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

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。