DRIVE：用于提取血管的数字视网膜图像数据集|医疗图像分析数据集|生物识别数据集

DRIVE数据库的建立是为了能够对视网膜图像中的血管进行分割的比较研究。视网膜血管分割和划定视网膜血管的形态属性，如长度、宽度、迂回性、分支模式和角度，用于诊断、筛选、治疗和评估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。血管的自动检测和分析可以帮助实施糖尿病视网膜病变的筛查计划，可以帮助研究血管迂曲和高血压视网膜病变之间的关系，血管直径测量与高血压的诊断有关，以及计算机辅助激光手术。自动生成视网膜图和提取分支点已被用于时间或多模态图像登记和视网膜图像镶嵌合成。此外，发现每个人的视网膜血管树都是独一无二的，可用于生物识别。 DRIVE数据库的照片来自荷兰的一个糖尿病视网膜病变筛查项目。筛查人群包括400名年龄在25-90岁的糖尿病患者。随机抽取了40张照片，其中33张没有显示任何糖尿病视网膜病变的迹象，7张显示有轻度早期糖尿病视网膜病变的迹象。以下是对这7个病例的异常情况的简要描述。 25_training：色素上皮改变，可能是蝶形黄斑病变伴中央凹色素性瘢痕，或脉络膜病变，无糖尿病视网膜病变或其他血管异常。26_training：背景糖尿病视网膜病变，色素上皮萎缩，视盘周围萎缩 32_training：背景糖尿病视网膜病变 03_test：背景糖尿病视网膜病变 08_test：色素上皮改变，中央凹色素性瘢痕，或脉络膜病变，无糖尿病视网膜病变或其他血管异常14_test：背景糖尿病视网膜病变 17_test：背景糖尿病视网膜病变 每个图像都经过 JPEG 压缩。 这些图像是用佳能CR5非滴胶3CCD相机获得的，具有45度的视野（FOV）。每张图像都是以768×584像素、每色平面8比特拍摄的。每张图像的FOV是圆形的，直径约为540像素。对于这个数据库，图像已经围绕FOV进行了裁剪。对于每张图像，都提供了一个遮罩图像，划定了FOV。 这组 40 张图像分为训练集和测试集，均包含 20 张图像。对于训练图像，可以对脉管系统进行单次手动分割。对于测试用例，有两个手动分段可用；一种用作黄金标准，另一种可用于将计算机生成的分割与独立的人类观察者的分割进行比较。此外，每个视网膜图像都有一个掩模图像，指示感兴趣的区域。所有手动分割脉管系统的人类观察者均由经验丰富的眼科医生指导和培训。他们被要求标记他们至少 70% 确定它们是容器的所有像素。 结果应作为单个 zip 文件提交，其中包含二进制 PNG 文件，其中包含测试集中相应文件的血管预测。文件名应为 [1.png, 2.png, ..., 20.png]。将为测试集中的每个图像计算骰子系数（仅考虑掩码内的像素）。根据最高平均骰子系数对排行榜进行排序。 See http://www.isi.uu.nl/Research/Databases/DRIVE/ for the original web-page on this challenge