色眼底与荧光素眼底血管造影图像数据集
包含350位患者的彩色眼底与荧光素眼底血管造影图像，用于训练生成模型从静态图像合成视频。
基本信息
资源简介
彩色眼底与荧光素眼底血管造影图像数据集
【数据集背景】
本数据集源站标题为《Michi-3000/Fundus2Video》。源站首次发布：2024-07-02。
【数据内容】
源站原始描述：Fundus2Video This repository contains the official implementation of our paper: Fundus2Video: Cross-Modal Angiography Video Generation from Static Fundus Photography with Clinical Knowledge Guidance Published at MICCAI 2024. You can find the paper here. Dependencies This code is built upon the pix2pixHD framework developed by NVIDIA, which can be found at pix2pixHD GitHub repository. Install the required dependencies using: Dataset and Weights Due to data privacy concerns, we are unable to provi…
中文译文（机器翻译，仅供快速理解，请以原文为准）：# Fundus2Video 本仓库包含我们论文的官方实现：Fundus2Video: Cross-Modal Angiography Video Generation from Static Fundus Photography with Clinical Knowledge Guidance，发表于 MICCAI 2024。您可以在此处找到该论文。 依赖项 本代码基于 NVIDIA 开发的 pix2pixHD 框架构建，该框架可在 pix2pixHD GitHub 仓库中找到。使用以下命令安装所需的依赖项： 数据集与权重 出于数据隐私方面的考虑，我们无法提供本研究中使用的数据集和预训练权重。但是，您可以通过修改以下文件将代码适配到您自己的数据集：data/aligned_dataset_fundus2video_tempo.py 请确保您的数据集结构与代码中预期的格式兼容。 训练 运行以下命令来训练模型： 如果您觉得这项工作对您有帮助，请引用我们的论文：
【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://github.com/Michi-3000/Fundus2Video
【使用注意】
· 源站最后修改于 2025-01-16，引用时请注意版本时效。
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
git clone https://github.com/Michi-3000/Fundus2Video.git
curl -L -o repo.zip https://github.com/Michi-3000/Fundus2Video/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
Fundus2Video
This repository contains the official implementation of our paper:
Fundus2Video: Cross-Modal Angiography Video Generation from Static Fundus Photography with Clinical Knowledge Guidance
Published at MICCAI 2024.
You can find the paper here.
Dependencies
This code is built upon the pix2pixHD framework developed by NVIDIA, which can be found at pix2pixHD GitHub repository.
Install the required dependencies using:
pip install -r requirements.txt
Dataset and Weights
Due to data privacy concerns, we are unable to provide the dataset and pre-trained weights used in this study.
However, you can adapt the code to your own dataset by modifying the file:
data/aligned_dataset_fundus2video_tempo.py
Make sure your dataset follows a structure compatible with the expected format in the code.
Training
Run the following command to train the model:
python train.py
If you find this work useful, please cite our paper:
@inproceedings{zhang2024fundus2video,
title={Fundus2Video: Cross-Modal Angiography Video Generation from Static Fundus Photography with Clinical Knowledge Guidance},
author={Zhang, Weiyi and Huang, Siyu and Yang, Jiancheng and Chen, Ruoyu and Ge, Zongyuan and Zheng, Yingfeng and Shi, Danli and He, Mingguang},
booktitle={International Conference on Medical Image Computing and Computer-Assisted Intervention},
pages={689699},
year={2024},
organization={Springer}
}
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。
