摘要：该数据集提供了2,031张用于眼内肿瘤智能诊断的超广角眼底图像，涵盖五种罕见但临床关键的眼内肿瘤类型及正常对照组。
数据集概述
该数据集提供了2,031张用于眼内肿瘤智能诊断的超广角眼底图像，涵盖五种罕见但临床关键的眼内肿瘤类型及正常对照组。眼内肿瘤的早期检测对于保存视力和挽救生命至关重要，但由于病例稀少、影像特征复杂，自动化诊断面临重大挑战。该数据集包含六个类别：正常眼底（Normal）、脉络膜血管瘤（Choroidal Hemangioma, CH）、视网膜毛细血管血管瘤（Retinal Capillary Hemangioma, RCH）、脉络膜骨瘤（Choroidal Osteoma, CO）、视网膜母细胞瘤（Retinoblastoma, RB）和葡萄膜黑色素瘤（Uveal Melanoma, UM），采用超广角成像技术捕获眼底全景信息，为人工智能辅助诊断系统的开发提供了大规模标注数据资源。
数据结构与关键特征
数据集采用六个子文件夹组织，每个文件夹对应一个诊断类别，包含该类别的全部样本图像。超广角眼底成像技术相比传统眼底照相具有更大的视野范围（通常可达200度或以上），能够捕获周边视网膜和脉络膜的病变信息，这对于位于眼底边缘区域的肿瘤检测尤为重要。图像涵盖多种肿瘤表型特征：脉络膜血管瘤呈现橙红色隆起病灶、脉络膜骨瘤显示黄白色钙化区域、视网膜母细胞瘤表现为白色团块状病变、葡萄膜黑色素瘤呈现棕色或黑色色素沉着，每种肿瘤类型在大小、位置、颜色和形态上具有独特的影像学特征。数据集的类别分布反映了临床真实世界中眼内肿瘤的相对发病率，为开发具有临床适用性的不平衡数据学习算法提供了实际场景。
应用价值与研究方向
该数据集为罕见眼科疾病的AI辅助诊断填补了数据空白，可直接支持深度学习分类模型（ResNet、EfficientNet、Vision Transformer等）的训练和验证，用于眼内肿瘤的自动识别和鉴别诊断，显著降低误诊漏诊率并缩短诊断时间。在临床应用层面，AI筛查系统可部署于基层医疗机构和远程医疗平台，为缺乏眼科肿瘤专家的地区提供初筛支持，特别是对视网膜母细胞瘤（儿童最常见的眼内恶性肿瘤）和葡萄膜黑色素瘤（成人最常见的眼内恶性肿瘤）的早期发现具有重要公共卫生价值。研究方向包括：小样本学习和迁移学习方法应对罕见肿瘤类别数据不足问题、可解释性AI技术（Grad-CAM、注意力机制）生成病灶定位热图辅助医生决策、多模态融合模型整合超广角眼底图像与OCT/荧光造影等影像学数据提升诊断准确率、弱监督和半监督学习利用未标注眼底图像扩展训练集、以及基于联邦学习的多中心协作建模保护患者隐私的同时提升模型泛化能力，该数据集还为计算机视觉领域的医学图像细粒度分类、类别不平衡学习和领域自适应研究提供了具有挑战性的实际应用场景。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-275
文件大小：1.8G
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)