ADAM:年龄相关性黄斑变性自动检测挑战赛数据集

该数据集是一个包含年龄相关性黄斑变性(AMD)患者视网膜眼底图像的医学图像数据集,数据模态为眼底照片,主要用于开发自动检测AMD和分割病灶的算法,支持眼科疾病的计算机辅助诊断研究,可应用于算法评估、模型训练及临床辅助诊断场景。

Inception Institute of Artificial Intelligence; South China University of Technology; Medical University of Vienna; Baidu Inc., China.; Zhongshan Ophthalmic Center, Sun Yat-sen University, China.Inception Institute of Artificial Intelligence; South China University of Technology; Medical University of Vienna; Baidu Inc., China.; Zhongshan Ophthalmic Center, Sun Yat-sen University, China.
IEEE
2020-01-20 更新
浏览 25
ADAM: Automatic Detection challenge on Age-related Macular degeneration

基本信息

创建/更新时间
2020-01-20

资源简介

ADAM:年龄相关性黄斑变性自动检测挑战赛数据集

【数据内容】

源站原始描述:ADAM is organized as a half day Challenge, a Satellite Event of the ISBI 2020 conference in Iowa City, Iowa, USA

中文译文(机器翻译,仅供快速理解,请以原文为准):ADAM被组织为半天的挑战赛,作为在美国爱荷华州爱荷华城举行的ISBI 2020会议的卫星活动。

【获取与许可】

源站页面:https://ieee-dataport.org/documents/adam-automatic-detection-challenge-age-related-macular-degeneration

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

源站:https://ieee-dataport.org/documents/adam-automatic-detection-challenge-age-related-macular-degeneration

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

ADAM数据集是ISBI 2020会议期间举办的半日挑战赛所用数据集,专注于年龄相关性黄斑变性(AMD)的诊断与病灶分割研究。该数据集包含AMD患者的视网膜眼底图像,旨在评估和比较自动化算法对AMD的检测能力。数据来源为临床采集的眼底照片,主要用于开发和应用自动分类与病灶分割方法,支持眼科疾病计算机辅助诊断的研究。

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。

获取专属数据定制方案