不同深度学习模型在视网膜疾病分类中的性能比较
该数据集包含用于视网膜疾病分类的标注图像数据，涵盖多种常见视网膜疾病的医学影像模态，主要用于评估和比较不同深度学习模型在眼科疾病诊断中的性能，支持医学影像分析、计算机辅助诊断及深度学习在医疗领域的研究与应用。
基本信息
资源简介
不同深度学习模型在视网膜疾病分类中的性能比较
【数据集背景】
本数据集源站标题为《Performance comparison of different deep learning models for retinal disease classification.》。配套论文《Automated retinal disease classification using deep learning and AlexNet with statistical models analysis》发表于 PLOS One（2026），DOI：10.1371/journal.pone.0338415。源站首次发布：2026-01-06。
【数据内容】
源站原始描述：Performance comparison of different deep learning models for retinal disease classification
【数据结构与技术规格】
文件数 1 个，合计 5.63 KB。Table 4.xls：application/vnd.ms-excel，5.63 KB。数据集 DOI：10.1371/journal.pone.0338415.t004。
【主题与分类】
源站学科分类：Space Science、Medicine、Genetics、Neuroscience、Biotechnology、Biological Sciences not elsewhere classified。主题标签：thereby enhancing transparency、require early detection、highest overall performance、approximately 14 minutes、82 %, confirming、65 %, sensitivity、65 %, npv、39 %, specificity、05 %, ppv、retinal feature extraction。
【适用方向】
源站学科分类标注为 Space Science、Medicine、Genetics、Neuroscience、Biotechnology、Biological Sciences not elsewhere classified。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/_p_Performance_comparison_of_different_deep_learning_models_for_retinal_disease_classification_p_/31011331
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Elkenawy, El-Sayed M.; Khodadadi, Nima; Gaber, Khaled Sh.; Khodadadi, Ehsan; Alhussan, Amel Ali; Khafaga, Doaa Sami; et al. (2026). Performance comparison of different deep learning models for retinal disease classification.. PLOS ONE. Dataset
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（Figshare）
按页面 Download 按钮获取。
数据说明
该数据集旨在评估和比较多种深度学习模型在视网膜疾病分类任务中的性能表现。数据集包含用于训练和测试的视网膜图像数据，可能涵盖多种常见视网膜疾病（如糖尿病视网膜病变、年龄相关性黄斑变性等）的标注图像。数据来源于公开的医学影像资源，并通过标准化预处理构建。该数据集主要用于医学影像分析、计算机辅助诊断以及深度学习模型在眼科领域的应用研究，为模型选择、优化和临床部署提供基准参考。
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。
