Advertisement

FIRE 视网膜图像数据集

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：ZIP

简介：
FIRE视网膜图像数据集是一套包含大量眼底照片的数据集合，旨在帮助研究者开发和测试用于自动检测眼部疾病的算法。 FIRE 是一个包含129张眼底视网膜图像的数据集，这些图像被组合成134对，并根据特征划分为了三类。所有的眼底图像都是使用Nidek AFC-210 眼底照相机采集的，分辨率为2912x2912像素，视觉仰角为40度。该数据集由Thessaloniki大学Papageorgiou医院和Aristotle University of Thessaloniki联合构建，并且来源于39名患者的图像。 FIRE 数据集主要包括以下部分： - 成对的视网膜图像 - 彩色区域（ROI）掩模，以二值图像形式呈现 - 特征区域（ROI）掩模，同样为二值图像格式 - 每张图片对应的标注点信息

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • FIRE 视网膜图像数据集
    优质
    FIRE视网膜图像数据集是一套包含大量眼底照片的数据集合，旨在帮助研究者开发和测试用于自动检测眼部疾病的算法。 FIRE 是一个包含129张眼底视网膜图像的数据集，这些图像被组合成134对，并根据特征划分为了三类。所有的眼底图像都是使用Nidek AFC-210 眼底照相机采集的，分辨率为2912x2912像素，视觉仰角为40度。该数据集由Thessaloniki大学Papageorgiou医院和Aristotle University of Thessaloniki联合构建，并且来源于39名患者的图像。 FIRE 数据集主要包括以下部分： - 成对的视网膜图像 - 彩色区域（ROI）掩模，以二值图像形式呈现 - 特征区域（ROI）掩模，同样为二值图像格式 - 每张图片对应的标注点信息
     
  • 视网膜眼底图像配准——数据集
    优质
    本数据集专注于视网膜眼底图像配准问题，提供大量标准化的眼底影像及注释信息，旨在促进眼科医学领域的研究与应用。 该数据集眼底图像配准数据集（也称为FIRE）包含129个视网膜图像，形成134个图像对，并根据其特征分为三个不同的类别。这些图像是使用Nidek AFC-210眼底照相机采集的，在x和y方向上的分辨率为2912x2912像素且视野为45°。数据集中的所有图像均来自位于塞萨洛尼基的亚里斯多德大学Papageorgiou医院，由39名患者提供。
     
  • HRF数据集的视网膜图像数据库（15）
    优质
    HRF数据集包含大量高质量的视网膜图像，旨在促进眼底疾病自动诊断的研究与发展。该数据库为科研人员提供了一个宝贵的资源平台。 HRF数据集包含一组视网膜眼底图像，用于进行视网膜增强、视网膜提取和视网膜识别等操作。
     
  • DRIVE视网膜数据集-数据集合
    优质
    DRIVE视网膜数据集是一个专为医学图像分析设计的数据集合，尤其适用于视网膜血管分割研究，包含标注详细的视网膜图像。 DRIVE视网膜数据集是一个专门用于研究和分析视网膜图像的数据集合，在医学影像处理、生物特征识别及模式识别等领域有着广泛应用。它包含了一系列标注过的高质量眼底图片，这些图像对医疗研究人员来说具有重要的科研价值，有助于他们更好地理解视网膜病变，并提高疾病诊断的准确性。 该数据集通常包括一个训练集和测试集两部分：前者用于开发与验证各种图像分析算法（如血管分割、异常检测及疾病分类）；后者则用来评估这些算法的实际性能以及它们在新环境下的适应能力。此外，每个图像文件都可能有多种格式以兼容不同的软件工具或计算模型的需求。 所有标注工作都需要专业知识和大量时间投入完成，并且是构建数据集的重要环节之一。一个优质的数据集除了高质量的图片外，还应包含详细的使用协议和说明文档（如LICENSE及readme.txt），帮助研究人员更好地理解和合法地利用这些资源进行研究活动。 为了确保基于该数据集开发出来的算法具备良好的泛化能力，在创建过程中还需要考虑图像样本的数量、多样性和代表性问题。这在医学影像领域尤为重要，因为它们直接影响到临床诊断的准确性以及患者健康状况的改善效果。 总之，DRIVE视网膜数据集为研究人员提供了一个宝贵的资源库，它不仅包含了大量丰富的眼底图片资料还附有详细的说明文档支持高效利用这些数据进行科学探索和技术创新。通过此类高质量的数据集合推动医学影像技术的进步，并最终提高眼科疾病的诊断水平及人类健康状况的改善。
     
  • 用于血管提取的数字视网膜图像数据集
    优质
    本数据集包含大量数字视网膜图像及标注信息，专为研究和开发血管自动提取算法设计，旨在推动眼科疾病早期诊断技术的进步。 DRIVE数据库是为了比较研究视网膜图像中的血管分割而建立的，并邀请科研界在此基础上测试他们的算法并分享结果。在该网站上可以找到下载数据库以及上传结果的相关指南，同时也可以查看各种方法的结果。 这些数据来源于荷兰糖尿病性视网膜病变筛查计划中400名年龄范围为25至90岁的糖尿病患者的照片。其中随机选取了40张照片进行研究，33张未显示任何早期的糖尿病性视网膜病变迹象，而另外7张则显示出轻微初期症状。 所有图像均通过佳能CR5非散瞳3CCD相机获得，并以8位分辨率和768 x 584像素大小捕捉。每个图像具有直径约为540像素的圆形视野（FOV），且数据库中的图片已针对该FOV进行了裁剪处理，同时提供了一个遮罩图来描绘FOV。 这组40张照片被分为训练集与测试集各20张。对于训练用例，提供了单个的手动血管分割；而对于测试案例，则提供了两种手动分割的结果：一种作为黄金标准，另一种则用于将计算机生成的分割结果与独立的人类观察进行对比。
     
  • DRIVE数据集在视网膜图像分割中的应用
    优质
    简介：本文探讨了DRIVE数据集在视网膜图像分割领域的应用，通过分析该数据集中提供的血管标记图，研究者能够开发和优化算法以提高眼底疾病的诊断准确性。 DRIVE数据集用于视网膜图像的分割任务，其中一半的数据作为训练集，另一半作为测试集。
     
  • 视网膜数据集RAR文件
    优质
    该视网膜数据集RAR文件包含了大量用于研究和训练的人眼视网膜图像，旨在帮助科研人员进行眼科疾病的早期诊断与分析。 视网膜数据集包括CHASEDB、DRIVE和STARE，可以使用这些数据集来进行视网膜分割的研究和应用。
     
  • DRIVE视网膜血管数据集.7z
    优质
    DRIVE视网膜血管数据集.7z包含了用于视网膜图像中血管分割的研究资源，内含标注过的高质量视网膜扫描图及其掩模，适用于医学影像分析与机器学习研究。 该数据集包含40张视网膜血管图像，并已分为训练集和测试集，每部分各含20张图像。如果需要获取这些图片，请在评论区留言，我将通过邮箱发送给您。
     
  • MATLAB视网膜图像分割代码-OD_OC_seg：OD_OC_seg
    优质
    OD_OC_seg是一款基于MATLAB开发的视网膜图像处理工具，专门用于精准分割视盘（Optic Disc, OD）和optic cup区域，助力眼底疾病早期诊断。 我们正在发布用于在视网膜彩色眼底图像中分割视盘和视杯的Matlab代码OD_OC_seg。该代码已添加了一名作者：Jayanthi Sivaswamy教授（视觉信息技术中心，IIIT-海得拉巴）。此代码可免费获取，以允许其他研究人员开发、比较和基准测试他们的算法。请注意，此代码未经临床批准，仅供非商业研究目的使用。 本代码主要基于以下论文： [1] Chakravarty A., Sivaswamy J. 用于从单色眼底图像进行基于深度的杯子分割的耦合稀疏字典。在：医学图像计算和计算机辅助干预MICCAI2014，LNCS第8673卷，Springer。 [2] Arunava Chakravarty, Jayanthi Sivaswamy. 从单眼眼底图像中提取关节视盘和杯子边界。在生物医学计算机方法和程序第147卷（2017年），51-61页。 如果您发现代码有用，请引用上述论文。
     
  • 糖尿病性视网膜病变数据集整理
    优质
    本数据集整理项目聚焦于收集和分类糖尿病患者视网膜病变的相关图像资料，旨在为科研人员提供宝贵的分析资源，助力早期诊断与治疗研究。 糖尿病性视网膜病变的视网膜图像带有分类标签。文件夹代表特定类标签：0-无DR，1-轻度，2-中度，3-严重，4-增殖性DR。数据集包括Diabetic Retinopathy Arranged_datasets..zip和Diabetic Retinopathy Arranged_datasets..txt文件。