Advertisement

眼病识别的数据集

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

简介：
本数据集专注于多种常见眼疾的图像识别研究，包含大量标注清晰的眼科临床图片与关键指标参数，旨在促进算法模型在眼科疾病早期诊断中的应用与发展。 眼病智能识别（ODIR）是一个结构化的眼科数据库，包含5,000名患者的资料，包括他们的年龄、左眼和右眼的彩色眼底照片以及医生的诊断关键词。该数据集代表了由上工医疗技术有限公司从中国不同医院/医疗中心收集的真实患者信息集合。在这些机构中，使用市场上各种相机（如佳能、蔡司和Kowa）拍摄的眼底图像具有不同的分辨率。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 眼病识别的数据集
    优质
    本数据集专注于多种常见眼疾的图像识别研究，包含大量标注清晰的眼科临床图片与关键指标参数，旨在促进算法模型在眼科疾病早期诊断中的应用与发展。 眼病智能识别（ODIR）是一个结构化的眼科数据库，包含5,000名患者的资料，包括他们的年龄、左眼和右眼的彩色眼底照片以及医生的诊断关键词。该数据集代表了由上工医疗技术有限公司从中国不同医院/医疗中心收集的真实患者信息集合。在这些机构中，使用市场上各种相机（如佳能、蔡司和Kowa）拍摄的眼底图像具有不同的分辨率。
     
  • 眼部疾病识别数据集iChallenge-PM.zip
    优质
    iChallenge-PM 数据集是一款专为促进眼部疾病自动检测技术发展而设计的数据集合，包含大量标注的眼科影像资料。 iChallenge-PM.zip包含用于眼疾识别的数据集。
     
  • 大豆病害识别数据集.zip
    优质
    本数据集包含多种大豆病害图像，旨在为研究者和开发者提供一个全面的资源库，用于训练机器学习模型以准确识别不同种类的大豆疾病。 大豆病害检测数据集包含三种类型的叶子图像：健康类、角叶斑病类和豆锈病类。这些数据旨在帮助建立一个模型，能够以高精度区分这三类叶片状态。在非洲，特别是东非地区，豆类作物是许多小农的重要粮食来源，并且对学龄儿童来说是一个重要的蛋白质来源。
     
  • 橙子多种疾病的识别数据集
    优质
    本数据集旨在通过收集和分析橙子在不同疾病状态下的图像及特征信息，为机器学习模型提供训练资源，以准确识别并区分各类影响橙子健康的病害与缺陷。 橙子多类疾病数据集用于构建机器学习和深度学习算法以对橙子的疾病进行分类。该数据集中包括新鲜橙子以及柑橘溃疡病、黑斑病和柑橘黄变病这三类疾病，每种疾病的图片数量在200到300张之间不等。
     
  • 猴痘病识别的深度学习数据集
    优质
    本研究构建了一个用于猴痘病识别的深度学习数据集，旨在通过机器学习技术提高猴痘早期诊断准确率，助力公共卫生安全。 重要的数据强调如下：深度学习—猴痘病识别数据集包含约2000张猴痘病图片；深度学习—猴痘病识别数据集包含约2000张猴痘病图片；深度学习—猴痘病识别数据集包含约2000张猴痘病图片。
     
  • 棉花病害识别的数据集基于YOLO8
    优质
    本数据集专为棉花病害识别设计，采用先进的YOLOv8模型框架，包含大量标注图片，旨在提升农作物病害检测效率与精度。 棉花病害检测数据集YOLO8采用CC BY 4.0许可证。该数据集包含1024张图片，旨在为模型的可推广性创建新的对象检测基准。
     
  • 茶叶病害识别图像数据集.zip
    优质
    《茶叶病害识别图像数据集》包含大量标注清晰的茶叶病害图片，旨在为研究人员提供一个全面、准确的数据资源库，用于训练机器学习模型以实现自动化病害检测和分类。 想预览计算机视觉数据集的内容，请私信作者。
     
  • CNNs在眼部疾病识别中的应用
    优质
    本研究探讨了卷积神经网络(CNNs)在眼科医学影像分析领域的应用，重点关注其在各类眼部疾病自动检测与诊断方面的潜力和优势。 CNN的眼病识别始于一个有趣的挑战：使用卷积神经网络从眼底图像中识别眼部疾病。该项目利用深度学习技术，并提供了可用于模型训练和评估的代码。通过Grad-CAM增强了模型的可解释性。