基于生成对抗网络的小样本学习提高罕见视网膜疾病OCT诊断准确率的数据集
包含五种罕见视网膜疾病的OCT图像及手动分割标注，用于小样本学习和生成对抗网络提升诊断准确率。
基本信息
资源简介
基于生成对抗网络的小样本学习提高罕见视网膜疾病OCT诊断准确率的数据集
【一句话概览】
本数据集是 Mendeley Data 公开的影像数据集，收录 2 个文件、合计 32.21 MB，可用于医学图像分割、检测与分类模型的训练与评测。
【数据集背景】
本数据集源站标题为《Data for: Improved accuracy in OCT diagnosis of rare retinal disease using few-shot learning with generative adversarial networks》。源站首次发布：2020-10-29。
【数据内容】
源站原始描述：The retinal OCT images ofr rare diseases were extracted by using the Google image and Google dataset search that included English keywords including central serous chorioretinopathy (CSC), macular telangiectasia (MacTel), macular hole (MH), Stargardt disease, retinitis pigmentosa (RP). These rare diseases were selected according to a previous review article about OCT diagnosis. The images possessing rare diseases were manually classified by two board-certified ophthalmologists, and ambiguous ima…
中文译文（机器翻译，仅供快速理解，请以原文为准）：通过使用 Google 图像和 Google 数据集搜索提取了罕见疾病的视网膜 OCT 图像，检索使用的英文关键词包括中心性浆液性脉络膜视网膜病变（CSC）、黄斑毛细血管扩张症（MacTel）、黄斑裂孔（MH）、Stargardt 病、视网膜色素变性（RP）。这些罕见疾病是根据一篇既往关于 OCT 诊断的综述文章选择的。含有罕见疾病的图像由两名经专业委员会认证的眼科医师手动分类，并去除模糊图像以明确图像域。附加文件“Segmentation_manual.zip”提供了针对病理病变的手动分割 OCT 图像。
【数据结构与技术规格】
文件数 2 个，合计 32.21 MB。数据集 DOI：10.17632/btv6yrdbmv.2。
【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://data.mendeley.com/datasets/btv6yrdbmv
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://data.mendeley.com/datasets/btv6yrdbmv
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。
