视网膜数据集（3）STARE

最新推荐文章于 2024-05-14 09:54:43 发布
最新推荐文章于 2024-05-14 09:54:43 发布
阅读量5.3k 收藏 16
点赞数 38
分类专栏： 视网膜数据集 文章标签： 计算机视觉
@Elaine
本文链接：https://blog.csdn.net/qq_36430012/article/details/113996955
版权

    STARE数据集 是 1975 年由 Michael Goldbaum 发起的项目, 它在 2000 年由 Hoover 等首次在论文中引用并公开，是用来进行视网膜血管分割的彩色眼底图数据库, 包括 20 幅眼底图像, 其中 10 幅有病变, 10 幅没有病变, 图像分辨率为 605×700, 每幅图像对应 2 个专家手动分割的结果, 是最常用的眼底图标准库之一.。但是其自身的数据库中没有掩膜，需要自己手动设置掩膜。目前它已扩展到 40 幅血管分割手工标注结果和 80 幅视神经检测手工标注结果。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述

STARE Dataset 获取添加QQ ：1056593553

@TangYi
关注
专栏目录
视网膜眼底图的数据库介绍
b_x_y_j的博客
04-04 1万+
视网膜眼底图的数据库介绍 **视网膜血管分割方法是眼科计算机辅助诊断和大规模疾病筛查系统的基础，针对彩色视网膜眼底图的分析，有助于医生在对于人体的无伤害医学诊断，尤其在人类的高血压、青光眼、糖尿病等疾病的诊断就有显著的效果。目前公开常用的彩色眼底图数据库主要有一下几种： 1、STARE数据库（structured snalysis of the retinal） **STARE 是 1975 年由...
FIRE 视网膜图像数据数据集
07-06
FIRE 是一个视网膜眼底图像数据集，包含 129张 眼底视网膜图像，由不同特征组合成 134对 图像组合。这些图像组合 根据特质被划分为3类。眼底图像由 Nidek AFC-210 眼底照相机采集，分辨率为2912x2912，视觉仰角为40度。图像由 Papageorgiou Hospital 医院和Aristotle University of Thessaloniki大学共同构建，由于Thessaloniki 大学采集自39名患者。. 数据包括以下几部分内容： 成对的视网膜图像。 彩色ROI掩模（作为二值图像）。 特征ROI掩模（作为二值图像）。 每个图像对应的标注点。
血管分割的STARE数据集
01-13
视网膜眼底血管分割的STARE数据集，可作为深度学习的训练集。
视网膜血管数据集-DRIVE.7z
05-27
该数据集共包含40张视网膜血管图像，这40张图像已分为训练和测试集，均包含20张图像。如果没有积分，可关注我然后在评论区留下邮箱，将发送至邮箱。
STARE数据库
06-29
SATR数据库图像，一共包括20幅被标记的彩色眼底图像。
视网膜图像数据库HRF数据集（15）
12-15
视网膜图像数据库HRF数据集（15）一组视网膜眼底图像，用于视网膜增强，视网膜提取，视网膜识别等操作。
常用眼底图像数据集简介及下载--糖尿病视网膜病变 EyePacs,APTOS2019,STARE数据集
liiojhggg的博客
09-09 8862
本篇博客主要介绍了眼底图像数据集，以及如何下载，可用于糖尿病视网膜病变分类
视网膜数据集
qq_49478396的博客
01-20 957
Stare,CHASEDB1,DEIVE的数据集都在这里面 链接：https://pan.baidu.com/s/13KqK7661tuyeIk5WdWAgyg?pwd=a2id 提取码：a2id
视网膜数据集.rar
05-22
视网膜数据集，包含CHASEDB，DRIVE,STARE，需要使用这些数据集对视网膜分割的可以使用，
视网膜数据集（1）DRIVE
@Elaine
02-23 5254
DRIVE： training: image: 20张，21_training.tif——40_training.tif mask: 20张，21_training_masl.gif——40_training_mask.gif 1st_manual: 20张，21_manual1.gif——40_manual1.gif: test: images: 20张，01_test.tif——20_test.tif 1st_manual：20张，01_manual.gif——20_manua
医学图像分割视网膜数据集合集DRIVE+Chase_db1+HRF 有标签亲测运行过没有问题
06-08
用于视网膜的分割，亲测运行过没有问题。 DRIVE数据集的训练集和验证集‘1st_manual’ 并未被官方提供，但我提供了分为training.zip和test.zip。 CHASE DB1 的训练集和验证集也提供了chase_db1.zip HRF数据集:下载 healthy.zip glaucoma.zip, diabetic_retinopathy.zip, healthy_manualsegm.zip, glaucoma_manualsegm.zip 以及 diabetic_retinopathy_manualsegm.zip 。 在mmsegmentation这个架构里面可以直接运行，mmsegmentation架构不会使用的在浏览器搜索教程 使用时记得转换格式，首先创建data 如python tools/convert_datasets/drive.py data/training.zip data/test.zip python tools/convert_datasets/chase_db1.py data/CHASEDB1.zip
眼底数据集
01-17
眼底数据集，主要用于眼底图像的分割等实验，原图是彩色的
DRIVE数据集，用于视网膜图像分割
08-07
DRIVE数据集，用于视网膜图像分割，里面一半是训练集，一半是测试集。
STARE数据库中VK专家标记图像
06-29
STARE数据库中被第二专家VK标记的20幅彩色图像，可用于眼底图像研究中。
stare-images.rar
06-22
stare-images.rar
基于端到端对抗性视网膜图像合成内含数据集和环境搭建说明.zip
05-01
在数据集方面，我们使用了公开的视网膜图像数据集，如DRIVE、STARE等，并进行了预处理，包括图像裁剪、大小调整和归一化等。在环境搭建方面，我们使用Python编程语言，基于TensorFlow和PyTorch深度学习框架进行开发...
利用卷积神经网络（U-net）进行视网膜血管分割
最新发布
gitblog_00029的博客
05-14 421
利用卷积神经网络（U-net）进行视网膜血管分割 去发现同类优质开源项目:https://gitcode.com/ 本仓库提供了一个基于卷积神经网络的解决方案，用于在视网膜基金图像中精确地分割血流血管。这是一个二分类任务，网络的任务是预测图像中的每个像素是否为血管。该模型的架构受到U-net的启发，并且在DRIVE数据库上测试时，它在曲线下面积(AUC)指标上表现最佳，优于至今已发表的所有其他方...
MMSegmentation训练自己的分割数据集
weixin_42201328的博客
10-22 5416
首先确保在服务器上正常安装了MMSeg，注意安装完还需建立与自己的数据集之间的软连接，官方安装教程如下：https://github.com/open-mmlab/mmsegmentation/blob/master/docs/get_started.md#installation pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.6.0/index.html git clone https://
stare和chase_db1数据集下载
01-26
您好！感谢您对stare和chase_db1数据集的关注。 首先，stare（The STARE Project）是一个用于视网膜图像分析研究的公开数据集。该数据集包含了从不同病例中提取的视网膜图像，以及每个图像的相关注释信息，例如视网膜病变的位置和类型。您可以通过访问STARE项目的官方网站，下载该数据集以进行相关研究。 其次，chase_db1（The Challenging Database 1）是另一个用于视网膜图像分割和血管检测的公开数据集。该数据集包含了一系列高分辨率的视网膜图像，以及每个图像中血管的像素级标签。您可以通过访问chase_db1项目的官方网站，下载该数据集以用于相关研究和实验。 下载这两个数据集时，建议您按照网站上的指示进行操作，通常需要您提供一些基本信息并同意相关的使用协议。数据集的下载通常以压缩文件的形式提供，您需要解压缩后才能使用其中的图像和标签数据。 使用这些数据集进行研究可以帮助改进视网膜图像分析算法、开发新的诊断工具以及提升医学领域的疾病检测能力等。希望您能够成功地下载并且有效地利用这些数据集！如有任何问题，请随时向我提问。
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值