【医学影像AI】50个眼科影像数据集（1）分类任务

【医学影像】50个眼科影像数据集（1）分类任务
【医学影像】50个眼科影像数据集（2）分割任务
【医学影像】50个眼科影像数据集（3）其它任务

【医学影像AI】50 个眼科影像数据集（1）分类任务

- 1. 分类任务：青光眼
- - 1.1 ACRIMA 青光眼分类数据集（2019）
  - 1.2 LAG 青光眼分类数据集（2019）
  - 1.3 BEH 青光眼分类数据集（2021）
  - 1.4 AIROGS 青光眼分类数据集（2023）
  - 1.5 Harvard-GDP 青光眼分类数据集（2023）
  - 1.6 JustRAIGS 青光眼分类数据集（2024）
- 2. 分类任务：糖尿病
- - 2.1 Messidor-2 糖尿病分类数据集（2014）
  - 2.2 Eyepacs 糖尿病分类数据集（2016）
  - 2.3 DeepDRiD 糖尿病分类数据集（2022）
  - 2.4 BiDR 糖尿病分类数据集（2023）
- 3. 分类任务：眼底疾病
- - 3.1 OCT2017 眼部疾病分类数据集（2017）
  - 3.2 ODIR-5K 眼部疾病分类数据集（2019）
  - 3.2 JSIEC Retinal39 眼部疾病分类数据集（2021）
  - 3.4 MuReD 眼部疾病分类数据集（2022）
  - 3.5 Retinal OCT-C8 眼底疾病分类数据集（2022）
  - 3.6 RFMiD2.0 眼底疾病分类数据集（2023）
  - 3.7 MedMNISTv2 眼底疾病分类数据集（2023）
  - 3.8 ToxoFundus 眼部疾病分类数据集（2021）
  - 3.9 FARFUM RoP 眼底疾病分类数据集（2024）

医学影像已经成为诊断疾病、制定治疗方案和监测病情的重要工具。医疗数据的获取，通常面对隐私、伦理等方面的限制。影像数据的稀缺性，尤其是在罕见疾病、特定人群或新兴成像技术中的数据不足，是人工智能（AI）技术研究和发展的主要挑战。此外，由于对专业知识和对经验的要求，医疗数据的标注通常要由专职医生完成。

作者整理了 50 个眼科影像开源 AI 数据集，介绍这些眼科影像数据集的基本信息和下载地址。本文介绍用于分类任务的数据集。

1. 分类任务：青光眼

1.1 ACRIMA 青光眼分类数据集（2019）

影像类别：2D-Fundus
检测部位：眼部-眼底
疾病类型：青光眼
数据来源：西班牙 FISABIO Oftalmología Médica
数据用途：用于青光眼诊断和研究

任务类型：分类任务
样本数量：705
分类类别：2（青光眼，正常图像）

作者：S. Ovreiu, E. -A. Paraschiv and E. Ovreiu
论文引用：S. Ovreiu, E. -A. Paraschiv and E. Ovreiu, “Deep Learning & Digital Fundus Images: Glaucoma Detection using DenseNet,” 2021 13th International Conference on Electronics, Computers and Artificial Intelligence (ECAI), Pitesti, Romania, 2021, pp. 1-4, doi: 10.1109/ECAI52376.2021.9515188.
论文下载：https://ieeexplore.ieee.org/document/9515188
数据集下载：Figshare-ACRIMA

在这里插入图片描述

1.2 LAG 青光眼分类数据集（2019）

影像类别：2D-Fundus
检测部位：眼部-眼底
疾病类型：青光眼
数据来源：北京同仁医院（Beijing Tongren Hospital）
数据用途：用于青光眼的早期筛查和预防系统

任务类型：分类任务
样本数量：11760
分类类别：2（青光眼，正常图像）

作者：Li, Liu and Xu, Mai and Wang, Xiaofei and Jiang, Lai and Liu, Hanruo
论文引用：Li, Liu and Xu, Mai and Wang, Xiaofei and Jiang, Lai and Liu, Hanruo, Attention Based Glaucoma Detection: A Large-Scale Database and CNN Model, The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2019
论文下载：https://arxiv.org/abs/1903.10831
数据集下载：Github-smilell

特别说明：对 5824张图像被标注了关注区域（attention map），表示眼底图像中的高风险区域。

在这里插入图片描述

1.3 BEH 青光眼分类数据集（2021）

影像类别：2D-Fundus
检测部位：眼部-眼底
疾病类型：青光眼
数据来源：孟加拉国眼科医院（Bangladesh Eye Hospital）
数据用途：用于青光眼的分类任务

任务类型：分类
样本数量：634
分类类别：2

作者：M. T. Islam, S. T. Mashfu, A. Faisal, S. C. Siam, I. T. Naheen and R. Khan
论文引用：M. T. Islam, S. T. Mashfu, A. Faisal, S. C. Siam, I. T. Naheen and R. Khan, “Deep Learning-Based Glaucoma Detection With Cropped Optic Cup and Disc and Blood Vessel Segmentation,” in IEEE Access, vol. 10, pp. 2828-2841, 2022, doi: 10.1109/ACCESS.2021.3139160.
论文下载：ieeexplore
数据集下载：Github-mirtanvirislam

在这里插入图片描述

1.4 AIROGS 青光眼分类数据集（2023）

影像类别：2D-Fundus
检测部位：眼部-眼底
疾病类型：青光眼
数据来源：来自500个不同地点、具有不同种族背景
数据用途：用于青光眼的分类任务

任务类型：分类
样本数量：113893
分类类别：2（青光眼，非青光眼）

作者：Coen de Vente; Koenraad A. Vermeer; Nicolas Jaccard; He Wang; Hongyi Sun; Firas Khader
论文引用：C. de Vente et al., “AIROGS: Artificial Intelligence for Robust Glaucoma Screening Challenge,” in IEEE Transactions on Medical Imaging, vol. 43, no. 1, pp. 542-557, Jan. 2024, doi: 10.1109/TMI.2023.3313786.
论文下载：https://ieeexplore.ieee.org/abstract/document/10253652
官网地址：https://airogs.grand-challenge.org/data-and-challenge/
数据集下载：zenodo-AIROGS

在这里插入图片描述

1.5 Harvard-GDP 青光眼分类数据集（2023）

影像类别：2D-Fundus
检测部位：眼部-眼底
疾病类型：青光眼
数据来源：哈佛医学院（Harvard Medical School）
数据用途：用于青光眼分级诊断和研究

任务类型：分类
样本数量：1544
分类类别：3（正常，早期，中晚期）

作者： Yan Luo, MinShi, YuTian, Tobias Elze, Mengyu Wang
论文引用：Luo, Yan and Shi, Min and Tian, Yu and Elze, Tobias and Wang, Mengyu, Harvard Glaucoma Detection and Progression: A Multimodal Multitask Dataset and Generalization-Reinforced Semi-Supervised Learning, Proceedings of the IEEE/CVF International Conference on Computer Vision, 2023
论文下载：arxiv, openaccess
数据集下载：Github-Harvard-Ophthalmology-AI-Lab, harvard

在这里插入图片描述

1.6 JustRAIGS 青光眼分类数据集（2024）

影像类别：2D-Fundus
检测部位：眼部-眼底
疾病类型：青光眼
数据来源：EyePACS LLC, US
数据用途：用于青光眼分级诊断和研究

任务类型：分类（二元分类+多标签分类）
样本数量：111183（101442+9741）
分类类别：2（RG, NRG）+ 10

作者： Hans G. Lemij, Coen de Vente, Clara I. Sánchez
论文引用：Lemij H G, Vente C, Sánchez C I, Characteristics of a Large, Labeled Data Set for the Training of Artificial Intelligence for Glaucoma Screening with Fundus Photographs, Ophthalmology Science, 2023, 3, https://doi.org/10.1016/j.xops.2023.100300
论文下载：sciencedirect
数据集下载：zenodo

特别说明：
二元分类标签为：无可转诊青光眼 (NRG)，参考性青光眼 (RG)。
10个附加特征的标签为：神经视网膜边缘外观 (ANRS)，外观神经视网膜边缘下部 (ANRI)，视网膜神经纤维层上层缺损（RNFLDS），视网膜神经纤维层下方缺损（RNFLDI），向上方裸露环状血管 (BCLVS)，下方裸露环状血管 (BCLVI)，血管干鼻化 (NVT)，视盘出血（DH），层状点 (LD)，大视杯（LC）。

在这里插入图片描述

2. 分类任务：糖尿病

2.1 Messidor-2 糖尿病分类数据集（2014）

影像类别：2D-Fundus
检测部位：眼部-眼底
疾病类型：糖尿病（DR）
数据来源：Messidor 数据集+布雷斯特大学医院
数据用途：用于检测和诊断糖尿病视网膜病变

任务类型：分类
样本数量：1748
分类类别：2

作者：
论文引用：Decencière, E., Zhang, X., Cazuguel, G., et al. (2014). Feedback on a publicly distributed database: the Messidor database. Image Analysis & Stereology, 33(3), 231-234, https://doi.org/10.5566/ias.1155
Abràmoff M. D., Folk J. C., Han D. P., et al. (2013). Automated analysis of retinal images for detection of referable diabetic retinopathy. JAMA Ophthalmol, 131(3), 351–357.
论文下载：ias-iss, jamaophthalmol
数据集下载：Messidor-2 Dataset

特别说明：官方下载的数据集只包括突破，不带有标注。第三方提供了标注。

在这里插入图片描述

2.2 Eyepacs 糖尿病分类数据集（2016）

影像类别：2D-Fundus
检测部位：眼部-眼底
疾病类型：糖尿病（DR）
数据来源：美国EyePACS和印度的3家眼科医院（Aravind，Sankara Nethralaya和Narayana Nethralaya）
数据用途：用于糖尿病视网膜病变的分级

任务类型：分类
样本数量：35126
分类类别：5（No DR，Mild，Moderate，Severe，Proliferative DR）

作者：Gulshan V, Peng L, Coram M
论文引用：Gulshan V, Peng L, Coram M, et al. Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs. JAMA. 2016;316(22):2402–2410. doi:10.1001/jama.2016.17216
论文下载：jamanetwork
官方网站：eyepacs
数据集下载：kaggle-eyepacs, tianchi.aliyun

在这里插入图片描述

2.3 DeepDRiD 糖尿病分类数据集（2022）

影像类别：2D-Fundus
检测部位：眼部-眼底
疾病类型：糖尿病（DR）
数据来源：上海市第六人民医院
数据用途：用于糖尿病视网膜病变的分级

任务类型：分类
样本数量：2000
分类类别：5（no apparent retinopathy, mild NPDR, moderate NPDR, severe NPDR, PDR）

作者：Ruhan Liu, Xiangning Wang, Qiang Wu
论文引用：Liu R, Wang X, Wu Q, et al., DeepDRiD: Diabetic Retinopathy—Grading and Image Quality Estimation Challenge, Patterns, 2022, 3(6):100512
论文下载：cell
数据集下载：Github-deepdrdoc

在这里插入图片描述

2.4 BiDR 糖尿病分类数据集（2023）

影像类别：2D-Fundus
检测部位：眼部-眼底
疾病类型：糖尿病（DR）
数据用途：用于糖尿病视网膜病变的分类任务

任务类型：分类
样本数量：2838
分类类别：2

作者：Parisa Karimi Darabi
论文引用：Darabi, Parisa, Diagnosis of Diabetic Retinopathy, DOI:10.13140/RG.2.2.13037.19688
论文下载：researchgate
数据集下载：kaggle-BiDR

BiDR 糖尿病用于糖尿病视网膜病变的早期检测和分级 2D-Fundus 眼部-眼底分类 2838 2 Parisa Karimi Darabi K.N.Toosi University of Technology Diagnosis of Diabetic Retinopathy

在这里插入图片描述

3. 分类任务：眼底疾病

3.1 OCT2017 眼部疾病分类数据集（2017）

影像类别：2D-OCT，X-ray
检测部位：眼部-眼底，胸部
疾病类型：脉络膜新生血管(CNV)，糖尿病性黄斑水肿(DME)，
数据用途：用于与视网膜病变相关的模型的训练和测试

任务类型：分类
样本数量：108312
分类类别：4（CNV, DME, DRUSEN, NORMAL）

作者：Daniel S. Kermany, Michael Goldbaum, Wenjia Cai
论文引用：Kermany D, Goldbaum M, Cai Wet al. (2018), Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning, Cell, 2018, 172(5), 1122-1131
论文下载：cell
数据集下载：Github-aishangcengloua, MendeleyData

在这里插入图片描述

3.2 ODIR-5K 眼部疾病分类数据集（2019）

影像类别：2D-Fundus
检测部位：眼部-眼底
疾病类型：多种眼部疾病（糖尿病、青光眼、白内障、年龄相关性黄斑变性、高血压、病理性近视以及其他疾病）
数据来源：上工医疗科技有限公司（从中国不同医院/医疗中心收集）
数据用途：用于眼科疾病的智能识别与分析

任务类型：分类
样本数量：5000
分类类别：8（AMD, Cataract, Diabetes, Glaucoma, Hypertension, PM, Normal, Other diseases）

作者：北京大学健康医疗大数据国家研究院
数据集下载：kaggle-ODIR5K, heywhale ODIR-5K, tianchi ODIR-5K

在这里插入图片描述

3.2 JSIEC Retinal39 眼部疾病分类数据集（2021）

影像类别：2D-Fundus
检测部位：眼部-眼底
疾病类型：39 种眼部疾病
数据来源：汕头国际眼科联合中心（JSIEC）
数据用途：用于深度学习算法的开发和验证

任务类型：分类
样本数量：1000
分类类别：39

作者：Ling-Ping Cen, Jie Ji, Jian-Wei Lin
论文引用：Cen, LP., Ji, J., Lin, JW. et al. Automatic detection of 39 fundus diseases and conditions in retinal photographs using deep neural networks. Nat Commun 12, 4828 (2021). https://doi.org/10.1038/s41467-021-25138-w
论文下载：nature-Cen2021
数据集下载：kaggle, Github-linchundan88

特别说明：

本项目深度学习项目的训练和测试涉及 249620张眼底图像的 275543个标签，但公开数据集为 1000张图像。
JSIEC 数据集用于检测多种常见的可参考眼底疾病和病症（39类）：(0) Normal-正常; (1) Tessellated-马赛克样; (2) Large optic cup-大视盘凹陷; (3) DR1-糖尿病视网膜病变1期; (4) Possible glaucoma-可能性青光眼; (5) Optic atrophy-视神经萎缩; (6) DR2-糖尿病视网膜病变2期; (7) DR3-糖尿病视网膜病变3期; (8) Severe hypertensive-严重高血压性视网膜病变; (9) Disc swelling and elevation-视盘肿胀和隆起; (10) Dragged Disc-视盘拖曳; (11) Congenital disc abnormality-先天性视盘异常; (12) Retinitis pigmentosa-色素性视网膜炎; (13) Bietti crystalline dystrophy-Bietti晶状体营养不良; (14) Peripheral retinal degeneration and break-周边视网膜变性和裂孔; (15) Myelinated nerve fiber-有髓神经纤维; (16) Vitreous particles-玻璃体颗粒; (17) Fundus neoplasm-眼底肿瘤; (18) BRVO-视网膜分支静脉阻塞; (19) Massive hard exudates-大量硬性渗出; (20) CRVO-视网膜中央静脉阻塞; (21) Yellow-white spots-flecks-黄白点; (22) Cotton-wool spots-棉絮斑; (23) Vessel tortuosity-血管迂曲; (24) Chorioretinal atrophy-coloboma-脉络膜视网膜萎缩-缺损; (25) Preretinal hemorrhage-视网膜前出血; (26) Fibrosis-纤维化; (27) Laser Spots-激光斑点; (28) Silicon oil in eye-眼内硅油; (29) Blur fundus without PDR-无增殖性糖尿病视网膜病变的模糊眼底; (30) Blur fundus with suspected PDR-怀疑有增殖性糖尿病视网膜病变的模糊眼底; (31) RAO-视网膜动脉阻塞; (32) Rhegmatogenous RD-裂孔性视网膜脱离; (33) CSCR-中心性浆液性脉络膜视网膜病变; (34) VKH disease-Vogt-小柳-原田综合征; (35) Maculopathy-黄斑病变; (36) ERM-黄斑前膜; (37) MH-黄斑裂孔; (38) Pathological myopia-病理性近视

在这里插入图片描述

3.4 MuReD 眼部疾病分类数据集（2022）

影像类别：2D-Fundus
检测部位：眼部-眼底
疾病类型：20种眼部疾病
数据来源：由 ARIA、STARE 和 RFMiD 数据集组成
数据用途：用于开发视网膜疾病识别模型的多标签视网膜眼底图像数据集

任务类型：分类
样本数量：2208
分类类别：20

作者：M. A. Rodríguez, H. AlMarzouqi and P. Liatsis
论文引用：M. A. Rodríguez, H. AlMarzouqi and P. Liatsis, “Multi-Label Retinal Disease Classification Using Transformers,” in IEEE Journal of Biomedical and Health Informatics, vol. 27, no. 6, pp. 2739-2750, June 2023, doi: 10.1109/JBHI.2022.3214086.
论文下载：arxiv, ieeexplore
数据集下载：mendeley-MuReD

特别说明：标签类别包括：糖网病（Diabetic Retinopathy，DR）图像，正常（NORMAL）图像，屈光介质混浊（Media Haze，MH）图像，视神经盘凹陷（Optic Disc Cupping，ODC）图像，豹纹状病变（Tessellation，TSLN）图像，老年黄斑变性（Age-Related Macular Degeneration，ARMD）图像，脉络膜小疣（Drusen，DN）图像，近视（Myopia，MYA）图像，视网膜分支静脉阻塞（Branch Retinal Vein Occlusion，BRVO）图像，视盘苍白（Optic Disc Pallor，ODP）图像，视网膜中央静脉闭塞（Central Retinal Vein Oclussion，CRVO）图像，脉络膜新生血管病（Choroidal Neovascularization，CNV）图像，视网膜炎（Retinitis，RS）图像，视盘水肿（Optic Disc Edema，ODE）图像，激光疤痕（Laser Scars，LS）图像，中心浆液性视网膜病变（Central Serous Retinopathy，CSR）图像，高血压视网膜病变（Hypertensive Retinopathy，HTR）图像，动脉硬化性视网膜病变（Arteriosclerotic Retinopathy，ASR）图像，脉络膜视网膜炎（Chorioretinitis，CSR）图像，其他疾病（Other Diseases，OTHER）。

在这里插入图片描述

3.5 Retinal OCT-C8 眼底疾病分类数据集（2022）

影像类别：2D-OCT
检测部位：眼部-眼底
疾病类型：多种眼部疾病（AMD, CNV, CSR, DME, MH, Drusen, DR）
数据来源：来自 OCT2017 数据集
数据用途：用于视网膜疾病的识别和分类

任务类型：分类
样本数量：24000
分类类别：8（AMD, CNV, CSR, DME, MH, Drusen, DR, Normal）

作者：M. Subramanian, K. Shanmugavadivel, O. S. Naren, K.
论文引用：M. Subramanian, K. Shanmugavadivel, O. S. Naren, K. Premkumar and K. Rankish, “Classification of Retinal OCT Images Using Deep Learning,” 2022 International Conference on Computer Communication and Informatics (ICCCI), Coimbatore, India, 2022, pp. 1-7, doi: 10.1109/ICCCI54379.2022.9740985.
论文下载：lhncbc, ieeexplore
数据集下载：kaggle OCT-C8

在这里插入图片描述

3.6 RFMiD2.0 眼底疾病分类数据集（2023）

影像类别：2D-Fundus
检测部位：眼部-眼底
疾病类型：45种眼部疾病
数据来源：Shri Guru Gobind Singhji Institute of Engineering and Technology, India
数据用途：用于眼底图像的多标签分类的数据集

任务类型：分类
样本数量：3200
分类类别：45

作者：Panchal, S., Naik, A., Kokare, M.
论文引用：Panchal, S., Naik, A., Kokare, M., Pachade, S., Naigaonkar, R., Phadnis, P., & Bhange, A. (2023). Retinal Fundus Multi-Disease Image Dataset (RFMiD) 2.0: A Dataset of Frequently and Rarely Identified Diseases. Data, 8(2), 29. https://doi.org/10.3390/data8020029
论文下载：mdpi-RFMiD2.0
数据集下载：zenodo-RFMiD2.0, kaggle-RFMiD

在这里插入图片描述

3.7 MedMNISTv2 眼底疾病分类数据集（2023）

MedMNISTv2 包含 12个 2D数据集和 6个 3D数据集，其中 OCTMNIST子集基于109309 张 OCT 图像，RetinaMNIST 子集基于 1600 张 2D-Fundus 图像。

影像类别：2D-OCT
疾病类型：眼部疾病
数据来源：12个2D数据集和6个3D数据集
数据用途：用于支持生物医学图像分析、计算机视觉和机器学习中的研究/教育

任务类型：分类
样本数量：OCTMNIST 109,309 张，RetinaMNIST 1600 张
分类类别：OCTMNIST 4类，RetinaMNIST 5类

作者：Jiancheng Yang, Rui Shi, Donglai Wei
论文引用：Yang, J., Shi, R., Wei, D. et al. MedMNIST v2 - A large-scale lightweight benchmark for 2D and 3D biomedical image classification. Sci Data 10, 41 (2023). https://doi.org/10.1038/s41597-022-01721-8
论文下载：nature, Github-MedMNIST
数据集下载：zenodo-MedMNIST+, medmnist

在这里插入图片描述

3.8 ToxoFundus 眼部疾病分类数据集（2021）

影像类别：2D-Fundus
检测部位：眼部-眼底
疾病类型：弓形虫性脉络膜视网膜炎
数据来源：Hospital de Clínicas Medical Center
数据用途：用于研究和诊断弓形虫性脉络膜视网膜炎

任务类型：分类
样本数量：412
分类类别：4（healthy, inactive, active, active/inactive）

作者：Cardozo, O., Ojeda, V., Parra, R.
论文引用：Cardozo, O., Ojeda, V., Parra, R., Mello-Román, J. C., Noguera, J. L. V., García-Torres, M. et al. (2023). Dataset of fundus images for the diagnosis of ocular toxoplasmosis. Data in Brief, 48, 109056. https://doi.org/10.1016/j.dib.2023.109056
论文下载：
数据集下载：kaggle-ToxoFundus , zenodo-ToxoFundus

3.9 FARFUM RoP 眼底疾病分类数据集（2024）

影像类别：2D-Fundus
检测部位：眼部-眼底
疾病类型：早产儿视网膜病变（ROP）
数据来源：Farabi Eye Hospital, Tehran University of Medical Sciences in Tehran（伊朗）
数据用途：用于早产儿视网膜病变的检测和研究

任务类型：分类
样本数量：1533
分类类别：3（Normal, Pre-Plus, Plus）

作者：Akbari, M., Pourreza, HR., Khalili Pour, E.
论文引用：Akbari, M., Pourreza, HR., Khalili Pour, E. et al. FARFUM-RoP, A dataset for computer-aided detection of Retinopathy of Prematurity. Sci Data 11, 1176 (2024). https://doi.org/10.1038/s41597-024-03897-7
论文下载：nature s41597-024-03897-7
数据集下载：figshare 6721269

在这里插入图片描述