OtitisMediaKPJ：中耳炎耳镜图像数据集

数据集获取

源站：https://doi.org/10.6084/m9.figshare.33127385

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。

数据集大小约 65.5 MB。

数据说明

中耳炎（OM）是全球最常见的中耳疾病之一，若未确诊或误诊，可能导致听力损失和言语障碍等严重并发症。准确诊断通常依赖于专家的耳镜检查；然而，在许多农村和资源匮乏地区，获得训练有素的耳鼻喉专科医生的机会仍然有限。这一挑战推动了人工智能（AI）辅助诊断工具的发展，用于耳镜图像分析。为支持该领域的研究，我们提出了OtitisMediaKPJ，这是一个经过整理和临床验证的耳镜图像数据集，使用数字视频耳镜在选定的KPJ医疗专科医院的常规耳鼻喉科诊疗过程中收集。该数据集包含793张去标识化的耳镜图像，每张图像均由耳鼻喉科专家独立审查和标注。

图像被分为六个临床相关诊断类别：急性中耳炎（AOM）、不伴胆脂瘤的慢性活动性中耳炎（CAOM）、慢性非活动性中耳炎（CIOM）、伴胆脂瘤的慢性中耳炎（COMC）、分泌性中耳炎（OME）、正常鼓膜。所有图像均在真实临床环境中采集，随后经过预处理以确保一致性，包括图像分辨率标准化和光照归一化。该数据集反映了鼓膜外观在真实临床中的变异性，适合用于稳健模型的开发与评估。该经专家验证的数据集旨在支持广泛的AI和计算机视觉任务，包括：多类别耳镜图像分类、类别不平衡分析、可解释AI与视觉可解释性研究、面向移动和远程医疗应用的轻量级模型开发。初步深度学习实验已展现出有前景的分类性能，凸显了该数据集在基于AI的耳科诊断中的实用性。数据伦理批准

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。