DRIVE视网膜血管分割集
DRIVE视网膜血管分割集是公开可访问数据集，包含眼底图像和视网膜血管分割金标准等图像数据，围绕血管异常相关临床表现、影像、信号或组学信息，适合用于图像分割、模型训练、外部验证和疾病机制探索。
基本信息
资源简介
DRIVE视网膜血管分割集
【一句话概览】
DRIVE 数据库用于视网膜图像血管分割的比较研究。视网膜血管分割及长度、宽度、迂曲度、分支模式和角度等形态属性的描绘，可用于糖尿病、高血压、动脉硬化和脉络膜新生血管等心血管与眼科疾病的诊断、筛查、治疗和评估。血管的自动检测与分析有助于糖尿病视网膜病变筛查、高血压视网膜病变相关研究及计算机辅助激光手术，视网膜图自动生成与分支点提取可用于图像配准与拼接，血管树还可用于生物特征识别。该数据集包含 400 名受试者、40 幅影像（来源 drive.grand-challenge.org）。
【数据集背景】
本数据集源站标题为《DRIVE: Digital Retinal Images for Vessel Extraction》。
【数据内容】
源站原始描述：The DRIVE database has been established to enable comparative studies on segmentation of blood vessels in retinal images. Retinal vessel segmentation and delineation of morphological attributes of retinal blood vessels, such as length, width, tortuosity, branching patterns and angles are utilized for the diagnosis, screening, treatment, and evaluation of various cardiovascular and ophthalmologic diseases such as diabetes, hypertension, arteriosclerosis and chorodial neovascularization. Automatic…
中文译文（机器翻译，仅供快速理解，请以原文为准）：DRIVE数据库的建立旨在促进视网膜图像中血管分割的比较研究。视网膜血管分割及视网膜血管形态属性（如长度、宽度、迂曲度、分支模式和角度）的描绘，被用于各种心血管和眼科疾病（如糖尿病、高血压、动脉硬化和脉络膜新生血管）的诊断、筛查、治疗和评估。血管系统的自动检测与分析有助于实施糖尿病视网膜病变筛查项目，有助于研究血管迂曲度与高血压性视网膜病变之间的关系、血管直径测量与高血压诊断的关系，以及计算机辅助激光手术。视网膜图谱的自动生成和分支点的提取已被用于时间或多模态图像配准以及视网膜图像拼接合成。此外，视网膜血管树被发现对每个人都是独一无二的，可用于生物特征识别。
【主题与分类】
主题标签：retinal images、blood vessel segmentation、diabetic retinopathy、ophthalmology、cardiovascular、fundus photography。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://drive.grand-challenge.org/
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。
暂未开放有偿下载
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://drive.grand-challenge.org/
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
DRIVE视网膜血管分割集包含眼底图像和视网膜血管分割金标准等图像数据，可用于血管异常相关图像分割、诊断建模、分型或外部验证。
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。
