)
糖尿病视网膜病变（DR）图像数据集
数据集概述
糖尿病视网膜病变（DR）图像数据集，面向医学影像 AI 辅助诊断任务，统一分辨率为 896×896，覆盖图像分类、目标检测、图像分割三种任务，共约 1500 张眼底图像（含原图与像素级 mask），提供 YOLO 检测标注与分割 mask，适用于 DR 筛查系统开发、医学影像算法研究等场景，可直接用于 YOLO、UNet 等模型训练。
数据集包含图像级 5 分类标签（正常、轻度病变、中度病变、重度病变、增值性病变）以及 8 类病灶的边界框与像素级标注，标注质量满足医学 AI 实验要求，开箱即用。
核心参数
| 项目 | 详情 |
|---|---|
| 数据集名称 | 糖尿病视网膜病变（DR）图像数据集 |
| 数据规模 | 约 1500 张图像（含原图与 mask） |
| 图像分辨率 | 896×896 |
| 标注类型 | 图像级标注 + 像素级病灶标注（mask） |
| 标注格式 | YOLO 检测标注 + 分割 mask |
| 核心用途 | 糖尿病视网膜病变筛查、医学影像分类/检测/分割 |
标注类别说明
任务一：图像分类（5 分类）
| 序号 | 类别名称 | 图像数 |
|---|---|---|
| 0 | 正常 | 166 |
| 1 | 轻度病变 | 337 |
| 2 | 中度病变 | 929 |
| 3 | 重度病变 | 99 |
| 4 | 增值性病变 | 62 |
任务二：目标检测（8 类病灶）
| 序号 | 类别名称 | 说明 |
|---|---|---|
| 0 | 微动脉瘤 | 微小圆形红色斑点 |
| 1 | 视网膜内出血 | 视网膜层内出血斑 |
| 2 | 硬渗出物 | 黄白色脂质沉积 |
| 3 | 棉絮斑 | 灰白色软性渗出 |
| 4 | 玻璃体出血 | 玻璃体内血液积聚 |
| 5 | 视网膜前出血 | 视网膜前表面出血 |
| 6 | 新生血管形成 | 异常新生血管 |
| 7 | 纤维增生 | 纤维组织增生 |
### 任务三：图像分割（像素级标注）
同上 8 类病灶，每张图像至少包含 1 张 mask，可直接用于 UNet / DeepLab 等分割模型训练。
格式支持
支持 YOLO 检测格式与像素级分割 mask 数据集
适用场景
- 医学影像 AI 论文实验（分类 / 检测 / 分割）
- DR 筛查系统开发（糖尿病视网膜病变自动诊断）
- YOLO / UNet / Faster R-CNN 模型训练与验证
- 医学图像分析竞赛（kaggle DR 类赛事）
- 深度学习课程大作业 / 毕业论文
训练配置示例（YOLO 格式）
数据集配置（YAML）—— 目标检测
yaml path: ./DR检测数据集 train: images/train val: images/val test: images/test names:0: 微动脉瘤1: 视网膜内出血2: 硬渗出物3: 棉絮斑4: 玻璃体出血5: 视网膜前出血6: 新生血管形成7: 纤维增生训练代码 —— 目标检测
python from ultralyticsimportYOLO model=YOLO("yolo11s.yaml")model.train(data="DR检测数据集.yaml",epochs=200,imgsz=896,batch=16,device=0)数据集配置（YAML）—— 图像分割
yaml path: ./DR分割数据集 train: images/train val: images/val test: images/test names:0: 微动脉瘤1: 视网膜内出血2: 硬渗出物3: 棉絮斑4: 玻璃体出血5: 视网膜前出血6: 新生血管形成7: 纤维增生### 训练代码 —— 图像分割python from ultralyticsimportYOLO model=YOLO("yolo11n-seg.yaml")model.train(data="DR分割数据集.yaml",epochs=200,imgsz=896,batch=16,device=0)话题关键词
#糖尿病视网膜病变 #DR #眼底图像 #图像分类 #目标检测 #图像分割 #896像素 #医学AI #YOLO #UNet #DeepLab #Faster R-CNN #深度学习 #yolo数据集
