摘要：维生素缺乏与视网膜分析图像数据集包含六类医学图像（维生素A/B/C/D/E、视网膜血管），数百张图像预处理为 224×224 像素并使用 ImageNet 归一化和数据增强，专为营养缺乏检测和视网膜血管分析的多类别分类而构建。
数据集简介
数据集概述
维生素缺乏与视网膜分析图像数据集是一个用于营养缺乏检测和视网膜血管分析的多类别医学图像分类数据集。包含六个类别：维生素A（夜盲症、干眼症）、维生素B（脚气病、神经问题）、维生素C（坏血病、免疫下降）、维生素D（佝偻病、骨质疏松）、维生素E（神经病变）和视网膜血管（眼科疾病诊断）。图像按类别文件夹组织，包含数百张 PNG/JPG/JPEG 图像，加载时统一转换为 RGB。
数据结构与临床背景
图像标准化为 224×224 像素，使用 ImageNet 归一化（均值 [0.485, 0.456, 0.406]，标准差 [0.229, 0.224, 0.225]）。训练时应用数据增强：随机裁剪（256×256→224×224）、随机水平翻转（50%）、随机旋转（±15°）、颜色抖动和仿射变换，提高泛化能力。支持分层采样的训练/验证/测试分割，使用 PIL/Pillow 加载并带错误处理。
应用价值与研究方向
支持六类别医学图像分类、营养缺乏自动检测、视网膜血管分析（糖尿病视网膜病变、高血压视网膜病变）、迁移学习（ImageNet 预训练）、数据增强策略研究、多任务学习、临床决策支持系统、可解释 AI（Grad-CAM）、公共卫生筛查和医学教育，为改善营养健康和眼科诊断提供研究资源。
数据集来源
该数据集包含六类医学图像（维生素A/B/C/D/E、视网膜血管），数百张 PNG/JPG/JPEG 图像按类别文件夹组织，预处理为 224×224 像素并使用 ImageNet 归一化，训练时应用多种数据增强（裁剪、翻转、旋转、颜色抖动、仿射变换），支持分层采样分割，专为营养缺乏检测和视网膜血管分析的多类别分类任务而构建。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-96
文件大小：129M
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)