EDDFS

EDDFS包含28877张彩色眼底图像，用于基于深度学习的眼病诊断。除了15000个健康样本外，数据集还包括8种眼疾，如糖尿病视网膜病变、老年性黄斑变性、青光眼、病理性近视、高血压、视网膜静脉阻塞、LASIK斑点及其他。

The EDDFS dataset comprises 28,877 color fundus images designed for deep learning-based diagnosis of eye diseases. In addition to 15,000 healthy samples, the dataset includes eight types of eye diseases, such as diabetic retinopathy, age-related macular degeneration, glaucoma, pathological myopia, hypertension, retinal vein occlusion, LASIK spots, and others.

原始信息汇总

数据集概述

数据集名称： EDDFS_dataset

数据集描述： EDDFS是一个用于眼病诊断和视网膜合成的大规模数据集，包含28877张彩色视网膜图像，适用于深度学习为基础的诊断。除了15000张健康样本外，数据集涵盖了8种眼疾，包括糖尿病视网膜病变、年龄相关性黄斑变性、青光眼、病理性近视、高血压、视网膜静脉阻塞、LASIK斑点及其他。

数据集使用限制

1. 使用目的： 仅限于非商业研究目的。
2. 数据来源： 数据来自医院，医院保留随时终止数据库访问的权利。
3. 数据传播： 用户同意不复制、发布或分发EDDFS数据库的任何部分。
4. 引用要求： 使用EDDFS数据库的任何论文或公开文本应引用以下论文：
   • 会议论文：Eye Disease Diagnosis and Fundus Synthesis: A Large-Scale Dataset and Benchmark
   • 期刊论文：Benchmarking deep models on retinal fundus disease diagnosis and a large-scale dataset

数据集下载

下载链接：

• GoogleDrive
• Mega
• Baiduyun (密码: i3vk)

预训练模型与代码

预训练模型下载：

• resnet18
• densenet
• efficientnet_v2_Mega
• efficientnet_v2_Google

代码运行环境：

• 依赖库包括einops, distributed, torch, torchvision, simplejson, timm, iopath, scikit-learn, opencv-python, matplotlib, pandas, tqdm。
• 代码可在MPS MacOS上使用Python3.9运行。

数据集目录结构

project-root/ ├── README.md ├── train-x.sh ├── test.py ├── main.py ├── mask.png ├── config/ │ ├── _data/ │ │ └── datasetConf.py ├── datas/ │ ├── EDDFS/ │ │ └── Annotation/ │ │ └── .csv │ ├── other_datasets/ ├── datasets/ │ └── All_Datasets.py ├── models/ │ └── ... ├── pre-trained/ ├── results/ │ └── evaluation_during_training.csv ├── runs/ │ └── training_tensorboard_summary.local ├── tools/ ├── weights/ │ └── well-trained.pth/

搜集汇总

数据集介绍

构建方式

在眼科疾病诊断领域，EDDFS数据集的构建旨在为深度学习模型提供丰富的视网膜图像资源。该数据集包含了28877张彩色视网膜图像，涵盖了8种常见的眼科疾病，包括糖尿病视网膜病变、年龄相关性黄斑变性、青光眼等，以及15000张健康样本。这些图像来源于医院，确保了数据的真实性和临床相关性。数据集的构建过程严格遵循医学伦理和数据隐私保护原则，确保了数据的合法性和安全性。

特点

EDDFS数据集的显著特点在于其规模庞大且多样性丰富，涵盖了多种眼科疾病的典型病例，为深度学习模型的训练提供了广泛的数据支持。此外，数据集的标注精细，能够支持多标签和多疾病的分类任务，适用于多种深度学习模型的训练和评估。数据集的多样性和高质量标注使其成为眼科疾病诊断研究的重要资源。

使用方法

使用EDDFS数据集时，用户需遵循非商业研究用途的限制，并通过提供的链接下载数据集。数据集的预处理和加载代码位于`datasets/All_Datasets.py`中，用户可根据需要调整路径和参数。训练模型时，可使用提供的预训练权重或自行训练，训练脚本和配置文件位于项目根目录下。测试时，用户可通过`test.py`脚本加载训练好的模型进行评估。

背景与挑战

背景概述

EDDFS数据集是一个专门用于眼科疾病诊断和眼底图像合成的视网膜眼底图像数据集，由Xue Xia等研究人员于2022年创建。该数据集包含28877张彩色眼底图像，涵盖了8种眼科疾病，包括糖尿病视网膜病变、年龄相关性黄斑变性、青光眼等，以及15000张健康样本。EDDFS数据集的构建旨在推动基于深度学习的眼科疾病诊断技术的发展，并为相关领域的研究提供丰富的数据资源。该数据集的发布不仅为眼科疾病的自动化诊断提供了新的研究平台，还为眼底图像合成技术的研究奠定了基础，具有重要的学术和临床应用价值。

当前挑战

EDDFS数据集在构建和应用过程中面临多项挑战。首先，数据集的多样性和复杂性使得图像预处理和标注工作异常繁琐，尤其是不同疾病类型的图像特征差异较大，增加了模型训练的难度。其次，眼科疾病的诊断需要高精度的分类和识别，这对深度学习模型的性能提出了极高的要求。此外，数据集的获取和使用受到严格的非商业用途限制，且数据来源的医院有权随时终止访问，这为数据集的长期使用和维护带来了不确定性。最后，如何在有限的标注数据下实现高效的模型训练和泛化，也是该数据集面临的重要挑战。

常用场景

经典使用场景

EDDFS数据集在眼科疾病诊断领域中具有广泛的应用，尤其是在深度学习模型的训练与评估中。该数据集包含了28877张彩色眼底图像，涵盖了8种常见的眼科疾病，如糖尿病视网膜病变、年龄相关性黄斑变性、青光眼等。通过这些图像，研究人员可以开发和验证基于深度学习的自动诊断系统，从而提高眼科疾病的早期检测和诊断效率。

解决学术问题

EDDFS数据集为解决眼科疾病诊断中的关键学术问题提供了有力支持。首先，它为研究人员提供了一个大规模、多样化的数据集，用于训练和验证深度学习模型，从而提高了模型的泛化能力和诊断准确性。其次，该数据集的多样性有助于解决数据不平衡问题，使得模型能够更好地处理不同类型的眼科疾病。此外，EDDFS数据集还为眼底图像合成和增强技术的发展提供了基础，进一步推动了眼科影像分析领域的研究。

衍生相关工作

基于EDDFS数据集，许多相关的经典工作得以展开。例如，研究人员利用该数据集开发了多种深度学习模型，如ResNet、EfficientNet等，用于多标签和多疾病的分类任务。此外，EDDFS数据集还促进了眼底图像合成技术的发展，使得研究人员能够生成更多样化的训练数据，从而提高模型的性能。这些衍生工作不仅推动了眼科影像分析领域的技术进步，还为其他医学影像数据集的研究提供了宝贵的经验和方法。