眼底筛查AI特征数据集基于眼底相机采集用户眼底影像,形成眼底影像数据。经专业技术匿名化处理后,由眼科医生基于眼底疾病特征完成精细化标注,形成标准化的眼底筛查AI特征数据集。覆盖眼底疾病关键特征维度,为基层辅助诊断升级、医学科研、AI算法迭代及公共卫生筛查体系建设提供高质量数据底座。
干眼症AI训练数据集本数据集源自爱尔眼科自研的【爱尔病历中心】2022年8月1日至2025年6月30日的病历数据,数据范围涵盖个7省份,10家医院。经专家进行规范的病历数据标准设计,并对病历数据的准确性和完整性进行筛选,然后经过严格脱敏脱密、清洗、融合与结构化处理后,形成用于干眼症AI训练的高质量数据集,数据规模:6201份。该数据集以“AI干眼医生”核心模型训练为导向,系统性覆盖诊疗全链条,并整合病史、检查结果等多维度患者信息,内置分型依据、治疗方案等输出内容。可服务于干眼症临床诊断关键变量的识别、模型性能提升。基于此数据集训练的“AI干眼医生”大模型产品可显著减少诊疗主观差异,提升决策质量。随着数据与算法迭代,本数据集将持续驱动诊疗系统升级,推进干眼症诊疗标准化、智能化进程,并为真实世界研究提供关键支撑。
眼前节裂隙灯(白内障、翼状胬肉)数据集该数据集源自爱尔大数据中心2024年3月1日至12月31日的裂隙灯眼前节影像数据,数据范围涵盖5个省份、5家医院,经专家标注后形成眼前节裂隙灯(白内障、翼状胬肉)数据集,数据规模:19580条。该数据集以临床应用为导向,基于晶状体点状混浊、车轮状混浊等 20 余种病灶特征进行标注,形成 AI 训练样本,供爱尔自研模型:眼前节图像质量评估与翼状胬肉识别模型、白内障筛查模型进行训练,通过眼前节图像特征识别和提取,识别白内障、后发障等多种眼前节疾病,输出裂隙灯影像分析报告,辅助临床实现眼前节病变早期识别与高效诊断。