基于深度学习的疾病特异性光学反射率分析视网膜OCT数据集

该数据集是一个包含八个诊断类别(如年龄相关性黄斑变性、糖尿病性视网膜病变、正常样本等)的视网膜光学相干断层扫描(OCT)图像集合,数据模态为医学图像。其主要用途是开发和评估基于深度学习的多类视网膜疾病分类模型,并通过对图像光学反射率的深度分析,探究不同视网膜疾病的特异性光学特征,支持可解释人工智能在眼科医学图像分析及疾病诊断中的研究与应用。

ZenodoZenodo
Zenodo
2026-06-11 更新
浏览 17
Retinal OCT Dataset for Disease-Specific Optical Reflectivity Analysis Using Deep Learning

基本信息

大小
0.02 GB
创建/更新时间
2026-06-11

资源简介

该数据集是一个用于疾病特异性光学反射率分析的视网膜光学相干断层扫描(OCT)图像数据集,来源于研究项目《通过可解释深度学习揭示视网膜OCT图像中的疾病特异性光学反射率模式》。数据集包含来自八个诊断类别的视网膜OCT图像,包括年龄相关性黄斑变性(AMD)、脉络膜新生血管(CNV)、中心性浆液性视网膜病变(CSR)、糖尿病性黄斑水肿(DME)、糖尿病性视网膜病变(DR)、玻璃膜疣(DRUSEN)、黄斑裂孔(MH)以及正常(NORMAL)样本。所有图像均被调整为224×224像素,并经过TensorFlow和EfficientNet预处理,适用于深度学习分析。该数据集主要用于开发和评估基于EfficientNetB0迁移学习的可解释深度学习框架,实现多类视网膜疾病分类,并通过Grad-CAM可解释性分析、深度分辨强度剖面、反射率异质性评估、平均反射率映射和差异反射率分析等方法,探究疾病特异性的光学反射率特征。该数据集支持视网膜疾病诊断、医学图像分析、可解释人工智能(XAI)、视网膜组织光学特性表征以及基于OCT的深度学习应用研究。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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(Zenodo 公开直链)

源站:https://zenodo.org/doi/10.5281/zenodo.20651178

(注册/登录后按页面指引下载)

数据说明

该数据集是一个用于疾病特异性光学反射率分析的视网膜光学相干断层扫描(OCT)图像数据集,来源于研究项目《通过可解释深度学习揭示视网膜OCT图像中的疾病特异性光学反射率模式》。数据集包含来自八个诊断类别的视网膜OCT图像,包括年龄相关性黄斑变性(AMD)、脉络膜新生血管(CNV)、中心性浆液性视网膜病变(CSR)、糖尿病性黄斑水肿(DME)、糖尿病性视网膜病变(DR)、玻璃膜疣(DRUSEN)、黄斑裂孔(MH)以及正常(NORMAL)样本。所有图像均被调整为224×224像素,并经过TensorFlow和EfficientNet预处理,适用于深度学习分析。该数据集主要用于开发和评估基于EfficientNetB0迁移学习的可解释深度学习框架,实现多类视网膜疾病分类,并通过Grad-CAM可解释性分析、深度分辨强度剖面、反射率异质性评估、平均反射率映射和差异反射率分析等方法,探究疾病特异性的光学反射率特征。该数据集支持视网膜疾病诊断、医学图像分析、可解释人工智能(XAI)、视网膜组织光学特性表征以及基于OCT的深度学习应用研究。

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。

获取专属数据定制方案