糖尿病视网膜病变眼底图像诊断辅助数据集-德布勒森

糖尿病视网膜病变眼底图像诊断辅助数据集-德布勒森 数据来源：互联网公开数据 标签：糖尿病视网膜病变,眼底图像,医学影像,机器学习,疾病诊断,眼科,计算机视觉,医学

数据概述： 本数据集源自德布勒森糖尿病视网膜病变诊断辅助数据集，旨在辅助预测眼底图像中糖尿病视网膜病变（DR）的存在。数据集包含了从Messidor图像集中提取的特征，这些特征代表了检测到的病灶、解剖结构的描述性特征或图像级别的描述符。数据分析、特征提取和分类技术详见Antal和Hajdu于2014年在《知识库系统》上发表的研究。

数据集中包含以下变量：

quality：图像质量，二元变量，1代表良好，0代表不良。

pre_screening：预筛查信息，二元变量，1代表视网膜严重异常，0代表无异常。

ma1-ma6：不同置信水平下检测到的微动脉瘤（MAs）数量，整型变量。微动脉瘤是视网膜血管中的微小膨胀，是糖尿病视网膜病变的早期征兆。

exudate1-exudate8：不同置信水平下检测到的渗出物，连续型变量。渗出物是视网膜中的脂质或蛋白质沉积，由血管渗漏引起。该特征已通过将病灶数量除以感兴趣区域（ROI）的直径进行归一化处理，以补偿不同的图像大小。

macula_opticdisc_distance：黄斑中心与视盘中心的欧几里得距离，连续型变量。该特征提供了关于患者状况的重要信息，并使用 ROI 的直径进行归一化。

opticdisc_diameter：视盘直径，连续型变量。

am_fm_classification：基于AM/FM分类的二元结果。

label：目标变量，二元变量，1代表存在糖尿病视网膜病变（DR）症状，0代表无症状。

数据用途概述： 该数据集主要用于糖尿病视网膜病变的早期诊断和预测，可应用于以下场景：

机器学习模型训练：用于训练和评估机器学习模型，以自动检测眼底图像中的糖尿病视网膜病变迹象。 疾病诊断辅助：辅助医生诊断糖尿病视网膜病变，提高诊断准确性和效率。 医学研究：用于研究糖尿病视网膜病变的病理特征、诊断方法和预后预测。 教育培训：用于医学、计算机视觉等相关领域的教学和研究。 数据集的分析结果可以帮助医生更早地发现糖尿病视网膜病变，从而改善患者的治疗效果和预后。

引用说明：如果使用该数据集，请引用以下文献：Antal, Bálint, and András Hajdu. "An ensemble-based system for automatic screening of diabetic retinopathy." Knowledge-based systems 60 (2014): 20-27.